非参数统计实验一
非参数统计实验报告南邮
实验报告（2012 / 2013学年第一学期）课程名称非参数统计实验名称1、数据的描述性统计2、中心位置的检验问题3、多样本问题和区组设计问题的比较4、相关分析实验时间2012年 10月15-22日学生姓名班级学号学院(系)通达学院专业统计学实验一一、实验题目某航空公司为了解旅客对公司服务态度的满意程度，对50名旅客作调查，要求他们写出对乘机服务、机上服务和到达机场服务的满意程度，满意程度评分从0到100.分数越大，满意程度越高。
下表是收集到得数据。
50名旅客对乘机服务、机上服务和到达机场服务的满意程度的评分1、对50名旅客关于乘机服务的满意程度数据作描述性统计分析；2、对50名旅客关于机上服务的满意程度数据作描述性统计分析；3、对50名旅客关于到达机场服务的满意程度数据作描述性统计分析；4、对50名旅客关于这三个方面服务的满意程度数据作一个综合比较的描述性统计分析。
二、实验步骤1、乘机服务1）、直方图2）、箱线图C1 的箱线图959085801C757065603）、数值分析2、机上服务1）、直方图2）、箱线图3）、数值分析3、到达机场服务1）、直方图到达机场服务满意程度评分直方图141210864216-2526-3536-4546-5556-6566-7576-8586-95 2）、箱线图C3 的箱线图100908070603C50403020103）、数值分析5、综合比较C3C2C1100908070605040302010数据C1, C2, C3 的箱线图实验二一、实验题目某地区从事管理工作的职员的月收入的中位数是6500元，现有一个该地区从事管理工作的40个妇女组成的样本，她们的月收入数据如此下：5100 6300 4900 71004900 5200 6600 72006900 5500 5800 64003900 5100 7500 63006000 6700 6000 48007200 6200 7100 69007300 6600 6300 68006200 5500 6300 5400 4800（1）使用样本数据检验：该地区从事管理工作的妇女的月收入的中位数是否低于6500元（2）使用样本数据给出该地区从事管理工作的妇女的月收入的中位数的点估计和95%的区间估计。
非参数统计实验报告 南邮概要
非参数统计实验报告南邮概要南京邮电大学非参数统计实验报告。
实验目的，通过对一组数据的非参数统计分析，掌握非参数统
计方法的应用和实验技能。
实验内容，本次实验选取了一组实际数据，利用非参数统计方
法进行分析。
首先对数据进行了描述性统计分析，包括数据的中心
趋势和离散程度。
接着进行了正态性检验，验证数据是否符合正态
分布。
然后利用非参数统计方法进行了假设检验，比较了不同组数
据之间的差异。
实验结果，经过描述性统计分析，数据的均值为X，标准差为S。
正态性检验结果显示，数据不符合正态分布。
在进行了Wilcoxon秩
和检验后发现，不同组数据之间存在显著差异。
实验结论，通过本次实验，我们掌握了非参数统计方法的应用
技能，了解了非参数统计方法在实际数据分析中的重要性。
同时也
对数据的正态性检验和假设检验有了更深入的理解。
总结，本次实验通过对一组实际数据的非参数统计分析，加深了我们对非参数统计方法的理解，提高了我们的实验技能。
非参数统计方法在实际数据分析中具有重要的应用价值，我们需要不断学习和掌握这些方法，为今后的科研工作和实践应用做好准备。
非参数统计实验指导书
非参数统计实验指导书一、概述前面已经学习了参数估计与假设检验，其内容是在已知总体分布的条件下对一些主要参数（如均值、方差）进行估计和检验。
在进行参数估计和假设检验时一般要求总体服从正态分布，方差相等等假设条件，但在统计分析中许多实际问题并不一定满足这些假定，或者有些资料不是数值型（定距尺度），而是定类数据或定序数据，再用传统的参数方法进行分析就无能为力。
一般把不是参数的估计和检验问题已经不是建立在总体分布服从一定假设的基础上的有关统计方法，都称为非参数统计。
与参数统计方法相比较，非参数统计方法具有以下优点：1.要求假设条件少，适用范围广；2.许多非参数方法运算简单，可以较快取得结果，节省时间；3.直观上容易理解，不需要太多的数学和统计理论；4.适用一些计量水准比较低的资料，如定类尺度、定序尺度。
但是，由于非参数统计方法简单，计量水准低，损失了资料中的部分信息，因此当能与参数统计方法同时使用时，其敏感程度较低，检验的功效也较差。
二、二项检验二项分布是一种不连续分布，对一个由指定数目的试验组成的不确定过程进行描述。
每次试验只能有两种可能结果，成功或失败（是或否，1或0等），每次试验成功的概率是一个常数且独立于其他试验结果。
