非参数统计十道题

非参数统计----十道题

09统计学 王若曦 32009121114

一、 Wilcoxon 符号秩检验

下面是10个欧洲城镇每人每年平均消费的酒类相当于纯酒精数，数据已经按升序排列： 4.12 5.81 7.63 9.74 10.39 11.92 12.32 12.89 13.54 14.45 人们普遍认为欧洲各国人均年消费酒量的中位数相当于纯酒精8升，试用上述数据检验这种看法。

数据来源：《非参数统计（第二版）》 吴喜之

手算：

建立假设组：

01H :M=8H :M>8

T 2467891046T 5319n=10

+-=++++++==++=

查表得P=0.032<α=0.05，因此拒绝原假设，即认为欧洲各国人均年消费酒量的中位数多于8升。

SPSS ：

操作：Analyze ——Nonparametric Tests ——2-Related Sample Test

Ranks

N

Mean Rank

Sum of Ranks

c - x

Negative Ranks 7a 6.57 46.00 Positive Ranks 3b 3.00

9.00

Ties 0c Total

10

由输出结果可知，单侧精确显著性概率P=0.032<=0.05，因此拒绝原假设，即认为欧洲各国人均年消费酒量的中位数多于8升。与手算结果相同。

R语言：

> x=c(4.12,5.81,7.63,9.74,10.39,11.92,12.32,12.89,13.54,14.45)

> wilcox.test(x-8,alt="greater")

Wilcoxon signed rank test

data: x - 8

V = 46, p-value = 0.03223

alternative hypothesis: true location is greater than 0

由输出结果可知，P=0.03223<α=0.05，因此拒绝原假设，即认为欧洲各国人均年消费酒量的中位数多于8升。与以上结果一致。

二、Mann-Whitney-Wilcoxon检验

下表为8个亚洲国家和8个欧美国家2005年的人均国民收入数据。检验亚洲国家和欧美国家的人均国民收入是否有显著差异（α=0.05）。

数据来源：《统计学（第三版）》 贾俊平

手算：

设亚洲国家为X ，欧美国家为Y 建立假设组：

0x y 1x y

H :M =M H :M M ≠

x y x T 12346891548T 5710111213141688

N m n 16m n 8U T m(m 1)/212

=+++++++==+++++++==+====-+=，，

查表得，T x =48的右尾概率的2倍为0.019*2=0.038< α=0.05，因此拒绝原假设，即认为亚洲国家和欧美国家的人均国民收入有显著差异。

SPSS ：

操作：Data ——Sort Cases

Analyze ——Nonparametric Tests ——2-Independent Samples

Ranks

分组 N

Mean Rank

Sum of Ranks

收入

亚洲国家 8 6.00 48.00 欧美国家 8 11.00

88.00

Total

16

Test Statistics b

收入 Mann-Whitney U 12.000 Wilcoxon W 48.000 Z

-2.100 Asymp. Sig. (2-tailed) .036 Exact Sig. [2*(1-tailed Sig.)] .038a Exact Sig. (2-tailed)

.038

由输出结果可知，精确双尾概率P=0.038<=0.05，因此拒绝原假设，即认为亚洲国家和欧美国家的人均国民收入有显著差异。与手算结果一致。

R语言：

> x<-c(1740,38980,1280,4960,2750,27490,15830,720)

> y<-c(43740,32600,34580,37600,34810,30010,7310,3460)

> wilcox.test(x,y,exact=F,cor=F)

Wilcoxon rank sum test

data: x and y

W = 12, p-value = 0.03569

alternative hypothesis: true location shift is not equal to 0

由输出结果可知，P=0.03569< α=0.05，因此拒绝原假设，即认为亚洲国家和欧美国家的人均国民收入有显著差异。与以上结果一致。

三、两样本的Kolmogorov-Smirnov检验

下面是13个非洲地区和13个欧洲地区的人均酒精年消费量，试分析这两个地区的酒精人均年消费量是否分布相同。

》吴喜之手算：

建立假设组：

012112H :F (x)=F (x)H :F (x)F (x)

≠

D=max D =0769231mnD=130（）.，

查表得，当mnD=130时，双侧检验的概率P<0.01，所以P<α=0.05，因此拒绝原假设，即认为这两个地区的酒精人均年消费量分布有显著差异。

SPSS ：

操作：Analyze ——

由输出结果可知，双侧精确显著性概率P =0.05，因此拒绝原假设，即认为这两个地区的酒精人均年消费量分布有显著差异。与手算结果一致。

四、 Cochran Q 检验

下面是某村村民对四个候选人（A ，B ，C ，D ）的赞同与否的调查（“1”代表同意，“0”代表不同意）；最后一列为行总和，最后一行为列总和，全部“1”的总和为42。试分析4

手算：

建立假设组：

01H 4H 4：位候选人在村民眼中没有差异：位候选人在村民眼中有差异

k k 22j j 22222j=1j=1n n 222

2

i i i=1

i=1

k-1k x -x (41)[4(161196)42]Q =9.35294(42)(518273)

k y -y df 413

????

-+++-??==-?+?+?=-=∑∑∑∑（）（） 查表得2

0.057.82Q 9.3529χ=<=，因此在5%的显著性水平上拒绝原假设，即认为4

位候选人在村民眼中有显著差异。

SPSS ：

操作：Analyze ——

Test Statistics

N

20 Cochran's Q 9.353a

df

3 Asymp. Sig. .025 Exact Sig. .025 Point Probability

.006

a. 0 is treated as a success.

