非参相关概念
以下为《非参相关概念》的无排版文字预览，完整内容请下载
非参数统计的概念：不利用总体分布形式的统计推断称为“非参数统计”。
非参数统计的特点：1 以检验为主 2 以补偿方法为核心 3有信息损失 4 方法不唯一
非参数检验的优点：（1）非参数统计方法对总体假定较少，有广泛的适用性，结果稳定性也比较好，即不会因为总体分布形和数据不一致而导致灾难性的错误。（2）非参数统计针对所有的数据形态，分类数据、定序数据、定比数据等。而参数统计通常是解决的定比数据。
（3）非参数方法的思想容易简单，容易理解，计算也比较容易。
非参数检验缺点：1当定距或定比尺度测量的数据在参数统计中适用时，非参数方法不如参数方法 2满足参数假定时，非参数方法不如参数方法。
参数检验的优点：能充分利用提供的信息，统计分析的效率较高
参数检验的缺点：对样本所对应的总体分布有比较严格的要求，这样就限制了它的适用范围
非参与参数的区别：
参数统计：1 有分布信息 2大样本 3是连续、随机、一致的
非参数统计：1 无分布 2小样本、污染样本 3处理离散数据、文本数据、其他变量
适用范围：非参数统计是参数统计的补偿性方法，如果两种方法都可用，假定均成立，应用参数统计方法；当参数统计需要的假设不成立时，用非参数方法。
符号检验适用范围：孤立样本、非对称样本、小样本、非正态样本
t检验适用范围：大样本、对称性样本、随机样本
符号检验在总体分布未知的情况下优于t检验
箱线图的作用：1识别异常值 2判断数据的偏态 3比较几批数据的形状
Cox-Stuart趋势检验的思想：若数据有上升趋势，那么排在后面的数据的值要比排在前面的数据的值显著得大；反之，若数据有下降的趋势，那么排在后面的数据的值要比排在前面的数据的值显著得小。利用前后两个时期不同数据的差值正负来判断数据总的变化趋势。
符号检验和秩和检验的区别与联系： 符号检验法只利用了样本的差异正负号方面的信息（即利用了观察值和零假设的中心位置之差的符号），而并没有考虑这种差别的大小情况，这就有损样本的信息。接下来我们引入一个差，其符号代表了在中心位置的哪一边，绝对值的秩的大小代表了距离中心的远近程度，这种方法把符号检验和秩结合起来了，是对符号检验法的一种改进方法，这种方法就是Wilcoxon符号秩和检验法。
这种方法与符号检验法类似，也是建立在二项分布理论基础上的检验方法，但它需要假定样本点来自连续对称总体分布，将差的绝对值的秩分别按照不同的符号相加作为检验统计量。
相同检验水平下，符号检验不能拒绝原假设但符号秩检验可以，但如果不符合对称性，符号检验更好一点。
游程检验：游程是在一个两种类型的符号的有序排列中，相同符号连续出现的段。游程检验目的是分析数据出现的顺序是否随机，如果数据有上升、下降趋势，或周期变化，都可能表示数据与顺序有关。其基本思想是在任一给定容量的样本中，游程的总数标志着样本是否是随机的，若游程的数目过少，则意味着样本由于缺乏独立性而形成了一致的趋势；若数目过多，则序列存在着某种周期性的影响。游程的长度是指一个游程中数据的个数。举例说明：假定我们掷一个硬币，以概率Ｐ得正面（记为1），以概率1-Ｐ得反面（记为0），这是一个伯努利实验。如果这个实验是随机的，则不大可能出现许多1和许多0连在一起，也不可能1和0交替出现得太频繁。例如下面一例这样的结果：*********，有3个0游程，两个1游程，一共是5个游程，游程长度分别为7、6、4、4、2。0的总数为m=13,而1的总数为n=10,总的试验次数为N=m+n=23。H0:数据出现顺序随机 H1:数据出现顺序不随机
两个 内容过长，仅展示头部和尾部部分文字预览，全文请查看图片预览。 ，不能将它们的数值进行比较，以说明相关程度的高低。尽管 Sr 和τ的数值不同，但在显著性检验上，它们往往在相同的显著性水平上拒绝原假设，即 p 值是一样的。
偏秩相关：若 X，Y 与第三个样本 Z 有关，也就是说由于 Z 的变化对 X，Y 之间的关系有影响，那么，考察去掉 Z 的影响，仅仅研究 X，Y 之间的相关，就是偏相关。在统计上，偏相关就是在第三个样本 Z 保持恒定的情况下，X，Y 之间的相关。
Kolmogorov-Smirnov 单某某检验：是一种拟合优度的非参数检验方法。单某某 K-S检验是利用样本数据推断总体是否服从某一理论分布的方法，适用于探索连续型随机变量的分布形态。
/
[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]
以上为《非参相关概念》的无排版文字预览，完整内容请下载
非参相关概念由用户“a519464240”分享发布，转载请注明出处