二项分布描述在指定数目的试验中成功的总次数，需要两个参数，一个是试验次数(n)，一个是每次试验成功的概率(P)。
二项检验主要用来检验一个样本序列是否服从给定概率p的二项分布。
将容量为n的样本数据转换为0,1数据，然后计算出1（成功）的个数n(1)，n(1)应服从二项分布b(n,p)。
建立检验假设如下：(一)双侧检验 H0：p＝p0（样本服从二项分布b(n,p0)）H1：p≠p0（样本不服从二项分布b(n,p0)）(二)左侧检验 H0：p＝p0（样本的成功概率大于等于给定概率p0）H1：p＜p0（样本的成功概率小于给定概率p0）(三)右侧检验 H0：p＝p0（样本的成功概率小于等于给定概率p0）H1：p＞p0（样本的成功概率大于给定概率p0）根据一定的显著水平，计算出临界值上限和下限。
第二讲-非参数统计检验
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 符号检验两种方法的处理效果无显著性差异令统计量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，则的值应明显偏大。
因此，若对给定的置信水平，有，则拒绝。
为真时，（1）服从二项分布。
拒绝域为：（2）由中心极限定理可知，当的零分布趋于标准正态分布。
拒绝域为：3.2 Wilcoxon秩和检验（1）单边假设检验两种方法的处理效果无显著性差异 as ：新方法优于对照方法。
用于检验的统计量为：若对给定的置信水平，有，则拒绝。
且的分布列为：根据观测结果计算的观测值，计算检验的p值：然后将值与显著水平作比较，若，则拒绝，否则接受。
（2）双边假设检验给定的显著水平应该满足：仅由上式还不能唯一确定，当我们对两种方法谁优谁劣不得而知时，通常取若利用p值进行检验，设,计算概率值由对称性可知，检验的p值为上述两概率中小于1/2的那一个的2倍。
例如则。
求出p值后，若p<a，拒绝,否则接受。
（3）列联表的独立性检验方法的处理效果无显著性差异：表示格子概率，表示三维列联表中事件发生的理论频数。
将概率用相应的频率频率去估计。
令其中：将样本数据代入统计量进行检验。
然后将P与显著水平作比较，若，拒绝，否则接受。
4. 实验相关SAS知识（1）独立样本的秩检验——proc npar1way过程proc npar1way过程的基本语句形式为proc npar1way [options];class variables;（proc npar1way过程不可缺少的语句）exact;（求出检验的精确p值）var variables;其中“options”可包含以下选项的部分或全部：①DATA=数据集名：指定要分析的数据集。
非参数统计实验一
实验报告课程名称：实验项目名称：姓名：学号：班级：指导教师：2016 年 3 月 10 日新疆财经大学实验报告实验要求与数据：1、产生50 个标准正态分布的随机数并画出它们的正态分布概率图形.2、画出参数变化的概率密度分布图，正态分布的u,σ变化，产生100个均值为5,标准差为1的正态分布的随机数,再产生100个均值为6,标准差为1的正态分布的随机数,画概率密度图3、设随机变量X取区间[-5,5]上步长为0.1的各值, 计算X的服从参数为5 的t 分布的概率,并画出概率密度函数图形，同时画出标准正态概率密度曲线，观察二者的区别.4、根据已知数据，求秩和正态得分1.set.seed(1)x<-seq(-5,5,length.out=50)y<-dnorm(x,0,1)plot(x,y,col="red",xlim=c(-5,5),ylim=c(0,1),type='l',xaxs="i",yaxs="i",ylab='density',xlab='',main="The Normal Density Distribution")lines(x,dnorm(x,0,0.5),col="green")lines(x,dnorm(x,0,2),col="blue")lines(x,dnorm(x,-2,1),col="orange")legend("topright",legend=paste("m=",c(0,0,0,-2),"sd=",c(1,0.5, 2,1)),lwd=1,col=c("red","green","blue","orange"))2.