由输出结果可知，Q=9.353，精确的显著性概率P=0.025< α=0.05，因此拒绝原假设，即认为4位候选人在村民眼中有显著差异。与手算结果一致。

R 语言：

> x=read.table("f:/CochranQ.txt") > n=apply(x,2,sum) > N=sum(n)

> L=apply(x,1,sum) > k=dim(x)[2]

> Q=(k*(k-1)*sum((n-mean(n))^2))/(k*N-sum(L^2)) > Q

[1] 9.352941

> pvalue=pchisq(Q,k-1,low=F) > pvalue

[1] 0.02494840

由输出结果可知，Q=9.352941， P=0.02494840< α=0.05，因此拒绝原假设，即认为4位候选人在村民眼中有显著差异。与以上结果一致。

五、 Friedman 检验

一项关于销售茶叶的研究报告说明销售方式可能和售出率有关。三种方式为：在商店内等待，在门口销售和当面表演炒制茶叶。对一组商店在一段时间的调查结果列再下表中（单位为购买者人数）。试问三种不同的销售方式是否有显著差异（α=0.05）。

手算：

建立假设组：

01H H ：三种销售方式无差异：三种销售方式有差异

k

22

222r

j

j=11212R 3n(k 1)(101424)38(31)13nk(k 1)83(31)

df 312

χ=-+=++-?+=+?+=-=∑ 查表得22

0.05r 5.9913χχ=<=，因此在5%的显著性水平上拒绝原假设，即认为三种销

售方式有显著差异。

SPSS ：

操作：Analyze ——Nonparametric Tests ——K Related Samples

Test Statistics a

N

8 Chi-Square 13.000

df

2 Asymp. Sig. .002 Exact Sig. .000 Point Probability .000

a. Friedman Test

由输出结果可知，22

r 0.0513 5.99χχ=>=，精确的显著性概率P<0.001，因此在5%的

显著性水平上拒绝原假设，即认为三种销售方式有显著差异。与手算结果一致。

R 语言：

> d=read.table("f:/Friedman.txt") > friedman.test(as.matrix(d))

Friedman rank sum test

data: as.matrix(d)

Friedman chi-squared = 13, df = 2, p-value = 0.001503

由输出结果可知，2

13χ=， P=0.001503<α=0.05，因此拒绝原假设，即认为三种销售方式有显著差异。与以上结果一致。

六、 K 个样本的卡方检验

在一个有三个主要百货商场的商贸中心，调查者问479个不同年龄段的人首先去三个商

王星

手算：

建立假设组：

01H H ：人们去三个商场的概率相同：人们去三个商场的概率不同

()

2

r

k

ij ij i=1j=1

ij

f -e Q==0.685+2.274+15.691=18.651

e df=(k-1)(r-1)=4

∑∑

查表得2

0.05=9.49χ，因为Q=18.651>2

0.05=9.49χ，因此拒绝原假设，即认为人们去三个商场的概率不同。

SPSS ：

操作：Data ——Weight Cases

由输出结果可知，卡方统计量为18.651，精确双尾检验概率P=0.01<=0.05，因此拒绝原假设，即认为人们去三个商场的概率不同。与手算结果一致。

七、 Kruskal-Wallis 检验

某制造商雇用了来自三个本地大学的雇员作为管理人员。最近，公司的人事部门已经收集信息并考核了年度工作成绩。从三个大学来的雇员中随机地抽取了三个独立样本。制造商想知道是否来自这三个不同的大学的雇员在管理岗位上的表现有所不同。

数据来源：百度文库 SAS 讲义

手算：

建立假设组：

01H H ：三个总体的考核成绩分布相同：三个总体的考核成绩分布不同

各雇员的成绩等级

2

222k j

j=1j R 1212(95)(27)(88)KW H 3(N+1)=3(201)8.9163N(N+1)n 20(21)767??=-++-+=????

∑统计量因为出现同分的情况，应对H 进行校正，校正系数

3

3

33322

u u (33332222)

C 1=10.9925N(N +1)

20(20+1)

H 8.9163/0.99258.9839df=k 12

--+-+-+-=-

-===-=∑∑校正后的统计量

查表得，在05.0=α的显著性水平上，2

0.05χ=5.99，由于H=8.9839>2

0.05χ=5.99，因此拒绝原假设，即三个总体的考核成绩分布不同。

SPSS ：

操作：Analyze ——Nonparametric Tests ——K Independent Samples

Ranks

分组 N

Mean Rank

成绩

大学A 7 13.57 大学B 6 4.50 大学C 7 12.57

Total

20

Test Statistics a,b

成绩 Chi-Square 8.984

df

2

由输出结果可知，KW 统计量为8.984，精确概率为0.006，远远小于显著性水平0.05，因此拒绝原假设，即三个总体的考核成绩分布不同。与手算结果一致。

八、 列联表卡方检验

一种原料来自三个不同的地区，原料质量被分成三个不同等级。从这批原料中随机抽取500

数据来源：百度文库 统计学教程PPT

手算：

建立假设组：

01H H ：地区与原料质量无关：地区与原料质量相关

2

r

c

ij ij i=1j=1ij

(f -e )Q==19.82

e df=(r-1)(c-1)=4

∑∑

查表得，2

0.05=9.49χ，由于Q=19.82>2

0.05=9.49χ，因此拒绝原假设，即认为地区与原料质量相关。

SPSS：

操作：Data——Weight Cases

Analyze——Descriptive Statistics——Crosstabs

地区* 等级Crosstabulation

等级

一级二级三级

Total 地区地区1 Count 52 64 24 140

Expected Count 45.4 52.6 42.0 140.0 地区2 Count 60 59 52 171

Expected Count 55.4 64.3 51.3 171.0 地区3 Count 50 65 74 189

Expected Count 61.2 71.1 56.7 189.0 Total Count 162 188 150 500

Expected Count 162.0 188.0 150.0 500.0

0.05，因此拒绝原假设，即认为地区与原料质量相关。与手算结果一致。

九、Kendall秩相关

某研究所对10对双胞胎儿童的智力进行调查，结果如下表：

儿童智力测试得分

数据来源：《非参数统计：方法与应用》 易丹辉 董寒青 手算：

U 9V 020********

2(U-V)2(37-7)

Kendall T===0.6667n(n-1)1010-1=+=+++++++++=秩相关系数（）

由于同分，所以

对T 的显著性进行检验，建立假设组：

0+H H ：不相关：正相关

查表得，n=10，T=0.6667或T=0.6742相应的概率在0.0002至0.0005之间，远远小于显著性水平0.05，因此拒绝原假设，即认为双胞胎儿童的智力之间存在着正相关。

SPSS ：

操作：Analyze ——Correlate ——Bivariate

Correlations

先出生儿童

后出生儿童

Kendall's tau_b

先出生儿童

Correlation Coefficient 1.000

.674** Sig. (2-tailed) . .007 N

10 10 后出生儿童 Correlation Coefficient

.674**

1.000

由输出结果可知，T=0.674，双侧检验的显著性概率为0.007，则单侧的显著性概率为0.0035，远远小于显著性水平0.05，因此拒绝原假设，即认为双胞胎儿童的智力之间存在着正相关。与手算结果一致。

R语言：

> x=c(9.0,16.6,16.2,11.3,16.2,7.1,7.8,4.0,11.2,1.3)

