大理大学实验报告
课程名称生物医学统计分析
实验名称非参数检验（卡方检验）专业班级
姓名
学号
实验日期
实验地点
2015—2016学年度第 2 学期
a. 不假定零假设。
b. 使用渐进标准误差假定零假设。
分析：表11为LPA和FA两种检测结果的的一致性检验。Kappa值是内部一致性系数，除数据P值判断一致性有无统计学意义外，根据经验，Kappa≥0.75，表明两者一致性较好0.7>Kappa ≥0.4，表明一致性一般，Kappa<0.4，则表明一致性较差。
本例Kappa值为0.680，P=0.000<0.01，拒绝无效假设，即认为两种检测方法结果存在一致性，Kappa值=0.680，0.7>Kappa≥0.4，表明一致性一般。
例1
表12 周内日频数表
观察数期望数残差
1 11 16.0 -5.0
2 19 16.0 3.0
3 17 16.0 1.0
4 1
5 16.0 -1.0
5 15 16.0 -1.0
6 16 16.0 .0
7 19 16.0 3.0
总数112
分析：表12结果显示一周内各日死亡的理论数（Expected）为16.0，即一周内各日死亡均数；
还算出实际死亡数与理论死亡数的差值（Residual）。
表13 检验统计量
周日
卡方 2.875a
df 6
渐近显著性.824
a. 0 个单元 (.0%) 具有小于 5 的期望频率。单元最小期望频率为 16.0。
分析：Chi-Square过程，调用此过程可对样本数据的分布进行卡方检验。卡方检验适用于配合度检验，主要用于分析实际频数与某理论频数是否相符。卡方值X2=2.875，自由度数（df）=6，P=0.824>0.05，差异不显著，即可认为一周内各日的死亡危险性是相同的。
例2
表14 二项式检验
类别N 观察比例检验比例精确显著性（双侧）性别组 1 0 12 .30 .50 .017 组 2 1 28 .70
总数40 1.00
分析：调用Binomial过程可对样本资料进行二项分布分析。表14的二项分布检验表明，女婴12名，男婴28名，观察概率为0.70（即男婴占70%），检验概率为0.50，二项分布检验的
结果是双侧概率为0.017，可认为男女比例的差异有高度显著性，即与通常0.5的性比例相比，该地男婴比女婴明显为多。
例3
表15 两组工人的血铅值及秩
group N 秩均值秩和血铅值 1 10 5.95 59.50
2 7 13.36 93.50
总数17
分析：Independent Samples过程：调用此过程可对两个独立样本的均数、中位数、离散趋势、偏度等进行差异比较检验。有四种检验方法：Mann-Whitney U：主要用于判别两个独立样本所属的总体是否有相同的分布；Kolmogorov-Smirnov Z：推测两个样本是否来自具有相同分布的总体；Moses extreme reactions：检验两个独立样本之观察值的散布范
围是否有差异存在，以检验两个样本是否来自具有同一分布的总体；Wald-Wolfowitz
runs：考察两个独立样本是否来自具有相同分布的总体。
表16 检验统计量b
血铅值
Mann-Whitney U 4.500
Wilcoxon W 59.500
Z -2.980
渐近显著性(双侧) .003
精确显著性[2*（单侧显著性）] .001a
a. 没有对结进行修正。
b. 分组变量: group
分析：本例选Mann-Whitney U检验方法，表15结果表明，第1组的平均秩次（Mean Rank）为5.95，第2组的平均秩次为13.36，U = 4.5，W = 93.5，精确双侧概率P = 0.001，可认为铅作业组工人的血铅值高于非铅作业组。
例4
表17 group* effect 交叉制表
计数
effect
无效有效
合计group 对照组21 75 96
实验组 5 99 104 合计26 174 200
分析：表17是group* effect资料分析的列联表。
表18 卡方检验
X2值df 渐进 Sig. (双侧) 精确 Sig.(双侧) 精确 Sig.(单侧) Pearson 卡方12.857a 1 .000
连续校正b11.392 1 .001
似然比13.588 1 .000
Fisher 的精确检验.001 .000 有效案例中的 N 200
a. 0 单元格(.0%) 的期望计数少于 5。最小期望计数为 12.48。
b. 仅对 2x2 表计算
分析：表18卡方检验资料n=200>40 ,表格下方的注解表明理论次数小于5的格子数为0，最小的理论次数为12.48。,可取Pearson卡方值和似然比(Likelihood ratio)值 ,二者值分别为12.857和13.588,P<0.01,试验组和对照组的疗效差别有统计学意义,可认为异梨醇口服液降低颅内压的疗效优于氢氯噻嗪 + 地塞米松。
五、实验小结：
（包括主要实验问题的最终结果描述、详细的收获体会，待解决的问题等）
在此次实验中，由于实验内容更贴近生活应用，因此比起上学期，我们更容易领悟该程序的表达，只是在细节方面还是很容易出错，甚至不容易拐过弯来。但经过此次实验，我们懂得要学着从复杂的程序中剥茧抽丝，把程序尽可能的简单化。
在实验中应注意的点：
1.因为两组各自的结果互不影响，即相互独立。对于这种频数表格式资料，在卡方检验之
前必须用“加权个案”命令将频数变量定义为加权变量，才能进行卡方检验。
2. Pearson 卡方：皮尔逊卡方检验计算的卡方值（用于样本数n≥40且所有理论数E≥5）；
连续校正b：连续性校正卡方值（df=1，只用于2*2列联表）；
似然比：对数似然比法计算的卡方值（类似皮尔逊卡方检验）；
Fisher 的精确检验:精确概率法计算的卡方值（用于理论数E<5）。
不同的资料应选用不同的卡方计算方法。
3.有列联表用于描述分析的卡方检验，而其它用于非参数检验是对拟合优度的检验。
