《非参数检验》课件.ppt

非参数检验非参数检验是一种统计分析方法，它不依赖于数据分布的任何假设。当数据分布未知或不满足参数检验的要求时，可以使用非参数检验来分析数据。

非参数检验简介参数检验假设总体服从某种已知的分布，例如正态分布，并对总体参数进行推断。非参数检验不依赖于总体分布的具体形式，直接对样本数据进行分析，从而得出结论。适用范围当数据不满足参数检验的假设条件时，例如数据不服从正态分布，可以使用非参数检验方法。

非参数检验的优势数据要求低无需假设数据分布类型，适用范围广泛抗噪性强不受异常值影响，结果更稳健操作简便计算方法简单，易于理解和实施适用性广适用于各种数据类型和实验设计

非参数检验的分类11.单样本检验仅用一个样本进行分析，用于检验样本与已知总体或理论分布之间的差异。22.双样本检验使用两个样本进行比较，以确定两个总体之间是否存在显著差异。33.多样本检验对多个样本进行比较，以确定多个总体之间是否存在显著差异。44.相关性检验用于评估两个或多个变量之间是否存在关联关系，以及这种关联关系的强度。

单一样本检验1样本数据分析检验单个样本数据的统计特性2数据比较将样本数据与已知总体或预期值比较3假设检验检验有关总体参数的假设单一样本检验用于分析单个样本数据的统计特性，并将其与已知总体或预期值进行比较。通过假设检验，可以检验有关总体参数的假设，例如总体均值、总体方差或总体比例。

单一样本位置检验步骤一：建立假设提出关于总体位置的假设，例如总体中位数是否等于某个特定值。步骤二：选择检验统计量选择适当的非参数检验统计量，例如符号检验或Wilcoxon符号秩检验。步骤三：计算检验统计量根据样本数据计算检验统计量，并确定其p值。步骤四：做出决策根据p值和显著性水平，判断是否拒绝原假设。

单一样本正态性检验1数据收集收集样本数据，至少需要30个数据点。2可视化分析绘制直方图或箱线图，观察数据分布。3假设检验应用Shapiro-Wilk检验或Kolmogorov-Smirnov检验。4结果解读根据p值判断数据是否符合正态分布。正态性检验是假设检验中的重要步骤，确保数据符合正态分布，才能进行后续的参数检验。

双样本检验1定义双样本检验是一种统计检验，用于比较两个样本的总体参数。2用途它可以用于确定两个样本是否来自同一个总体或是否有显著差异。3方法常用的双样本检验方法包括t检验、秩和检验、Wilcoxon检验等。

双样本正态性检验1数据类型检验两个样本的数据是否符合正态分布2假设检验利用统计方法判断两个样本是否来自正态总体3检验方法Shapiro-Wilk检验、Kolmogorov-Smirnov检验4应用场景确定合适的参数检验方法双样本正态性检验用于判断两个样本是否来自正态总体。检验方法包括Shapiro-Wilk检验和Kolmogorov-Smirnov检验。若检验结果表明数据符合正态分布，则可使用参数检验方法，如t检验或方差分析。否则应使用非参数检验方法。

双样本位置检验1Wilcoxon秩和检验适用于两个独立样本的比较，假设数据至少是顺序测量。2Mann-WhitneyU检验与Wilcoxon秩和检验等价，但计算方法不同。3应用场景比较两个独立组的总体中位数数据不满足正态分布假设

双样本无关总体中位数差异检验1假设检验两组数据的中位数是否相等2数据类型连续型数据3样本类型无关样本4检验方法Mann-WhitneyU检验Mann-WhitneyU检验用于检验两组无关样本的中位数是否相等。该检验基于秩和，可以比较两个样本的总体中位数。

双样本无关总体均值差异检验数据类型适用于两个独立样本，数据为连续型或近似连续型。假设检验检验两个总体均值是否相等，或是否存在显著差异。检验方法使用t检验，需要满足正态性假设或样本量足够大。应用场景比较两个不同药物疗效、两种教学方法效果等。

配对样本检验1定义配对样本检验用于比较来自同一组个体在不同时间点或不同条件下的两个相关变量的差异。2数据类型配对样本数据通常包括来自同一组个体的两个变量，例如，在干预前后的测量值。3应用配对样本检验通常用于研究某种干预或治疗的效果，或评估两种不同方法或条件的差异。

配对样本位置检验数据类型配对样本位置检验用于分析两个相关样本的差异。数据类型为连续型变量。假设检验检验两个样本的分布位置是否相同，即判断两个样本的中位数是否相同。常用方法常用的配对样本位置检验方法包括Wilcoxon秩和检验和符号检验。应用场景配对样本位置检验可用于评估同一组受试者在不同时间点或不同条件下的变化，例如，检验同一组患者在治疗前后症状评分的差异。

多样本检验1两组以上独立样本2比较差异不同组别3数据类型分类或顺序4推断结论组间差异显著多样本检验用于分析两组以上独立样本的差异。它