> y=c(7.8,19.3,20.1,7.1,13.0,4.8,8.9,7.4,10.0,1.5)

> cor.test(x,y,method="kendall")

Kendall's rank correlation tau

data: x and y

z = 2.6941, p-value = 0.007058

alternative hypothesis: true tau is not equal to 0

sample estimates:

tau

0.6741999

警告信息：

In cor.test.default(x, y, method = "kendall") : 无法给连结计算精確p值

由输出结果可知，T=0.6741999，P=0.007058，远远小于显著性水平0.05，因此拒绝原假设，即认为双胞胎儿童的智力之间存在着正相关。与以上结果一致。

十、完全秩评定的Kendall协和系数

下面是4个独立的环境研究单位对10个城市空气等级排序的结果，试分析这4个评估机构的结果是否是随机的。

数据来源：《非参数统计（第二版）》吴喜之

手算：

2j 2222S [R k(n 1)/2]1126

12S 121126

W 0.8530

k n(n 1)410(101)

=-+=?===-?-∑

对W 进行显著性检验，建立假设组：

01H H ：这些评估是不相关的：这些评估是相关的

12S 121126

Q 30.7091

kn(n 1)410(101)

df 1019

?=

==+?+=-= 查表得2

16.92Q 30.7091αχ=<=，因此拒绝原假设，即认为这些评估之间是显著相关

的。

SPSS ：

操作：Analyze ——Nonparametric Tests ——K Related Samples

Ranks

Mean Rank

A 9.00

B 2.00

C 2.75

D 9.50

E 7.25

F 6.25

G 6.50

H 6.25

I 3.75 J

1.75

Test Statistics b N

4 Kendall's W a .853 Chi-Square 30.709

df

9 Asymp. Sig.

.000

a. Kendall's Coefficient of

Concordance

b. Some or all exact

significances cannot be

computed because there is

insufficient memory.

由输出结果可知，W=0.853，Q=30.709，P远远小于显著性水平0.05，因此拒绝原假设，即认为这些评估之间是显著相关的。与手算结果一致。

R语言：

> d=read.table("f:/airp.txt")

> R=apply(d,2,sum)

> m=nrow(d)

> n=ncol(d)

> S=sum((R-m*(n+1)/2)^2)

> W=12*S/m^2/(n^3-n)

> W

[1] 0.8530303

> pchisq(m*(n-1)*W,n-1,low=F)

[1] 0.0003320349

由输出结果可知，W=0.8530303，P= 0.0003320349，远远小于显著性水平0.05，因此拒绝原假设，即认为这些评估之间是显著相关的。与以上结果一致。

非参数统计题目及答案

1．人们在研究肺病患者的生理性质时发现，患者的肺活量与他早在儿童时期是否接受过某种治疗有关，观察3组病人，第一组早在儿童时期接受过肺部辐射，第二组接受过胸外科手术，第三组没有治疗过，现观察到其肺活量占其正常值的百分比如下： 这一经验是否可靠。 解： H 0：θ2≤θ1≤θ 3 H 1 :至少有一个不等式成立 可得到 N=15 由统计量H= ) 112 +N N （∑=K i i N R 1i 2 -3(N+1)=）（1151512+(32×6.4+29×5.8+59×11.8)-3×(15+1)=5.46 查表（5,5,5）在P(H ≥4.56)=0.100 P(H ≥5.66)=0.0509 即P （H ≥5.46）﹥0.05 故取α=0.05， P ﹥α ，故接受零假设即这一检验可靠。

2.关于生产计算机公司在一年中的生产力的改进（度量为从0到100）与它们在过去三年中在智力投资（度量为：低，中等，高）之间的关系的研究结果列在下表中： 值等等及你的结果。（利用Jonkheere-Terpstra 检验） 解： H 0：M 低=M 中=M 高 H 1：M 低﹤M 中﹤M 高 U 12=0+9+2+8+10+9+10+2+10+10+8+0.5+3=82.5 U 13=10×8=80 U 23=12+9+12+12+12+11+12+11=89 J= ∑≤j ij U i =82.5+80+89=251.5 大样本近似 Z= []72 )32()324 1 2 1i 22 2∑ ∑==+-+--k i i i k i n n N N n N J （）（～N （0,1） 求得 Z=3.956 Ф(3.956)=0.9451 取α=0.05 ， P >α， 故接受原假设，认为智力投资对改进生产力有帮助。

非参数统计分析NonparametricTests菜单详解

非参数统计分析――Nonparametric Tests菜单详解 非参数统计分析――Nonparametric Tests菜单详解 平时我们使用的统计推断方法大多为参数统计方法，它们都是在已知总体分布的条件下，对相应分布的总体参数进行估计和检验。比如单样本u检验就是假定该样本所在总体服从正态分布，然后推断总体的均数是否和已知的总体均数相同。本节要讨论的统计方法着眼点不是总体参数，而是总体分布情况，即研究目标总体的分布是否与已知理论分布相同，或者各样本所在的分布位置/形状是否相同。由于这一类方法不涉及总体参数，因而称为非参数统计方法。 SPSS的的Nonparametric Tests菜单中一共提供了8种非参数分析方法，它们可以被分为两大类： 1、分布类型检验方法：亦称拟合优度检验方法。即检验样本所在总体是否服从已知的理论分布。具体包括： Chi-square test：用卡方检验来检验二项/多项分类变量的几个取值所占百分比是否和我们期望的比例有没有统计学差异。 Binomial Test：用于检测所给的变量是否符合二项分布，变量可以是两分类的，也可以使连续性变量，然后按你给出的分界点一分为二。 Runs Test：用于检验样本序列随机性。观察某变量的取值是否是围绕着某个数值随机地上下波动，该数值可以是均数、中位数、众数或人为制定。一般来说，如果该检验P值有统计学意义，则提示有其他变量对该变量的取值有影响，或该变量存在自相关。 One-Sample Kolmogorov-Smirnov Test：采用柯尔莫哥诺夫-斯米尔诺夫检验来分析变量是否符