4.有计数用加权个数，是具体数值，如例3，则不用加权，因为两组数据长度不同，用独立
性检验，不知道总体分布情况，所有用非参数检验，要是假设它为正态分布，也可以用卡方检验。
5.描述统计里的交叉表的行、列选择可以互换，互换只是转置，不影响最后的结果。
手写签名：
盛年不重来，一日难再晨。及时宜自勉，岁月不待人。
SPSS相关分析实验报告 篇一：spss对数据进行相关性分析实验报告 实验一 一.实验目的 掌握用spss软件对数据进行相关性分析，熟悉其操作过程，并能分析其结果。 二.实验原理 相关性分析是考察两个变量之间线性关系的一种统计分析方法。更精确地说，当一个变量发生变化时，另一个变量如何变化，此时就需要通过计算相关系数来做深入的定量考察。P值是针对原假设H0：假设两变量无线性相关而言的。一般假设检验的显著性水平为0.05，你只需要拿p值和0.05进行比较：如果p值小于0.05，就拒绝原假设H0，说明两变量有线性相关的关系，他们无线性相关的可能性小于0.05；如果大于0.05，则一般认为无线性相关关系，至于相关的程度则要看相关系数R值，r越大，说明越相关。越小，则相关程度越低。而偏相关分析是指当两个变量同时与第三个变量相关时，将第三个变量的影响剔除，只分析另外两个变量之间相关程度的过程，其检验过程与相关分析相似。三、实验内容 掌握使用spss软件对数据进行相关性分析，从变量之间的相关关系，寻求与人均食品支出密切相关的因素。 (1)检验人均食品支出与粮价和人均收入之间的相关关系。 a.打开spss软件，输入“回归人均食品支出”数据。
b.在spssd的菜单栏中选择点击，弹出一个对话窗口。 C.在对话窗口中点击ok,系统输出结果，如下表。 从表中可以看出，人均食品支出与人均收入之间的相关系数为0.921，t检验的显著性概率为0.0000.01，拒绝零假设，表明两个变量之间显著相关。人均食品支出与粮食平均单价之间的相关系数为0.730，t检验的显著性概率为 0.0000.01，拒绝零假设，表明两个变量之间也显著相关。 (2)研究人均食品支出与人均收入之间的偏相关关系。 读入数据后： A.点击系统弹出一个对话窗口。 B.点击OK，系统输出结果，如下表。 从表中可以看出，人均食品支出与人均收入的偏相关系数为0.8665，显著性概率p=0.0000.01，说明在剔除了粮食单价的影响后，人均食品支出与人均收入依然有显著性关系，并且0.86650.921，说明它们之间的显著性关系稍有减弱。通过相关关系与偏相关关系的比较可以得知：在粮价的影响下，人均收入对人均食品支出的影响更大。 三、实验总结 1、熟悉了用spss软件对数据进行相关性分析，熟悉其操作过程。 2、通过spss软件输出的数据结果并能够分析其相互之间的关系，并且解决实际问题。 3、充分理解了相关性分析的应用原理。
SPSS 中非参数检验之一：总体分布的卡方（Chi-square ）检验 在得到一批样本数据后，人们往往希望从中得到样本所来自的总体的分布形态是否和某种特定分布相拟合。这可以通过绘制样本数据直方图的方法来进行粗略的判断。如果需要进行比较准确的判断，则需要使用非参数检验的方法。其中总体分布的卡方检验（也记为χ2检验）就是一种比较好的方法。 一、定义 总体分布的卡方检验适用于配合度检验，是根据样本数据的实际频数推断总 体分布与期望分布或理论分布是否有显著差异。它的零假设H0：样本来自的总体分布形态和期望分布或某一理论分布没有显著差异。 总体分布的卡方检验的原理是：如果从一个随机变量尤中随机抽取若干个观察样本，这些观察样本落在X 的k 个互不相交的子集中的观察频数服从一个多项分布，这个多项分布当k 趋于无穷时，就近似服从X 的总体分布。 因此，假设样本来自的总体服从某个期望分布或理论分布集的实际观察频数同时获得样本数据各子集的实际观察频数，并依据下面的公式计算统计量Q ()2 1 k i i i i O E Q E =-=∑ 其中，Oi 表示观察频数；Ei 表示期望频数或理论频数。可见Q 值越大，表示 观察频数和理论频数越不接近；Q 值越小，说明观察频数和理论频数越接近。SPSS 将自动计算Q 统计量，由于Q 统计量服从K-1个自由度的X 平方分布，因此SPSS 将根据X 平方分布表给出Q 统计量所对应的相伴概率值。 如果相伴概率小于或等于用户的显著性水平，则应拒绝零假设H0，认为样本来自的总体分布形态与期望分布或理论分布存在显著差异；如果相伴概率值大于显著性水平，则不能拒绝零假设HO ，认为样本来自的总体分布形态与期望分布或理论分布不存在显著差异。 因此，总体分布的卡方检验是一种吻合性检验，比较适用于一个因素的多项分类数据分析。总体分布的卡方检验的数据是实际收集到的样本数据，而非频数数据。 二、实例 某地一周内各日患忧郁症的人数分布如下表所示，请检验一周内各日人们忧
北京建筑大学 理学院信息与计算科学专业实验报告 课程名称《数据分析》实验名称数据的基本统计与非参数检验实验地点基C-423 日期2016 . 3 .17 姓名班级学号指导教师成绩 【实验目的】 （1）熟悉数据的基本统计与非参数检验分析方法； （2）熟悉撰写数据分析报告的方法； （3）熟悉常用的数据分析软件SPSS。 【实验要求】 根据各个题目的具体要求，完成实验报告 【实验内容】 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分别对数据的“家庭收入”、“现住面积”，进行数据的基本统计量分析，撰写相应的分析报告； 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分别分析不同学历对家庭收入、现住面积是否有显著影响，撰写相应的分析报告。 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分析家庭收入与10000元是否有显著差异，撰写相应的分析报告。 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分析婚姻状况对家现住面积是否有显著影响，撰写相应的分析报告。 根据附件“减肥茶数据”给出的相关数据，请选用恰当的分析方法，分析该减肥茶对减肥是否有显著影响，撰写相应的分析报告。 【分析报告】 1. 表一家庭收入和现住面积的基本描述统计量 家庭收入现住面积 N 有效2993 2993 缺失0 0 均值17696.1567 62.7241
