1 第四章 非参数检验 （Nonparametric Tests菜单） 本章学习内容 3.1 非参数检验概述 3.2 卡方检验（Chi Squ are） 3.3 二项分布检验（Binomial） 3.4 单样本K-S检验（1 Sample K-S Tests） 3.5 单样本变量值随机性检验（Ru ns） 3.6 两独立样本非参数检验（2 independent Samples） 3.7 多独立样本非参数检验（K independent Samples） 3.7 两相关样本非参数检验（2 Related Samples） 3.8 多相关样本非参数检验（K Related Samples） 具体内容 3.1 非参数检验概述 非参数检验是统计推断的一个重要组成部分，它与参数检验共同构成统计推断的基本内容。参数检验是在假定知道总体分布形式的情况下，对总体分布的某些参数，如均值、方差等进行推断检验。但是，在现实生活中，由于种种原因，人们往往无法对总体的分布形态作简单的假定，但又希望能从样本数据中获得尽可能多的所需要信息。非参数检验正是基于这种考虑，在总体分布位置或知道甚少的情况下，利用样本数据对总体的分布形态或分布参数进行推断。 参数检验与非参数检验方法对照表 样本类型 参数检验方法 非参数检验方法 单个样本 t检验法 卡方检验 二项分布检验 单样本k-s检验 单样本变量值随机性检验 两个独立样本 独立样本t检验法 两独立样本非参数检验 曼-惠特尼-U检验 两个相关样本 配对t检验法 两相关样本非参数检验 普通符号法（sign） 多个独立样本 单因素方差分析 多独立样本非参数检验 K-W-H方法 多个相关样本 多因素方差分析 多相关样本非参数检验 Friedman方法 3.2 卡方检验（Chi-Square） 总体分布的卡方检验就是根据样本数据推断总体的分布与期望分布或某一理论分布是否有显著差异。它的零假设是H0：样本来自的总体其分布形态与期望分布或某一理论分布无显著差异。总体分布的卡方检验是一种吻合性检验，比较适合于单个因素的多项分类的数据分析。 单样本 独立样本 样本 2 实例分析： 医学家在研究心脏病人猝死人数与日期的关系时发现，一周之中，星期一心脏病人猝死者较多，其他日期则基本相当，比例近似为2.8：1：1：1：1：1：1。现收集到样本数据168个，据此推断其总体分布是否与假定的分布相吻合。见“心脏病人猝死日期.sav”。 具体操作如下： AnalyzeNonparametric Tests Chi-Square，打开卡方检验对话框，如下图。 心脏病猝死日期5553.51.52319.13.91819.1-1.11119.1-8.1...