合某种分布，可以检验的分布有正态分布、均匀分布、Poission分布和指数分布。 2、分布位置检验方法：用于检验样本所在总体的分布位置/形状是否相同。具体包括： Two-Independent-Samples Tests：即成组设计的两独立样本的秩和检验。 Tests for Several Independent Samples：成组设计的多个独立样本的秩和检验，此处不提供两两比较方法。 Two-Related-Samples Tests：配对设计的两样本秩和检验。 Tests for Several Related Samples：配伍设计的多样本秩和检验，此处同样不提供两两比较。 一、分布位置检验方法 1、Two Independent Samples Test与 K Independent Samples Test 用于检验两独立样本/多独立样本所在总体是否相同。 Two-lndependent-Samples Test对话框: (1) Test Variable框，指定检验变量。 (2) Grouping Variable框，指定分组变量。Define Groups对话框，Groupl和Groupl后的栏中，可指定分组变量的值。 (3) TestType框，确定用来进行检验的方法。Mann-Whitney U：默认值，相当于两样本秩和检验。Kolmogorov-Smimov Z：K-S检验的一种。Moses extreme reactions：如果施加的处理使得某些个体出现 正向效应，而另一些个体出现负向效应，就应当采用该检验方法。

非参数统计部分课后习题参考答案

课后习题参考答案 第一章p23-25 2、（2）有两组学生，第一组八名学生的成绩分别为x 1：100，99，99，100，99，100，99，99；第二组三名学生的成绩分别为x 2：75,87,60。我们对这两组数据作同样水平a=0.05的ｔ检验（假设总体均值为u ）：H 0：u=100 H 1：u<100。第一组数据的检验结果为：df=7，t 值为3.4157，单边p 值为0.0056，结论为“拒绝H 0：u=100。”（注意：该组均值为99.3750）；第二组数据的检验结果为：df=2，t 值为3.3290，单边ｐ值为0.0398;结论为“接受H 0：u=100。”（注意：该组均值为74.000）。你认为该问题的结论合理吗？说出你的理由，并提出该如何解决这一类问题。 答：这个结论不合理（6分）。因为，第一组数据的结论是由于ｐ－值太小拒绝零假设，这时可能犯第一类错误的概率较小，且我们容易把握；而第二组数据虽不能拒绝零假设，但要做出“在水平ａ时，接受零假设”的说法时，还必须涉及到犯第二类错误的概率。（4分）然而，在实践中，犯第二类错误的概率多不易得到，这时说接受零假设就容易产生误导。实际上不能拒绝零假设的原因很多，可能是证据不足（样本数据太少），也可能是检验效率低，换一个更有效的检验之后就可以拒绝了，当然也可能是零假设本身就是对的。本题第二组数据明显是由于证据不足，所以解决的方法只有增大样本容量。（4分） 第三章p68-71 3、在某保险种类中，一次关于1998年的索赔数额（单位：元）的随机抽样为（按升幂排列）： 4632，4728，5052，5064，5484，6972，7596，9480，14760，15012，18720，21240，22836，52788，67200。已知1997年的索赔数额的中位数为5064元。 （1）是否1998年索赔的中位数比前一年有所变化？能否用单边检验来回答这个问题？（4分） （2）利用符号检验来回答（1）的问题（利用精确的和正态近似两种方法）。（10分） （3）找出基于符号检验的95％的中位数的置信区间。（8分） 解：（1）1998年的索赔数额的中位数为9480元比1997年索赔数额的中位数5064元是有变化，但这只是从中位数的点估计值看。如果要从普遍意义上比较1998年与1997年的索赔数额是否有显著变化，还得进行假设检验，而且这个问题不能用单边检验来回答。（4分） （2）符号检验（5分） 设假设组：H ０：M ＝M ０＝5064 H １：M ≠M ０＝5064 符号检验：因为n +=11，n-=3，所以k=min(n+,n-)=3 精确检验：二项分布b(14,0.5)， ∑=-=3 0287 .0)2/1,14(n b ，双边ｐ－值为0.0576,大于ａ＝0.05， 所以在ａ水平下，样本数据还不足以拒绝零假设；但假若ａ＝0.1，则样本数据可拒绝零假设。查二项分布表得ａ＝0.05的临界值为（3，11），同样不足以拒绝零假设。 正态近似：（5分） np=14/2=7,npq=14/4=3.5 z=(3+0.5-7)/5.3≈-1.87>Z a/2=-1.96 仍是在ａ＝0.05的水平上无法拒绝零假设。说明两年的中位数变化不大。 （3）中位数95％的置信区间：（5064，21240）（8分） 7、一个监听装置收到如下的信号：0，1，0，1，1，1，0，0，1，1，0，0，0，0，1，1，1，1，1，1，1，1，1，0，1，0，0，1，1，1，0，1，0，1，0，1，0，0，0，0，0，0，0，0，1，0，1，1，0，0，1，1，1，0，1，0，1，0，0，0，1，0，0，1，0，1，0，1，0，0，0，0，0，0，0，0。能否说该信号是纯粹随机干扰？（10分）

《非参数统计》与MATLAB编程 第二章 描述性统计

第二章描述性统计 2．1 表格法和图形法 表2.1 灯丝寿命数据 107 73 68 97 76 79 94 59 98 57 73 81 54 65 71 80 84 88 62 61 79 98 63 65 66 62 79 86 68 74 61 82 65 98 63 71 62 116 65 88 64 79 78 79 77 86 89 76 74 85 73 80 68 78 89 72 58 69 82 72 92 78 88 77 103 88 63 68 88 81 64 73 75 90 62 89 71 71 74 70 74 70 85 61 65 81 75 62 94 71 85 84 83 63 92 68 81 62 79 83 93 61 65 62 92 65 64 66 83 70 70 81 77 72 84 67 59 58 73 83 78 66 66 94 77 63 66 75 68 76 73 76 90 78 71 101 78 43 59 67 61 71 77 91 96 75 64 76 72 77 74 65 82 86 79 74 66 86 96 89 81 71 85 99 59 92 94 62 68 72 77 60 87 84 75 77 51 45 63 102 85 67 87 80 84 93 69 76 89 75 59 77 83 68 72 67 92 89 82 96 a = Columns 1 through 17 107 73 68 97 76 79 94 59 98 57 73 81 54 65 71 80 84 79 98 63 65 66 62 79 86 68 74 61 82 65 98 63 71 62 64 79 78 79 77 86 89 76 74 85 73 80 68 78 89 72 58 92 78 88 77 103 88 63 68 88 81 64 73 75 90 62 89 71 74 70 85 61 65 81 75 62 94 71 85 84 83 63 92 68 81 93 61 65 62 92 65 64 66 83 70 70 81 77 72 84 67 59 78 66 66 94 77 63 66 75 68 76 73 76 90 78 71 101 78