均值的标准误279.64310 .47349 中值15000.0000 60.0000 众数10000.00 60.00 标准差15298.80341 25.90383 方差 2.341E8 671.008 偏度 5.546 .910 偏度的标准误.045 .045 峰度55.425 3.078 峰度的标准误.089 .089 百分位数25 10000.0000 45.0000 50 15000.0000 60.0000 75 20000.0000 80.0000 表一说明， 家庭收入方面： 被调查者中家庭收入的均值为17696.16元，中值为15000元，普遍收入为10000元； 家庭收入的标准差和方差都相对较大，所以，各家庭收入之间有明显的差异； 偏度大于零，说明右偏；峰度大于零，说明数据呈尖峰分布； 由家庭收入的四分位数可知，25%的家庭，收入在10000以下，有50%的家庭，收入在15000以下，有75%的家庭，收入在20000以下； 现住面积方面： 被调查者中现住面积的均值为62.724平方米，中值为60平方米，普遍面积为60平方米； 现住面积的标准差和方差都相对较大，所以，各家庭现住面积之间有明显的差异； 偏度近似等于零，说明现住面积数据对称分布；峰度大于零，说明现住面积数据为尖峰分布； 由现住面积的四分位数可知，25%的家庭，现住面积为45平方米以下，有50%的家庭，现住面积在60平方米以下，有75%的家庭，现住面积在80平方米以下。 图一：家庭收入直方图 该图表明，家庭收入分布存在一定的右偏。 图二：现住面积直方图
第二讲 非参数检验 1. 实验目的 1.了解非参数假设检验基本思想； 2.会用SAS 软件中的proc npar1way 过程进行非参数假设检验和proc freq 过程进行列联表的独立性检验。 2. 实验要求 1.会用SAS 软件建立数据集，并进行统计分析； 2.掌握proc npar1way 过程进行非参数假设检验的基本步骤； 3.掌握proc freq 过程进行列联表的独立性检验的基本步骤。 3. 实验基本原理 3.1 符号检验 0:H 两种方法的处理效果无显著性差异 令10 i i I i ?=??第个个体中新方法优于对照方法第个个体中新方法劣于对照方法1,2,,i N =L 统计量1N N i i S I ==∑ N S 表示新方法的处理效果优于对照方法的配对组总数。若新方法的处理效果显著的优于对照方法，则N S 的值应明显偏大。因此，若对给定的置信水平α，有 {}N P S c α≥<， 则拒绝0H 。 0H 为真时，（1）N S 服从二项分布1(,)2 b N (),()24N N N N E S Var S ==。拒绝域为：{}N N S S c > （2）由中心极限定理可知，当2 ,1N N S N - →∞的零分布趋于标准正态分布。
拒绝域为 ：N S u α??????>???????? 3.2 Wilcoxon 秩和检验 （1）单边假设检验 0:H 两种方法的处理效果无显著性差异 as 1:H ：新方法优于对照方法。 用于检验0H 的统计量为：1n s i i W I ==∑ 若对给定的置信水平α，有 {}s P W c α≥<，则拒绝0H 。且s W 的分布列为： 0#{;,}{}H s w n m P W w N n ==?? ??? 根据观测结果计算s W 的观测值0s W ，计算检验的p 值： 00{}{}s H s s H s k w p P W w P W k ≥=≥= =∑ 然后将p 值与显著水平α作比较，若p α<，则拒绝0H ，否则接受0H 。 （2）双边假设检验 给定的显著水平21,c c 和α应该满足： ε=≥+≤}{}{2100c W P c W P A H A H 仅由上式还不能唯一确定21c c 和，当我们对两种方法谁优谁劣不得而知时，通常取 2}{}{2100α =≥=≤c W P c W P A H A H 若利用p 值进行检验，设A A W ω的观测值为,计算概率值 }{}{00A A H A A H W P W P ωω≤≥或 由对称性可知，检验的p 值为上述两概率中小于1/2的那一个的2倍。例如
卡方检验(Chi-square) ?参数与非参数检验 ?卡方匹配度检验 ?卡方独立性检验 ?卡方检验的前提和限制 ?卡方检验的应用 参数与非参数检验 ?参数检验 ◆用于等比/等距型数据 ◆对参数的前提：正态分布和方差同质 ?非参数检验 ◆不用对参数进行假设 ◆对分布较少有要求，也叫d i s t r i b u t i o n-f r e e t e s t s ◆用于类目/顺序型数据 ◆没有参数检验敏感，效力低 ◆因此在二者都可用时，总是用参数检验 卡方匹配度检验 ?用样本数据检验总体分布的形状或比率，以确定与假设的总体性质的匹配度?是对次数分布的检验 ?研究情境 ◆在医生职业中，男的多还是女的多？ ◆在三种咖啡中，哪种被国人最喜欢？ ◆在北京大学中，各国留学生的比例有代表性吗？ 卡方匹配度检验的公式 ?χ2=∑[(f0-f e)2/f e] ?f e=p n ?d f=C-1 ◆F0：观察次数 ◆f e：期望次数 ◆C：类目的个数 ◆Χ2：统计量 卡方独立性检验 ?检验行和列的两个本来变量彼此有无关联 卡方独立性检验的公式 ?χ2=∑[(f0-f e)2/f e] ?f e=（r o w t o t a l）（c o l u m n t o t a l）/n， ?d f=（R-1）（C-1）
