【SPSS】游程检验-变量值随机性检验和两独立样本的W-W游程检验详细操作教程(附案例实战)

简介: 【SPSS】游程检验-变量值随机性检验和两独立样本的W-W游程检验详细操作教程(附案例实战)

SPSS非参数检验概述



参数检验 VS 非参数检验


  • 参数检验:在总体分布形式已知的情况下,对总体分布的参数如均值、方差等进行推断的方法
  • 非参数检验:在总体分布未知的情况下,利用样本数据对总体分布形态等进行推断的一类方法


注意:


  • 由于非参数检验方法不涉及有关总体分布的参数,因而得名“非参数”检验
  • 如果样本不能很好的代表总体,任何检验方法都是无效的


SPSS中的非参数检验方法


  • 单样本的非参数检验
  • 两独立样本的非参数检验
  • 两配对样本的非参数检验


游程检验-变量值随机性检验



游程检验


  • 游程(Runs):观测值序列中连续出现相同数值的次数


  • 单样本游程检验用来检验变量值的出现是否随机;而两独立样本 的游程检验(W-W Runs)则用来检验两独立样本来自的两总体的分布是否存在显著差异
  • 变量值随机性检验的原假设H0是:总体变量值的出现是随机的
  • 利用游程数构造检验统计量,并计算对应的概率P值,与给定的显著性水平α比较,并作出决策


【案例】 为检验某耐压设备在某段时间内工作是否持续正常,测试并记录下该时间段内各个时间点上的设备耐压数据。现采用游程检验方法对这批数据进行分析。如果耐压数据的变动是随机的,可认为该设备工作一直正常,否则认为该设备有不能正常工作的现象。


操作步骤:


①选择菜单【分析】----> 【非参数检验】----> 【旧对话框】----> 【游程】


②选择待检验变量,并在【分割点】框中确定计算游程数的分界值


③分析结果


 结论:检验统计量的值为0.689,对应的概率P值为0.491。如果显著性水平α为0.05,由于概率P值大于显著性水平α,因此不应拒绝原假设,可以认为该设备在这段时间内工作是正常的。


两独立样本的非参数检验



两独立样本的非参数检验


  • 在对总体分布不甚了解的情况下,通过对两个独立样本的分析推断样本来自的两总体的分布是否存在显著差异的方法
  • 独立样本是指在从一个总体中随机抽样对在另一个总体中随机抽样没有影响的情况下所获得的样本


主要方法


  • 曼-惠特尼U检验(Mann-Whitney U)
  • K-S检验
  • W-W游程检验
  • 极端反应检验


注意:


       不同分析方法对同一批数据的分析结论有可能不相同。这 一方面说明分析过程中对数据进行反复的探索性分析是极为必 要的;另一方面也说明了不同方法本身侧重点的差异性。


两独立样本的W-W游程检验



两独立样本的W-W游程检验(Wald-Wolfowitz Runs)


  • 原假设H0 :两独立样本来自的两总体的分布无显著差异
  • 计算依据:游程,且游程数依赖于变量的秩
  • 计算步骤:

1.首先,将两样本混合并按升序排序

2.然后,对组标记值序列计算游程数如果两总体的分布存在较大差距,那么基于组标记的游程数会 相对比较少

3.最后,根据游程数计算Z统计量,该统计量近似服从正态分布

  • 决策:如果概率P值小于等于给定的显著性水平α,则拒绝原假设, 认为样本来自的两总体的分布存在显著差异;反之则接受原假设,认为样本来自的两总体的分布不存在显著差异。


【案例】 某工厂用甲、乙两种不同的工艺生产同一种产品。如果希望检验两种工艺下产品的使用寿命的分布是否存在显著差异,可从两种工艺生产出的产品中随机抽样,得到各自的使用寿命数据。


操作步骤:


①选择菜单【分析】----> 【非参数检验】----> 【旧对话框】----> 【2个独立样本】


②选择检验变量、分组变量、检验类型


③点击“确定”,分析结果如下:


       结论:由于概率P值大于显著性水平α,因此不应拒绝原假设,认为甲、乙两种工艺下产品使用寿命的分布无显著差异。

目录
相关文章
|
数据可视化
绘制热图时看不出颜色差异?四种方式转换处理使结果显而“易”见
绘制热图时看不出颜色差异?四种方式转换处理使结果显而“易”见
20660 2
|
机器学习/深度学习 算法 计算机视觉
线性回归 正则项(惩罚项)原理、正则项的分类与Python代码的实现
线性回归 正则项(惩罚项)原理、正则项的分类与Python代码的实现
|
人工智能 数据可视化 Python
【2024美赛】C题 Problem C: Momentum in Tennis网球运动中的势头26页完整论文
本文是关于2024美国大学生数学建模竞赛C题"网球运动中的势头"的完整论文,由一位自称对网球规则和比赛数据非常熟悉的计算机博士撰写,提供了问题分析、数学模型、实现代码和26页的完整论文。
1146 2
【2024美赛】C题 Problem C: Momentum in Tennis网球运动中的势头26页完整论文
|
前端开发 API Python
WebSocket技术详解:如何在Python Web应用中实现无缝实时通信
在Web开发的广阔领域中,实时通信已成为许多应用的核心需求。传统的HTTP请求-响应模型在实时性方面存在明显不足,而WebSocket作为一种在单个长连接上进行全双工通信的协议,为Web应用的实时通信提供了强有力的支持。本文将深入探讨WebSocket技术,并通过一个Python Web应用的案例分析,展示如何在Python中利用WebSocket实现无缝实时通信。
278 2
|
机器学习/深度学习 算法 计算机视觉
经典神经网络论文超详细解读(五)——ResNet(残差网络)学习笔记(翻译+精读+代码复现)
经典神经网络论文超详细解读(五)——ResNet(残差网络)学习笔记(翻译+精读+代码复现)
5308 1
经典神经网络论文超详细解读(五)——ResNet(残差网络)学习笔记(翻译+精读+代码复现)
|
供应链 Python
供需匹配(Demand-Supply Matching)的详细解释与Python代码示例
供需匹配(Demand-Supply Matching)的详细解释与Python代码示例
|
uml
UML 类图几种关系(依赖、关联、泛化、实现、聚合、组合)及其对应代码
UML 类图几种关系(依赖、关联、泛化、实现、聚合、组合)及其对应代码
2875 0
时间序列分析实战(四):Holt-Winters建模及预测
时间序列分析实战(四):Holt-Winters建模及预测
|
网络协议 安全 Linux
【内网安全】隧道技术&SSH&DNS&ICMP&SMB&上线通讯Linux&Mac
【内网安全】隧道技术&SSH&DNS&ICMP&SMB&上线通讯Linux&Mac
220 0
|
机器学习/深度学习 数据采集 算法
【Python机器学习】PCA降维算法讲解及二维、高维数据可视化降维实战(附源码 超详细)
【Python机器学习】PCA降维算法讲解及二维、高维数据可视化降维实战(附源码 超详细)
601 1