王静龙《非参数统计分析》课后计算题参考标准答案

王静龙《非参数统计分析》课后习题计算题参考答案习题一 1. One Sample t-test for a Mea n Sample Statistics for x N Mea n Std. Dev. Std. Error 26 1.38 8.20 1.61 Hypothesis Test Null hypothesis: Mea n of x = 0 Alternative: Mea n of x A= 0 t Statistic Df Prob > t 0.861 25 0.3976 95 % Con fide nee In terval for the Mea n Lower Limit: -1.93 Upper Limit: 4.70 则接受原假设认为一样 习题二 1.描述性统计

习题二 1.1 S+=13 n 39 H o： me 6500 H〔：me 6500 PS 13 二BINOMDIST(13,39,0.5,1) =0.026625957 另外：在excel2010中有公式BINOM.INV(n,p,a)返回一个数值，它使得累计二项式分布的函数值大于或等于临界值a的最小整数 * 1 m n m inf m ■ 2 i 0 i BINO M」N V(39,0.5,0.05)=14 * n 1 * d n d=sup d : m 1 13 2 i 0 i S+13 d 13 以上两种都拒绝原假设，即中位数低于6500 1.2

n 1 inf n * * 1 m n m inf m :- 2 i o i BINOM.INV(40,0.5,1 -0.025)=26 d=n-c=40-26=14 x 14 5800 x 26 6400 me x 20 6200 2. S + =40 n 70 H 0: me 6500 H 1: me 6500 2P S 40 2*(1-BIN0MDIST(39,70,0.5,1)) =0.281978922 则接受原假设，即房价中位数是 6500 3.1 S + =1552 n 1552 527 2079 inf m inf m=BINOM.INV(2079,0.5,0.975)=1084 则拒绝原假设，即相信孩子会过得更好的人多 3.2 P 为认为生活更好的成年人的比例，则 H 。: p 出：p n 比较大，则用正态分布近似 P S 1552 1039.5-1552+0.5 、519.75 =5.33E-112 另外:S +=1552 n 1552 527 2079

非参数统计十道题

非参数统计----十道题 09统计学 王若曦 114 一、 Wilcoxon 符号秩检验 下面是10个欧洲城镇每人每年平均消费的酒类相当于纯酒精数，数据已经按升序排列： 人们普遍认为欧洲各国人均年消费酒量的中位数相当于纯酒精8升，试用上述数据检验这种看法。 数据来源：《非参数统计（第二版）》 吴喜之 手算： % 建立假设组： 01H :M=8H :M>8 T 2467891046T 5319n=10 +-=++++++==++= 查表得P=<α=，因此拒绝原假设，即认为欧洲各国人均年消费酒量的中位数多于8升。 》 SPSS ： 操作：Analyze ——Nonparametric Tests ——2-Related Sample Test

Test Statistics b c - x Z-1.886a Asymp. Sig. (2-tailed).059 Exact Sig. (2-tailed)! .064 Exact Sig. (1-tailed).032 Point Probability.008 a. Based on positive ranks. b. Wilcoxon Signed Ranks Test 由输出结果可知，单侧精确显著性概率P=<α=，因此拒绝原假设，即认为欧洲各国人均年消费酒量的中位数多于8升。与手算结果相同。 R语言： … > x=c,,,,,,,,, > (x-8,alt="greater") Wilcoxon signed rank test data: x - 8 V = 46, p-value = alternative hypothesis: true location is greater than 0 由输出结果可知，P=<α=，因此拒绝原假设，即认为欧洲各国人均年消费酒量的中位数多于8升。与以上结果一致。 |

非参数统计题

一、 填空题（每空2分，共计30分） 1、 性别属于_______尺度的测量层次，文化程度属于_______尺度的测量层次，温度属于________尺度的 测量层次，年龄属于________尺度的测量层次。 2、 某一序列的观察值为2，5，3，7，8，9，6，4，16，10，则上游程数为______，下游程为_______， 第一个下游程的长度是_________。 3、 两组独立的随机样本的观察值分别为： 第一组(X )：9，12，3，7 第二组(Y )：5，8，6，14，16 则第一组X 的等级和T x =_______，第二组Y 的等级和T y =_______，Y 的评分值先于X 的总次数U =_______，游程的总数目V =________。 4、 则列边缘次数为___________，不考虑X ，直接预测Y 时产生的误差1E =______，用X 预测Y 时产生的误差2E =______，非对称形式的λ系数yx λ=___________。 二、 （10分）某地一周内个日患忧郁症的人数分布如表所示，请用2χ检验法检验一周内个日人们忧郁数 是否满足1：1：2：2：1：1：1 三、（20分）试根据下表的数据分别用符号检验和Wilcoxon 符号秩检验法检验学生接受某种方法训练前后成绩是否存在显著差异，训练能否提高学生的成绩？（显著性水平0.05α=）

四、（10分）随机抽取3个班级的学生，得到21个成绩样本，如表所示，试用Kruskal-Wallis检验法检验 α=） 3个班级学生成绩是否存在显著差异？（显著性水平0.05 五、（10 三个月后的体重，试用Friedman检验法检验在这4个时期，10个人的体重有无发生显著的变化？（显著α=） 性水平0.05 六、（20分）两名裁判员对六名歌手评分的等级如下： X的秩：1，2，5，6，4，3 Y的秩：5，3，6，4，2，1 分别用Spearman等级相关系数及Kendall秩相关系数分析两位裁判员评分的相关程度。

非参数统计分析方法总结

非参数统计分析方法 一单样本问题 1，二项式检验：检验样本参数是否与整体参数有什么关系。 样本量为n给定一个实数MO（代表题目给出的分位点数），和分位 点口（0.25,0.5,0.75）。用S-记做样本中比M0小的数的个数，S+记做样本中比M0大的数的个数。如果原假设H0成立那么S-与n的比之应为n。 H0：M=M0 HI: M k MO或者M>M（或者M

H1 ：不是随机的（混合倾向，游程多，长度短）（成群倾向，游程少，长度长) Spss步骤：分析一非参数检验一游程 得出统计量R 和p 值 当p值小于0.05时拒绝原假设，没有充足理由证明该数据出现是随机的二，两个样本位置问题 1，Brown —Mood 中位数检验 给出两个样本比较两个样本的中位数或者四分位数等是否相等或者有一定关系，设一个中值为M1，—个为M2 H0：M1=M2. HI: M1H M2或者M1>M或者M1