◆F0：观察次数 ◆f e：期望次数 ◆R：行类目的个数C：列类目的个数◆Χ2：统计量 例：х2检验 1.计算期望次数fe=(fc*fr)/n 2.计算每个单位格的х2值 22 df=(R-1)(C-1)= (3-1)(2-1)=2，х2的临界值为5.99 拒绝Ho，对手表显示的偏好程度与被试的年龄段有关
大理大学实验报告 课程名称生物医学统计分析 实验名称非参数检验（卡方检验） 专业班级 姓名 学号 实验日期 实验地点 2015—2016学年度第 2 学期
Fisher 的精确检验:精确概率法计算的卡方值（用于理论数E<5）。 不同的资料应选用不同的卡方计算方法。 例为2*2列联表，df=1，须用连续性校正公式，故采用“连续校正”行的统计结果。 X2=，P（Sig）=<，表明灭螨剂A组的杀螨率极显着高于灭螨剂B组。 例 表3 治疗方法* 治疗效果交叉制表 计数 治疗效果 123 合计 治疗方法11916540 21612836 31513735合计504120111 分析：表3是治疗方法* 治疗效果资料分析的列联表。 表4 卡方检验 X2值df渐进 Sig. (双侧) Pearson 卡方 1.428a4.839
似然比4.830线性和线性组合.5141.474 有效案例中的 N111 a. 0 单元格(.0%) 的期望计数少于 5。最小期望计数为。 分析：表4是卡方检验的结果。自由度df=4，表格下方的注解表明理论次数小于5的格子数为0，最小的理论次数为。各理论次数均大于5，无须进行连续性校正，因此可以采用第一行（Pearson 卡方）的检验结果，即 X2=，P=>,差异不显着，可以认为不同的治疗方法与治疗效果无关，即三种治疗方法对治疗效果的影响差异不显着。 例 表5 灌溉方式* 稻叶情况交叉制表 计数 稻叶情况 123 合计 灌溉方式114677160 2183913205 31521416182合计4813036547 分析：表5是灌溉方式* 稻叶情况资料分析的列联表。
实验报告 ——（非参数检验） 实验目的： 1、学会使用SPSS软件进行非参数检验。 2、熟悉非参数检验的概念及适用范围，掌握常见的秩和检验计算方法。 实验内容： 1、某公司准备推出一个新产品，但产品名称还没有正式确定，决定进行抽样调 查，在受访200人中，52人喜欢A名称，61人喜欢B名称，87人喜欢C 名称，请问ABC三种名称受欢迎的程度有无差别？(数据表自建) SPSS计算结果如下： 此题为总体分布的卡方检验。 零假设：样本来自总体分布形态和期望分布没有显著差异。即ABC三种名称受欢迎的程度无差别,分布形态为1：1：1，呈均匀分布。 观察结果，上表为200个观察数据对A、B、C三个名称（分别对应1，2，3）的喜爱的期望频数以及实际观察频数和期望频数的差。从下表中可以看出相伴概
率值为0.007小于显著性水平0.05，因此拒绝零假设，认为样本来自的总体分布与制定的期望分布有显著差异，即A、B、C三种名称受欢迎的程度有差异。 2、某村庄发生了一起集体食物中毒事件，经过调查，发现当地居民是直接饮用 河水，研究者怀疑是河水污染所致，县按照可疑污染源的大致范围调查了沿河居民的中毒情况，河边33户有成员中毒（+）和均未中毒（-）的家庭分布如下：（案例数据run.sav） -+++*++++-+++-+++++----++----+---- 毒源 问：中毒与饮水是否有关？ SPSS计算结果如下： 此题为单样本变量值随机检验 零假设：总体某变量的变量值是随机出现的。即中毒的家庭沿河分布的情况随机分布，与饮水无关。 相伴概率为0.036，小于显著性水平0.05，拒绝零假设，因此中毒与饮水有关。 3、某试验室用小白鼠观察某种抗癌新药的疗效，两组各10只小白鼠，以生存日数作为观察指标，试验结果如下，案例数据集为：npara1.sav，问两组小白鼠生存日数有无差别。 试验组：24 26 27 30 32 34 36 40 60 天以上 对照组：4 6 7 9 10 10 12 13 16 16 SPSS计算结果如下： 此题为两独立样本非参数检验。 （1）两独立样本Mann-Whitney U检验：
标题：视觉简单反应时实验报告 作者：孙洁肖红艳普凤梅 班级：09应用心理学 学号：20091740107 20091740109 20091740126 日期：2011年6月24日
视觉简单反应时实验报告 孙洁（20091740107）肖红艳（20091740109）普凤梅（20091740126） （云南民族大学教育学院2009级应用心理学专业昆明 650031） 摘要：本实验采用闪电测反应速度测定装置测量了35名被试的视觉简单反应时，计算了其中3名被试的视觉简单反应时均值及标准差，进行了相应的比较；并对35名被试进行了视觉简单反应时的差异显著性检验，经过分析得到实验结果：（1）3名被试的视觉简单反应时存在很大的差异，特别是被试3的反应时与被试1、被试2的差异很明显；（2）全体被试的视觉简单反应时存在显著性差异，但在35名被试内进行的性别与组别的T检验都得出被试简单反应时不存在显著差别的结果，即本次实验没有存在练习效应。这与前人的实验研究结果相一致，也验证了实验假设的正确性。 关键词：简单反应时；视觉；差异 1.引言 1.1有关反应时的概念 反应时（简称RT）指刺激作用于有机体后到明显的反应开始时所需要的时间。刺激作用于感官引起感官的兴奋，兴奋传到大脑，并对其加工，再通过传出通路传到运动器官，运动反应器接受神经冲动，产生一定反应，这个过程可用时间作为标志来测量，这就是反应时。反应时最早由天文学家发现，后由生理学家和心理学家加以研究和发展。1873年，奥地利生物学家Exner首先提出“反应时间”这个概念。以后Wundt（冯特）把反应时间引用到他的心理实验室里，使得反应时间直接成为了心理学的研究课题。反应时是心理学研究中最重要的反应变量和指标之一，使用反应时作为指标的实验研究，曾对解决心理学理论问题和生活实际问题起到相当大的作用。 