非参数检验

非参数检验适用于哪些情况

收藏推荐 在单因素计量资料的统计分析中,我们通常要对均数作参数估计或假设检验,但这些方法需满足下述三个条件:①抽样总体为正态分布或近似正态分布,②各抽样总体为等方差或方差齐性;③各变量值间是相互独立的.又如用积差法计算简单直线相关系数,也要求抽样总体为正态双变量.但在实际应用上,某些总体的分布形状有时并不知道,或者总体分布的正态性假定并不能得到实现,尤其在医学和生物学领域中,有关总体的分布难得满足正态性的要求.于是一种非参数检验就很需要了.归纳起来,非参数检验适用于下列情况:1.等级顺序资料:即将观察单位技某种属性的不同程度分组计数,得到各组观察单位数.例如:用某药治疗一批老慢支病人,其疗效分为近控、显效、有效、无效四个等级,其等级最按疗效好坏的顺序划分的,又如肾炎病人尿中蛋白含量以一、士、+、十十、十+十、+十十十顺序等级划分,然后按各等级点计人数.上述情况均属等级顺序资料,这些资料不易精确定量.若要比较疗效,可用非参数方法中的秩和检验等.

非参数检验方法有哪些

非参数检验主要用在不符合正态分布的数据。而且为啥叫非参数检验呢？因为没有对具体的参数进行检验（貌似是一句废话）。因为参数检验一般是对两组或者多组数据的参数（总体的一些特征，如方差）进行检验。而非参数检验就是直接用样本数据推算总体情况，故而木得参数。非参数检验主要有三种：Wilcox秩和检验（两组）, Kruskal Wallis秩和检验（多组）和Friedman秩和检验（区组）。1、Wilcox秩和检验两组数据的检验，可以在检验之前判断一下是否符合正态分布。好了，既然都符合，那就可以选择参数检验。但是我们这里讲的是非参数检验，这里需要说明如果数据分布很规整，其实参数和非参数的差别不大。所以，继续非参数检验。2、Kruskal Wallis秩和检验完全随机设计多个样本的Kruskal Wallis秩和检验。3、Friedman秩和检验针对随机区组设计的Friedman秩和检验 。啥叫个随机区组实验？这里加一句，我个人最讨厌名词解释，所谓名词解释就是用一段人类听不懂的话翻译一个人类听不同的词。所以最好的解释方法还是举栗子说明，简单直白。这里就举个栗子，假如有三个（组）小鼠A、B和C。这三个小鼠的身体状况差别很大，A非常强壮，称得上是鼠界的金钟国（们）；B一般，是普通的老鼠（们）；C就非常的弱，就是鼠界的王鼻子（们）。然后对每只老鼠都进行多个处理，例如：缺氧处理、溺水处理、电击处理等等（为啥要处理的这么残忍？？？），查看小鼠的血管扩张程度（即检测值）。这样做有个什么好处？可以消除（减弱）区组间误差值。即避免金钟国（们）和王鼻子（们）本身的差别。想要知道，不同组在不同处理之后，是否存在显著差异，就用friedman.test。friedman.test(y~A|B)# y是检测量（数值型向量）， A 代表处理组，B代表区组 。

与参数检验相比非参数检验的特点是什么

参数检验和非参数检验的相同之处是计量资料一般都可以采用。但是对于能使用参数检验的，首选参数检验，对不能满足条件的才选用非参数检验。因为参数检验能充分利用提供的信息，统计分析的效率较高。而非参数检验不直接分析原始测量值，从而有可能会降低它的检验效率。满足参数检验要求的资料分析时应首选参数检验方法。不满足参数检验要求的资料应选非参数检验。扩展资料：参数检验和非参数检验的区别：1、参数检验是针对参数做的假设,非参数检验是针对总体分布情况做的假设,这个是区分参数检验和非参数检验的一个重要特征。2、参数检验和非参数检验根本区别在于参数检验要利用到总体的信息（总体的分布、总体的一些参数特征，如方差），以总体分布和样本信息对总体参数做出推断；3、参数检验只能用于等距数据和比例数据,非参数检验主要用于记数数据.也可用于等距和比例数据,但精确性就会降低。参考资料来源：百度百科-参数检验参考资料来源：百度百科-非参数检验