王静龙非参数统计分析课后计算题参考答案Word版

王静龙《非参数统计分析》课后习题计算题参考答案 习题一 1.One Sample t-test for a Mean Sample Statistics for x N Mean Std. Dev. Std. Error ------------------------------------------------- 26 1.38 8.20 1.61 Hypothesis Test Null hypothesis: Mean of x = 0 Alternative: Mean of x ^= 0 t Statistic Df Prob > t --------------------------------- 0.861 25 0.3976 95 % Confidence Interval for the Mean Lower Limit: -1.93 Upper Limit: 4.70 则接受原假设认为一样 习题二 1.描述性统计

习题三 1.1 {}+01=1339 :6500:650013=BINOMDIST(13,39,0.5,1)=0.026625957 S n H me H me P S +==<≤ 另外：在excel2010中有公式 BINOM.INV(n,p,a) 返回一个数值，它使得累计二项式分布的函数值大于或等于临界值a 的最小整数 * **0*0+1inf :2BINOM.INV(39,0.5,0.05)=14 1sup :113 2S 1313 n m i n d i n m m i n d d m i d αα==?????? ??=≥?? ? ????????? ?????? ??≤=-=?? ? ????????? =≤=∑∑= 以上两种都拒绝原假设，即中位数低于6500 1.2

非参数统计——期末试卷

每小题20分 1. 下面是DMBA 公司为了研究某一种癌症所做的试验。Group 1和2分别代表试验的控制组和对照组。下面是所得的试验老鼠的生存数据，*代表数据被右删失。请回答下面问题： Group 1: 164 188 190 192 206 209 213 216 220 230 234 246 265 304 216* 244* Group 2: 156 163 198 205 232 233 239 240 261 280 296 323 204* 344* 1）请给出非参数的Kaplan-Meier 估计的公式，并计算在时间点t=156,164这两点的具体估计值,若假设在t=164处被删失，计算此处的估计值。 2）如果协变量分别取为1和0，请用Cox 模型模拟上述数据，给出计算协变量的系数的相关公式； 3）给出Kaplan-Meier 估计的Matlab 程序。 2． 下面是16个学生的体能测试数据： P81例3.14 82 53 70 73 103 71 69 80 54 38 87 91 62 75 65 77。 1） 请用顺序统计量方法构造置信度为95％的中位数的置信区间； 2） 编写上述计算的Matlab 程序 3． 下面是申请进入法学院学习的学生的LSAT 测试成绩和GPA 成绩。 LSAT: 576 635 558 578 666 580 555 661 651 605 653 575 545 572 594 GPA: 3.39 3.30 2.81 3.03 3.44 3.07 3.00 3.43 3.36 3.13 3.12 2.74 2.76 2.88 3.96 每个数据点用(,),i i i X Y Z 其中i Y 表示LSAT 成绩，i Z 表示GPA 成绩 1） 计算i Y 和i Z 的Pearson 相关系数 （只写出公式）; (5分) 2） 使用Boostrap 方法估计相关系数的标准误差（只写出算法步骤）；（5分） 3） 编写相应的Matlab 程序。（10分）

非参数统计分析

第十三章非参数统计分析 统计推断方法大体上可分为两大类。第一大类为参数统计方法。常常在已知总体分布的条件下，对相应分布的总体参数进行估计和检验。第二大类为非参数统计方法，着眼点不是总体参数，而是总体的分布情况或者样本所在总体分布的位置/形状。 非参数统计方法大约有8种，可被划分为两大类，处理各种不同情形的数据。 单样本情形： 检验样本所在总体的位置参数或者分布是否与已知理论值相同。 ①Chi-Square过程：针对二分类或者多分类资料 例题1：见书P243。检验样本分布情况是否与已知理论分布相同。运用卡方检验过程。 ②Binomial过程：针对二分类资料或者可转变为二分类问题的资料。 例题2 ：见书P246。检验某一比例是否与已知比例相等，运用二项分布过程。练习：质量监督部门对商店里面出售的某厂家的西洋参片进行了抽查。对于25包写明为净重100g的西洋参片的称重结果为（单位：克），数据见非参数。Sav，人们怀疑厂家包装的西洋参片份量不足，要求进行检验。 ③Runs过程：用于检验样本序列是否是随机出现的。二分类资料和连续性资料均可。 游程检验： 游程的含义： 假定下面是由0和1组成的一个这种变量的样本： 0 0 0 0 1 1 1 1 1 1 0 0 1 0 1 1 1 0 0 0 0 0 0 0 0 其中相同的0（或相同的1）在一起称为一个游程（单独的0或1也算）。 这个数据中有4个0组成的游程和3个1组成的游程。一共是R=7个游程。其中0的个数为m=15，而1的个数为n=10。 游程检验的原理 判断数据序列是否是真随机序列。该检验的原假设为数据是真随机序列，备择假设为非随机序列，在原假设成立的情况下，游程的总数不应太多也不应太少。例题3：见书P247。检验样本数据是否是随机出现的。 例题4：从某装瓶机出来的30盒化妆品的重量（单位克），数据见非参数.sav，为了看该装瓶机是否工作正常。 提示：实际需要验证大于和小于中位数的个数是否是随机的（零假设为这种个数的出现是随机的）。 ④1-Ｓample--K –S 过程 原理：单样本的Kolmogorov-Smirnov检验（K-S检验）方法主要针对连续性资料，是用来检验一个样本数据的观测累积分布是否是已知的理论分布。这些

第7章 非参数检验试题

第7章非参数检验试题 选择题： 1、4组学生成绩（优、良、中、差）比较，宜用（B ）。 A 方差分析 B 秩和检验 C 卡方检验 D 四格表直接计算概率法 2、两样本秩和检验的无效假设是（B ）。 A 两样本秩和相等 B 两总体分布相同 C 两样本分布相同 D 两总体秩和相等 3、（C ），应该用非参数统计方法。 A 正态分布资料n不相等时两样本均数比较 B 正态分布资料两样本方差都比较大时两样本均数的比较 C 两组等级资料的比较 D 两组百分比资料的平均数比较 4、在统计检验中是否选择用非参数统计方法，（ A ）。 A 要根据研究目的和数据特征作决定 B 可在算出几个统计量和得出初步结论后进行选择 C要看哪个统计结论符合专业理论 实验组对照组 实测值甲的编秩乙的编秩实测值甲的编秩乙的编秩 10 7.5 7.5 10 7.5 7.5 12 9 9 8 4 5 15 10 10.5 8 5 5 15 11 10.5 6 1 2 17 12 13 6 2 2 17 13 13 6 3 2 17 14 13 8 6 5 19 17 17 19 17 17 19 17 17 20 20 20.5 19 17 17 20 21 20.5 19 17 17 21 22 22 D 要看哪个P值更小 5、下表列出了成组设计的两样本资料及甲乙两个研究者的编秩结果，下面哪一个说法是对的？（ C ） A 甲的编秩方法是错的 B 乙的编秩方法是错的 C 甲乙两人方法均对 D 甲乙两人的编秩方法均错 6、以下检验方法中，（A ）不属于非参数统计方法。 A.t检验 B.H检验 C.T检验Ｄ．χ2检验 7、为判断各总体均数是否相等，对于来自方差齐性及正态分布总体的多个样本比较，可以作秩和（H）检验，通过判断各总体分布的位置是否相同而判断各总体均数是否相等，与作方差分析相比（ C ）。 A.应该把α定得小一点 B.将增大犯I类错误的概率