通常，反应时可分为简单反应时和选择反应时两类。简单反应时是指给被试呈现单一的刺激，只要求做单一的反应，并且两者是固定不变的，这时刺激与反应之间的时距就是简单反应时。简单反应时的实验已有一百多年的历史，最早始于天文学家对“人差方程”的研究，赫希（Hirsch, A.）在1861-1865 年间测量了视听与触觉的“生理时间”得到简单反应时的时值，光为180ms，声为140ms，触觉为140ms，这些数据到今天还算是相当标准的。 简单反应时比较短，并且具有通道差异性，因为感官换能的时间不同，研究表明训练有素的成人其视觉的简单反应时为150-230ms；此外反应时的个体差异也很大，所以我们提出假设：全体被试的视觉简单反应时存在显著性差异。 1.2实验目的 本实验涉及的是有关视觉简单反应时的研究。验的目的是：（1）学习视觉简单反应时的测定方法及其实验材料的整理与数据的处理；（2）学会比较视觉简单反应时的个体差异，分析全体被试视觉简单反应时是否存在显著性差异。1.3 实验指导语 这是一次视觉反应时间的测量实验，当你听到“预备”口令后，请你注意电脑屏幕的刺激呈现窗；当你看到闪电刺激后，就迅速按“OK”键（鼠标左键）上。不能提前按键或延迟较长时按键，否则测量无效，并重开一组。
非参数假设检验法及其运用 摘要：在国际金融危机下，以中国股市数据为依据，运用S-plus 统计分析软件和Excel ，对中国股市正态分布假设进行了Kolmogorv拟合优度检验，运用方差平方秩检验方法，比较分析了上证指数和深证综指的波动性。 关键字：股市；Kolmogorov拟合优度检验；秩检验。 引言：对中国股市分布的研究，国内各学者对中国股市进行了非参数检验。王金玉、李霞、潘德惠(2005)通过引入一种新的估计方法“非参数假设检验方法”，以达到对证券投资咨询机构，对证券市场大盘走势预测准确度的估计。周明磊(2004)运用非参数非线性协整检验，对上证指数与深成指间协整关系进行了研究，结论是：上证指数与深圳成指之间确实存在非线性的协整关系。方国斌(2007)从分析中国股市收益率序列的特征入手，寻找描述中国股市波动性特征的合适的统计模型。 在研究相关文献的基础上，将非参检验应用于中国股市统计特征的研究。运用Kolmogorov拟合优度检验，对中国股市进行了正态分布假设检验；运用方差平方秩检验方法，比较分析了上海指数和深圳综指的波动性。 正文： 一、Kolmogorov拟合优度检验以及方差的平方秩检验方法。 (一)Kolmogorov拟合优度检验 1. 原假设和备择假设 原假设H ：样本来自于正态分布总体。 备择假设H 1 ：样本不是来自于正态分布总体。 2. 检验统计量 令S (x) 是样本X 1、X 2 、…X n 、的经验分布函数，F*(x)是完全已知的假设分布函数， 则检验统计量T为S (x) 与F*(x)的最大垂直距离，即：T = sup| F*(x)- S (x)|。 3. P值计算 近似P值可以通过在表A13中插值得到，或者利用2倍的单边检验的P值。 单边P值= 1 )] 1( [ 1 1 - - - = ? ? ? ? ? + ? ? ? ? ? - - ?? ? ? ? ? ∑j j n t n j n j t n j t j n 这里t的是检验统计量的观测值，[n(1-t)] 且是小于等于n(1-t)的最大整数。当给定的显著性水平α大于或等于P值时，拒绝原假设。 在本文中，该检验是运用S-plus 统计分析软件实现的。 (二) 方差的平方秩检验 1. 原假设和备择假设 ( 1 ) 双边检验 1 原假设H ：除了它们的均值可能不同外，X和Y同分布。
评分 大理大学实验报告 课程名称生「物医学统计分析 实验名称非参数检验(卡方检验) 专业班级 实验日期实验地点 2015—2016学年度第一2 学期 、实验目的 对分类资料进行卡方检验。 、实验环境 1、硬件配置：处理器：In tel(R)Core(TM) i5-4210U CPU @1.7GHz 1.7GHz 安装内存(RAM): 4.00GB 系统类型：64位操作系统 2、软件环境：IBM SPSS Statistics 19.0 软件 三、实验内容
（包括本实验要完成的实验问题及需要的相关知识简单概述 ） （1） 课本第六章的例6.1-6.5运行一遍，注意理解结果； （2） 然后将实验指导书的例 1-4运行一遍，注意理解结果。 四、 实验结果与分析 （包括实验原理、数据的准备、运行过程分析、源程序（代码） 例6.1 分析：表1是灭螨A 和灭螨B 杀灭大蜂螨效果的样本分类的频数分析表，即交叉列联表。 表2卡方检验 b.仅对2x2表计算 分析：表2是卡方检验的结果。因为两组各自的结果互不影响，即相互独立。对于这种频数表 格式资料，在卡方检验之前必须用“加权个案”命令将频数变量定义为加权变量，才能 进行卡方检验。 Pearson 卡方：皮尔逊卡方检验计算的卡方值（用于样本数 n > 40且所有理论数E > 5）; 连续校正b ：连续性校正卡方值（df=1 ,只用于2*2列联表）； 似然比：对数似然比法计算的卡方值（类似皮尔逊卡方检验）； Fisher 的精确检验：精确概率法计算的卡方值（用于理论数 E<5）。 不同的资料应选用不同的卡方计算方法。 例6.1为2*2列联表，df=1，须用连续性校正公式，故采用“连续校正”行的统计结果。 X 2=7.944 , P （Sig ） =0.005<0.01，表明灭螨剂 A 组的杀螨率极显著高于灭螨剂 B 组。 例6.2 表3治疗方法*治疗效果交叉制表 计数 治疗效果 、图形图象界面等） 合计
实验报告 非参数检验 学院: 参赛队员: 参赛队员: 参赛队员: 指导老师:
目录 一、实验目的 (1) 1.了解假设检验的基本内容； (1) 2.了解卡方检验； (1) 3.了解二项分布检验； (1) 4.了解两个独立样本检验； (1) 5.学会运用spss软件求解问题； (1) 6.加深理论与实践相结合的能力。 (1) 二、实验环境 (1) 三、实验方法 (1) 1.卡方检验； (1) 2.二项分布检验； (1) 3.两个独立样本检验。 (1) 四、实验过程 (1) 问题一： (1) 1.1实验步骤 (2) 1.1.1输入数据 (2) 1.1.2选择：数据 加权个案 (2) 1.1.3选择：分析→非参数检验→旧对话框→卡方 (2) 1.1.4将变量面值放入检验变量列表 (3) 1.1.5观察结果 (3) 1.2输出结果 (3) 1.3结果分析 (3) 问题二： (3) 2.1问题叙述 (3) 2.2提出假设 (4) 2.3实验步骤 (4) 2.3.1导入excel文件数据 (4) 2.3.2二项分布检验 (5) 2.3.3输出结果 (6) 2.4结果分析 (6) 问题三： (6) 3.1实验步骤 (6) 3.1.1数据的输入 (6) 3.1.2选择 (7) 3.1.3检验变量 (7) 3.2输出结果 (7) 3.3结果分析 (9) 五、实验总结 (9)
参数检验 一、实验目的 1.了解假设检验的基本内容； 2.了解卡方检验； 3.了解二项分布检验； 4.了解两个独立样本检验； 5.学会运用spss软件求解问题； 6.加深理论与实践相结合的能力。 二、实验环境 Spss、office 三、实验方法 1.卡方检验； 2.二项分布检验； 3.两个独立样本检验。 四、实验过程 问题一：
S P S S的参数检验和非 参数检验 公司内部档案编码：[OPPTR-OPPT28-OPPTL98-OPPNN08]
实验报告 SPSS的参数检验和非参数检验 学期：_2013__至2013_ 第_1_学期 课程名称:_数学建模专业:数学 实验项目__SPSS的参数检验和非参数检验实验成绩：＿＿＿＿＿ 一、实验目的及要求 熟练掌握t检验及其结果分析。熟练掌握单样本、两独立样本、多独立样本的非参数检验及各种方法的适用范围，能对结果给出准确分析。 二、实验内容 使用指定的数据按实验教材完成相关的操作。 1、给幼鼠喂以不同的饲料，用以下两种方法设计实验： 方式1：同一鼠喂不同的饲料所测得的体内钙留存量数据如下： 方式2：甲组有12只喂饲料1，乙组有9只喂饲料2，所测得的钙留存量数据如下：
请选用恰当方法对上述两种方式所获得的数据进行分析，研究不同饲料是否使幼鼠体内钙的留存量有显着不同。 2、为分析大众对牛奶品牌是否具有偏好，随机挑选超市收集其周一至 周六各天三种品牌牛奶的日销售额数据，如下表所示： 请选用恰当的非参数检验方法，以恰当形式组织上述数据进行分析，并说明分析结论。 实验报告附页 三、实验步骤 （一） 方式1： 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze－Compare means－Paired-Samples T Test，出现窗口； 3、把检验变量饲料1，饲料2 选择到Paired Variables框，单击OK。方式2： 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze－Compare means－Independent-Samples T Test，出现窗口 3、选择检验变量饲料到Test Variable(s)框中。 4、选择总体标志变量组号到Grouping Variables框中。 5、单击Define Groups按钮定义两总体的标志值1、2，单击OK。
假设检验（二）——非参数检验 假设检验的统计方法，从其统计假设的角度可分为两类：参数检验与非参数检验。上一节我们所介绍的Z 检验、t 检验，都是参数检验。它们的共同特点是总体分布正态，并满足某些总体参数的假定条件。参数检验就是要通过样本统计量去推断或估计总体参数。然而，在实践中我们常常会遇到一些问题的总体分布并不明确，或者总体参数的假设条件不成立，不能使用参数检 验。这一类问题的检验应该采用统计学中的另一类方法，即非参数检验。非参数检验是通过检验总体分布情况来实现对总体参数的推断。 非参数检验法与参数检验法相比，特点可以归纳如下： （1）非参数检验一般不需要严格的前提假设； （2）非参数检验特别适用于顺序资料； （3）非参数检验很适用于小样本，并且计算简单； （4）非参数检验法最大的不足是没能充分利用数据资料的全部信息； （5 ）非参数检验法目前还不能用于处理因素间的交互作用。 非参数检验的方法很多，分别适用于各种特点的资料。本节将介绍几种常用的非参数检验方法。 一．2检验 2 检验主要用于对按属性分类的计数资料的分析，对于数据资料本身的分布形态不作任何假设，所以从一定的意义上来讲，它是一种检验计数数据分布状态的最常用的非参数检验方法。 2 2 检验的方法主要包括适合性检验和独立性检验。 （一）2检验概述 2 是实得数据与理论数据偏离程度的指标。其基本公式为： 2 （ f0 f e）（公式11—9） f e 式中，f0 为实际观察次数，f e 为理论次数。 分析公式可知，把实际观测次数和依据某种假设所期望的次数（或理论次数）的差数平方，除以理论次数，求出比值，再将n 个比值相加，其和就是2。观察公式可发现，如果实际观察
专业统计软件应用 实验报告 实验课程专业统计软件应用 上课时间2013 学年上半学期14 周（2013 年5 月27 日—31 日） 学生姓名杨守玲学号2011211432 班级0361102 所在学院经管上课地点金融实验指导教师唐兴艳
第五章思考与练习 3.表5.20 是某班级学生的高考数学成绩，试分析该班的数学成绩与全国的平均成绩70 分之间是否有显著性差异（数据文件：data5-16.sav）。 解：解决问题的原理：独立T样本检验 提出原假设和备择假设： Ho:p<0.05，该班的数学成绩与全国的平均成绩70 分之间不存在显著相关性；H1:p>0.05，该班的数学成绩与全国的平均成绩70 分之间存在显著相关性。 第1步单样本T 检验分析设置 （1）选择菜单：“分析”→“比较均值”→“单样本T 检验（S）”，打开“单样本T 检验主对话框”，确定要进行T 检验的变量并输入检验值，按如图所示进行设置。将“成绩”选入“检验变量”中，输入待检验的值“70”，用来检验产生的样本均值与检验值有无显著性差异。 第2步“选项”对话框设置：指定置信水平和缺失值的处理方法。