非参数统计(第二版)习题测验R程序

P37.例2.1 build.price<- c(36,32,31,25,28,36,40,32,41,26,35,35,32,87,33,35 );build.price hist(build.price,freq=FALSE)#直方图 lines(density(build.price),col="red")#连线 #方法一：m<-mean(build.price);m#均值 D<-var(build.price)#方差 SD<-sd(build.price)#标准差S t=(m-37)/(SD/sqrt(length(build.price)));t#t统计量计算检验统计量 t= [1] -0.1412332 #方法二：t.test(build.price-37)#课本第38页 例2.2 binom.test(sum(build.price<37),length(build.price), 0.5)#课本40页 例2.3 P<-2*(1-pnorm(1.96,0,1));P [1] 0.04999579 P1<-2*(1-pnorm(0.7906,0,1));P1 [1] 0.4291774 > 例2.4 > p<-2*(pnorm(-1.96,0,1));p [1] 0.04999579 > > p1<-2*(pnorm(-0.9487,0,1));p1 [1] 0.3427732 例2.5（P45） scores<- c(95,89,68,90,88,60,81,67,60,60,60,63,60,92, 60,88,88,87,60,73,60,97,91,60,83,87,81,90);length( scores)#输入向量求长度 ss<-c(scores-80);ss t<-0 t1<-0 for(i in 1:length(ss)){ if (ss[i]<0) t<-t+1#求小于80的个数 else t1<-t1+1求大于80的个数 } t;t1 > t;t1 [1] 13 [1] 15 binom.test(sum(scores<80),length(scores),0.75) p-value = 0.001436<0.01 Cox-Staut趋势存在性检验P47 例2.6 year<-1971:2002;year length(year) rain<- c(206,223,235,264,229,217,188,204,182,230,223, 227,242,238,207,208,216,233,233,274,234,227,221 ,214, 226,228,235,237,243,240,231,210) length(rain) #(1)该地区前10年降雨量是否变化？ t1=0 for (i in 1:5){ if (rain[i]

王静龙《非参数统计分析》教案

.引言 一般统计分析分为参数分析与非参数分析，参数分析是指，知道总体分布，但其中几个参数的值未知，用统计量来估计参数值，但大部分情况，总体是未知的，这时候就不能用参数分析，如果强行用可能会出现错误的结果。 例如：分析下面的供应商的产品是否合格？ 合格产品的标准长度为（±），随即抽取n=100件零件，数据如下： 表 经计算，平均长度为cm x 4958.8=，非常接近中心位置，样本标准差为 () 1047.011 2 =--= ∑=n i i n x x s cm.一般产品的质量服从正态分布，),(~2δμN X 。 这说明产品有接近三分之一不合格，三分之二合格，所以需要更换供应厂 商，而用非参数分析却是另外一个结果。 以下是100个零件长度的分布表：

这说明有90%的零件长度在)2.05.8(±cm 之间，有9%的零件不合格，所以工厂不需要换供应商。 例2 哪一个企业职工的工资高？ 表两个企业职工的工资 显然，企业1职工的工资高，倘若假设企业1与企业2的职工工资分别服从正态分布),(),,(22σσb N a N ，则这两个企业职工的工资比较问题就可以转化为一个参数的假设检验问题，原假设为b a H =:0，备择假设为b a H >:0 则 ))11(,(~2σn m b a N y x +-- 若0H 为真，则 其中])()([211 212 2∑∑==-+--+= n i i m i i w y y x x n m S 拒绝域为：}325.1{)}20({90.0≥=≥t t t 检测值为：282.1=t 故不能拒绝原假设，认为两企业的工资水平无差异。 也可以用值-P 检验 由于1073.0)282.1)20((=≥t P 故不能拒绝原假设，认为两企业的工资水平无差异。

最新王静龙《非参数统计分析》课后计算题参考答案

精品文档 精品文档王静龙《非参数统计分析》课后习题计算题参考答案 习题一 1.One Sample t-test for a Mean Sample Statistics for x N Mean Std. Dev. Std. Error ------------------------------------------------- 26 1.38 8.20 1.61 Hypothesis Test Null hypothesis: Mean of x = 0 Alternative: Mean of x ^= 0 t Statistic Df Prob > t --------------------------------- 0.861 25 0.3976 95 % Confidence Interval for the Mean Lower Limit: -1.93 Upper Limit: 4.70 则接受原假设认为一样 习题二 1.描述性统计

精品文档 习题三 1.1 {}+01=1339 :6500:650013=BINOMDIST(13,39,0.5,1)=0.026625957 S n H me H me P S +==<≤ 另外：在excel2010中有公式 BINOM.INV(n,p,a) 返回一个数值，它使得累计二项式分布的函数值大于或等于临界值a 的最小整数 * **0*0+1inf :2BINOM.INV(39,0.5,0.05)=14 1sup :113 2S 1313 n m i n d i n m m i n d d m i d αα==?????? ??=≥?? ? ????????? ?????? ??≤=-=?? ? ????????? =≤=∑∑= 以上两种都拒绝原假设，即中位数低于6500 1.2