第3步主要结果及分析 完成以上的操作步骤后，点击“确定”按钮，运行结果如下所示，具体分析如下：下表给出了单样本T 检验的描述性统计量，包括样本数（N）、均值、标准差、均值的标准误差。 当置信水平为95%时，显著性水平为0.05，从表5.2 中可以看出，双尾检测概率P 值为0.002，小于0.05，故接受原假设，也就是说该班的数学成绩与全国的平均成绩70 分之间不存在显著相关性，即班的数学成绩与全国的平均成绩70 分之间存在显著性差异。 4. 在某次测试中，随机抽取男女同学的成绩各10 名，数据如下： 男：99 79 59 89 79 89 99 82 80 85 女：88 54 56 23 75 65 73 50 80 65 假设样本总体服从正态分布，比较置信度为95%的情况下男女得分是否有显著性差异(数据文件：data5-17.sav)。
非参数检验(卡方检验),实验报告 评分 大理大学实验报告 课程名称 生物医学统计分析 实验名称 非参数检验( 卡方检验) 专业班级 姓 名 学 号 实验日期 实验地点 20xx—20xx 学年度第 2 学期一、 实验目得对分类资料进行卡方检验。 二、实验环境 1 、硬件配置:处理器:Intel(R) Core(TM) i5-4210U CPU 1、7GHz 1、7GHz 安装内存(RAM):4、00GB 系统类型:64 位操作系统 2 、软件环境:IBM SPSS
Statistics 19、0 软件 三、实验内容(包括本实验要完成得实验问题及需要得相关知识简单概述) （1） 课本第六章得例6、1-6、5 运行一遍,注意理解结果; （2）然后将实验指导书得例1-4 运行一遍,注意理解结果。 四、实验结果与分析 (包括实验原理、数据得准备、运行过程分析、源程序(代码)、图形图象界面等) 例例6 、1 表1 灭螨A A 与灭螨B B 杀灭大蜂螨效果得交叉制表 效果合计杀灭未杀灭组别灭螨A 32 12 44 灭螨B 14 22 36 合计46 34 80 分析: 表1就是灭螨A与灭螨B杀灭大蜂螨效果得样本分类得频数分析表,即交叉列联表。 表2 卡方检验 X2 值df 渐进Sig、(双侧) 精确Sig、(双侧) 精确Sig、(单侧) Pearson 卡方9、277a 1 、002 连续校正b 7、944 1 、005 似然比9、419 1 、002 Fisher 得精确检验 、003 、002 有效案例中得N 80 a、0 单元格(、0%) 得期望计数少于5。最小期望计数为
第四章非参数检验 非参数检验（non-parametric test） 卡方检验（test）、 Runs 检验（Runs test）、 Kolmogorov-Smirnov 单样本检验（Kolmogorov-Smirnov one-sample test）、 Mann-Whitney 等级和检验（Mann-Whitney rank-sum test）、 符号检验（sign test）、 Wilcoson 配对符号等级检验（Wilcoson matched-pairs signed-ranks test）、 Fridman 单因素方差分析（Fridman one-way analysis of variance） 多样本中数检验（K-sample median test）。 一、卡方检验 检验（也叫做Pearson Chi-Square test）：配合度检验（the test of goodness of fit）和独立性检验（independence test）。 （一）配合度检验 配合度检验: 推断某变量不同取值观测分数的频数和对应的期望频数（expected frequency）是否有显著性差异。 作零假设：f0=f e f0和f e分别为变量的每个水平的观测频数和期望频数。 配合度检验的自由度为：N-1，N为变量水平数。 【配合度检验·例】 配合度检验实际上是检验某变量的不同水平值的观测分数频率的分布是否服从某种期望或者理论分布。 某研究者进行了一次问卷调查。调查对象是300 名高中三年级学生；调查目的是考查学生对英语学习兴趣的自我评价：你对英语的学习兴趣□ 很浓、□ 较浓、□ 一般、□ 有点和□ 没有。获得原始数据如表4-1 所示。似乎较多人认为自己对英语的学习兴趣一般，较少人认为自己英语学习兴趣浓厚或没有兴趣。 该研究者想通过卡方分析证明：①对英语学习有不同兴趣的学生人数不均等和②其英语学习兴趣很浓、较浓、一般、有点和没有各等级的人数比接近1:4:8:4:2。 表4-1 300 名学生对英语学习兴趣调查题目的反馈* 学生编号兴趣 001 2 002 3 003 5 …… 300 3 * 英语学习兴趣很浓、较浓、一般、有点和没有5 个等级分别以数字5、4、3、2 和1 表示。 ①对英语学习有不同兴趣的学生人数不均等。
《概率论与数理统计》实验报告 学生姓名 学生班级 学生学号 指导教师 学年学期
实验报告一
实验内容实验过程（实验操作步骤）实验结果 1．某厂生产的化纤强度 2 ~(,0.85) X Nμ，现抽取一个容量为25 n=的样本，测定其强度，得样本均值 2.25 x=，试求这批化纤平均强度的置信水平为0.95的置信区间．第1步：打开【单个正太总体均值 Z估计活动表】。 第2步：在单元格【B3】中输入 0.95，在单元格【B4】中输入25， 在单元格【B5】中输入2.25，显示 结果。 由此可得，这批化纤平均 强度的置信水平为0.95的 置信区 区间为（1.92，2.58）.