第六章 非参数统计分析方法的SAS编程实现

第六章非参数统计分析方法的SAS编程实现 作者：薛富波最终修改日期： 一、npar1way过程语句格式简介 二、不同类型资料的非参数检验方法 1. 两独立样本差别的秩和检验 2.配对设计资料的秩检验 3.完全随机设计多组数据分布位置差别的秩和检验 三、几条重要提示 非参数统计分析方法（non-parametric statistics）是相对参数统计分析方法而言的，又称为不拘分布(distribution-free statistics)的统计分析方法或无分布形式假定（assumption free statistics）的统计分析方法。其中包括Wilcoxon秩和检验、Kruskal-Wallis秩和检验、friedman秩和检验等，它们分别对应不同设计类型的资料。 SAS中对于非参数分析方法功能的实现主要由npar1way过程来完成，从过程名字就可以看出，在此过程的处理进程中，只能一次指定一个因素进行分析。下面我们先来了解一下npar1way过程的语句格式以及各语句和选项的基本功能。 一、npar1way过程语句格式简介 npar1way过程属于SAS的STAT模块，对于统计学教科书上所涉及的非参数统计方法几乎都可以通过此过程来完成。Npar1way过程的基本语句格式如下。 PROC NPAR1WAY <选项> ; BY 变量名; CLASS变量名; EXACT 统计量选项 ; FREQ变量名; OUTPUT < OUT=数据集名 > < 选项 > ; VAR 变量名; RUN; QUIT; Proc npar1way语句标志npar1way过程的开始，默认情况下（不列举任何选项）：npar1way过程对最新创建的数据集进行分析，将缺失数据排除在分析过程之外；执行方差分析过程（等同于ANOVA选项），对样本分布位置的差异进行

@非参数统计十道题

非参数统计----十道题 09统计学 王若曦 32009121114 一、 Wilcoxon 符号秩检验 下面是10个欧洲城镇每人每年平均消费的酒类相当于纯酒精数，数据已经按升序排列： 4.12 5.81 7.63 9.74 10.39 11.92 12.32 12.89 13.54 14.45 人们普遍认为欧洲各国人均年消费酒量的中位数相当于纯酒精8升，试用上述数据检验这种看法。 数据来源：《非参数统计（第二版）》 吴喜之 手算： 建立假设组： 01H :M=8H :M>8 T 2467891046T 5319n=10 +-=++++++==++= 查表得P=0.032<α=0.05，因此拒绝原假设，即认为欧洲各国人均年消费酒量的中位数多于8升。 SPSS ： 操作：Analyze ——Nonparametric Tests ——2-Related Sample Test Ranks N Mean Rank Sum of Ranks c - x Negative Ranks 7a 6.57 46.00 Positive Ranks 3b 3.00 9.00 Ties 0c Total 10

由输出结果可知，单侧精确显著性概率P=0.032<=0.05，因此拒绝原假设，即认为欧洲各国人均年消费酒量的中位数多于8升。与手算结果相同。 R语言： > x=c(4.12,5.81,7.63,9.74,10.39,11.92,12.32,12.89,13.54,14.45) > wilcox.test(x-8,alt="greater") Wilcoxon signed rank test data: x - 8 V = 46, p-value = 0.03223 alternative hypothesis: true location is greater than 0 由输出结果可知，P=0.03223<α=0.05，因此拒绝原假设，即认为欧洲各国人均年消费酒量的中位数多于8升。与以上结果一致。 二、Mann-Whitney-Wilcoxon检验 下表为8个亚洲国家和8个欧美国家2005年的人均国民收入数据。检验亚洲国家和欧美国家的人均国民收入是否有显著差异（α=0.05）。

《非参数统计》课程教学大纲

《非参数统计》课程教学大纲 Non-parametric statistics 课程代码：课程性质：专业方向理论课/选修 适用专业：统计开课学期：5 总学时数：32 总学分数：2.0 编写年月：2007.5 修订年月：2007.7 执笔：孙琳 一、课程的性质和目的 本课程是学习非参数统计和了解统计前沿的基本课程。本课程结合S-Plus 或R 软件来讲解非参数统计方法的原理与应用。本课程的目的是使学生认识到非参数统计方法是统计中最常用的推断方法之一，理解非参数统计方法和参数统计方法的区别，理解非参数统计的基本概念，掌握非参数统计的基本方法，能应用非参数统计方法去解决实际问题。 二、课程教学内容及学时分配 第一章引言（2学时） 本章内容：统计的概念，非参数统计的方法，参数统计与非参数统计的比较， 本章要求：了解非参数统计的历史，了解非参数统计方法和参数统计方法的区别，认识非参数统计方法的必要性。 第二章 S-Plus基础（6学时） 本章内容：S-Plus环境，向量的定义和表示，向量的基本操作，向量的基本运算，向量的逻辑运算，S-Plus 的图形功能， 本章要求：熟悉在S-Plus命令行中S-Plus基本数据处理，掌握在S-Plus命令行中进行基本数据基本运算，能编写简单的计算函数，会绘制基本图形。 第三章单一样本的推断问题（6学时） 本章内容：单样本推断问题，中心位置推断，符号检验，游程检验，Cox-staut趣势检验，分位数检验，Wilcoxon符号秩检验，分布检验，Kolmogorov-smirnov正态检验，Liliefor正态检验，中位数 检验问题、定性数据检验问题和成对数据检验问题，秩和检验。

非参数统计

非参数统计（nonparametric statistics）

复习： 参数(parameter) 参数统计:假定被检验的总体分布类型为已知的一类统计方法。 例如t检验、ANOVA要求总体：正态性和方差齐性等。

非参数统计（nonparametric statistics） 不依赖总体分布的类型，不对总体参数作估计或推断，只是检验分布（具体说是分布的位置）是否相同的一类统计方法。

非参数统计的优缺点 优点： 对资料无前提要求，应用范围广； 资料的收集和统计分析简便。 缺点： 对符合参数检验资料用非参数 检验时，因没有充分利用信息， 使检验效能 ； 历史较短，复杂的设计无对应方法； ③无概括性的数字说明总体。 。

非参数统计应用范围 不符合参数统计分析要求或不能通过数据 变换使资料满足参数检验要求的资料可用非参 数检验来分析。 偏态分布或未知分布资料或例数过少(难定分布）； 分布一端或两端无界：如10以下或10以上； ●不能或未加精确测量的资料：如等级资料； ?个别数值偏离过大； ?各组离散程度相差悬殊（即方差不齐）； ?不能满足参数检验要求的资料等。 综上所述：资料符合参数检验时，首选参数检验

常用的秩和检验(rank sum test) 配对设计Wilcoxon signed rank test 成组设计（两组）Wilcoxon rank sum test 成组设计（多组）Kruskal – Wallis test 多个样本两两比较Nemenyi test 随机区组设计资料Friedman’s M test