2．已知某种材料的抗压 强度 2 ~(,) X Nμσ，现 随机抽取10个试件进行抗压试验，测得数据如下： 482，493，457，471，510，446，435，418，394，469 求平均抗压强度 μ的置信水平为0.95的置信区间； （2）求2 σ的置信水平为0.95的置信区间．第1步：打开【单个正太总体均值 t估计活动表】. 第2步：在D列输入原始数据. 第3步：点击【工具（T)】→选择 【数据分析（D）】→选择【描述统 计】→点击【确定】按钮→在【描 述统计】对话框输入相关内容→点 击【确定】按钮，得到F列与G列 结果。 第4步：在单元格【B3】中输入 0.95，在单元格【B4】中输入10， 在【B5】中引用G3，在【B6】中引 用G7，显示结果。 由此可得，平均抗压强度 μ的置信水平为0.95的置 信区间（432.31，482.69） 由此可得，2 σ的置信水平 为0.95的置信区间为 （586.80，4133.66）
非参数检验的SPSS操作 前面一章介绍的二项分布的比率检验、配合度检验——卡方检验和1-Sample K-S检验等都属于非参数检验。这一节我们主要结合前面参数假设检验一章讲过的t检验以及方差分析一章讲过的方差分析，来进一步分析，当参数检验的前提条件不满足时，两个样本和多个样本平均数差异的SPSS操作方法。 一、两个独立样本的差异显著性检验 两独立样本的的差异显著性检验只有在满足如下条件时才能进行T检验：变量为正态分布的连续测量数据。若数据不满足这样的条件，强行进行T检验容易造成错误的结论。在数据不能满足这种参数检验的条件下，我们可以选择非参数检验方法进行。与两独立样本差异显著性检验相对应的方法可以在SPSS主菜单Analyze / Nonparametric Tests / 2 Independent Samples…中得到。 1．数据 采用本章第一节中例2的数据（数据文件“9-4-1.sav”），具体介绍操作过程。 2．理论分析 对于数据文件9-4-1.sav中的数据，目的是检验男女生之间注意稳定性是否存在显著差异，注意稳定性测量的结果虽然是测量数据但是从总体上来看不满足正态分布的前提假设，另外不同性别的学生可以看成是两组独立的样本，因此对上述资料的检验可以用非参数的独立样本的检验方法。 2．操作过程 （1）在SPSS主菜单中选择Analyze / Nonparametric Tests / 2 Independent Samples…得到两个独立样本非参数检验的主对话框（图9-1），把因变量atten选入到检验变量表列（Test Independent-Sample
建筑大学 理学院信息与计算科学专业实验报告 课程名称《数据分析》实验名称数据的基本统计与非参数检验实验地点基C-423 日期 2016 . 3 .17 班级学号指导教师成绩 （1）熟悉数据的基本统计与非参数检验分析方法； （2）熟悉撰写数据分析报告的方法； （3）熟悉常用的数据分析软件SPSS。 【实验要求】 根据各个题目的具体要求，完成实验报告 【实验容】 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分别对数据的“家 庭收入”、“现住面积”，进行数据的基本统计量分析，撰写相应的分析报告； 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分别分析不同学历 对家庭收入、现住面积是否有显著影响，撰写相应的分析报告。 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分析家庭收入与10000元是否有显著差异，撰写相应的分析报告。 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分析婚姻状况对家 现住面积是否有显著影响，撰写相应的分析报告。 根据附件“减肥茶数据”给出的相关数据，请选用恰当的分析方法，分析该减肥茶对减肥 是否有显著影响，撰写相应的分析报告。 【分析报告】 1. 表一家庭收入和现住面积的基本描述统计量 家庭收入现住面积 N 有效2993 2993 缺失0 0 均值17696.1567 62.7241 均值的标准误279.64310 .47349 中值15000.0000 60.0000 众数10000.00 60.00 标准差15298.80341 25.90383 方差 2.341E8 671.008 偏度 5.546 .910 偏度的标准误.045 .045 峰度55.425 3.078 峰度的标准误.089 .089 百分位数25 10000.0000 45.0000 50 15000.0000 60.0000 75 20000.0000 80.0000
. . 大学实验报告 课程名称生物医学统计分析 实验名称非参数检验（卡方检验）专业班级 姓名 学号 实验日期 实验地点 2015—2016学年度第 2 学期
a. 不假定零假设。 b. 使用渐进标准误差假定零假设。 分析：表11为LPA和FA两种检测结果的的一致性检验。Kappa值是部一致性系数，除数据P值判断一致性有无统计学意义外，根据经验，Kappa≥0.75，表明两者一致性较好0.7>Kappa ≥0.4，表明一致性一般，Kappa<0.4，则表明一致性较差。 本例Kappa值为0.680，P=0.000<0.01，拒绝无效假设，即认为两种检测方法结果存在一致性，Kappa值=0.680，0.7>Kappa≥0.4，表明一致性一般。 例1 表12 周日频数表 观察数期望数残差 1 11 16.0 -5.0 2 19 16.0 3.0 3 17 16.0 1.0 4 1 5 16.0 -1.0 5 15 16.0 -1.0 6 16 16.0 .0 7 19 16.0 3.0 总数112 分析：表12结果显示一周各日死亡的理论数（Expected）为16.0，即一周各日死亡均数；还算出实际死亡数与理论死亡数的差值（Residual）。 表13 检验统计量 周日 卡方 2.875a df 6 渐近显著性.824 a. 0 个单元 (.0%) 具有小于 5 的期望频率。单元最小期望频率为 16.0。 分析：Chi-Square过程，调用此过程可对样本数据的分布进行卡方检验。卡方检验适用于配合度检验，主要用于分析实际频数与某理论频数是否相符。卡方值X2=2.875，自由度数（df）=6，P=0.824>0.05，差异不显著，即可认为一周各日的死亡危险性是相同的。 例2 表14 二项式检验 类别N 观察比例检验比例精确显著性（双侧）性别组 1 0 12 .30 .50 .017 组 2 1 28 .70
实验报告SPSS的参数检验和非参数检验 学期：_2013__至2013_ 第_1_学期 课程名称:_数学建模专业:数学 实验项目__SPSS的参数检验和非参数检验实验成绩：＿＿＿＿＿ 一、实验目的及要求 熟练掌握t检验及其结果分析。熟练掌握单样本、两独立样本、多独立样本的非参数检验及各种方法的适用范围，能对结果给出准确分析。 二、实验内容 使用指定的数据按实验教材完成相关的操作。 1、给幼鼠喂以不同的饲料，用以下两种方法设计实验： 鼠体内钙的留存量有显著不同。 2、为分析大众对牛奶品牌是否具有偏好，随机挑选超市收集其周一至周六各天 并说明分析结论。 实验报告附页
三、实验步骤 （一） 方式1： 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze－Compare means－Paired-Samples T Test，出现窗口； 3、把检验变量饲料1，饲料2 选择到Paired Variables框，单击OK。 方式2： 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze－Compare means－Independent-Samples T Test，出现窗口 3、选择检验变量饲料到Test Variable(s)框中。 4、选择总体标志变量组号到Grouping Variables框中。 5、单击Define Groups按钮定义两总体的标志值1、2，单击OK。 （二） 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze->Nonparametric->k Independent sample 3、选择待检验的若干变量入包装1，包装2，包装3到Test Variable(s)框中； 4、选择推广的平均秩检验(Friedman检验)，单击OK。 四、实验结果分析与评价 （一）： 方式1： 由上表知：两配对变量饲料1和饲料2对应的概率p值为0.108>0.05通过了检验，可以认为两配对变量饲料1和饲料2无相关关系。 由上表知：吃饲料1和饲料2的幼鼠分别有9人，其中喂以饲料1的9只幼鼠体内平均钙留存量为32.578；而喂以饲料2的9只幼鼠体内平均钙留存量为34.267。