画出参数变化的概率密度分布图，正态分布的u,σ变化，产生100个均值为5,标准差为1的正态分布的随机数,再产生100个均值为6,标准差为1的正态分布的随机数,画概率密度图命令：set.seed(1)x <- seq(0,10,length.out=100)y <- dnorm(x,5,1)plot(x,y,col="red",xlim=c(0,10),ylim=c(0,1),type='l',xaxs="i", yaxs="i",ylab='density',xlab='',main="The Normal Density Distribution")lines(x,dnorm(x,6,1),col="green")legend("topright",legend=paste("m=",c(5,6)," sd=", c(1,1)), lwd=1, col=c("red", "green"))3.set.seed(1)x<-seq(-5,5,length.out=1000)y<-dt(x,1,0)plot(x,y,col="red",xlim=c(-5,5),ylim=c(0,0.5),type="l",xaxs="i ",yaxs="i",ylab='density',xlab='',main="The T Density Distribution")lines(x,dt(x,5,0),col="green")lines(x,dt(x,15,0),col="blue")lines(x,dt(x,100,0),col="orange")legend("topleft",legend=paste("df=",c(1,5,15,100),"ncp=",c(0,0 ,0,0)),lwd=1,col=c("red","green","orange")set.seed(1)x<-seq(-5,5,length.out=1000)y<-dunif(x,0,1)plot(x,y,col="red",xlim=c(0,10),ylim=c(0,2),type="l",xaxs="i",yaxs="i",ylab='density',xlab='',main="The Uniform Density Distribution")lines(x,dunif(x,0,0.5),col="green")lines(x,dunif(x,0,2),col="blue")lines(x,dunif(x,1,6),col="orange")lines(x,dunif(x,2,4),col="purple")legend("topright",legend=paste("m=",c(0,0,0,1,2),"sd=",c(1,0.5 ,2,6,4)),lwd=1,col=c("red","green","orange","purple")4. 根据已知数据用SPSS统计软件得到的结果为:（注：文档可能无法思考全面，请浏览后下载，供参考。
非参数统计(R软件)参考答案
非参数统计(R软件)参考答案本页仅作为文档封面，使用时可以删除This document is for reference only-rar21year.March内容：, ,上机实践：将MASS数据包用命令library(MASS)加载到R中，调用自带“老忠实”喷泉数据集geyer，它有两个变量：等待时间waiting和喷涌时间duration，其中…(1) 将等待时间70min以下的数据挑选出来;(2) 将等待时间70min以下,且等待时间不等于57min的数据挑选出来;(3) 将等待时间70min以下喷泉的喷涌时间挑选出来;(4) 将喷涌时间大于70min喷泉的等待时间挑选出来。
解:读取数据的R命令：library(MASS);#加载MASS包data(geyser);#加载数据集geyserattach(geyser);#将数据集geyser的变量置为内存变量(1) 依题意编定R程序如下：sub1geyser=geyser[which(waiting<70),1];#提取满足条件（waiting<70）的数据,which()，读取下标sub1geyser[1:5];#显示子数据集sub1geyser的前5行[1] 57 60 56 50 54(2) 依题意编定R程序如下：Sub2geyser=geyser[which((waiting<70)&(waiting!=57)),1];#提取满足条件（waiting<70& (waiting!=57)的数据.Sub2geyser[1:5];#显示子数据集sub1geyser的前5行[1] 60 56 50 54 60 ……原数据集的第1列为waiting喷涌时间，所以用[which(waiting<70),2](3)Sub3geyser=geyser[which(waiting<70),2];#提取满足条件（waiting<70）的数据,which()，读取下标Sub3geyser[1:5];#显示子数据集sub1geyser的前5行[1] ……原数据集的第2列为喷涌时间，所以用[which(waiting<70),2](4)Sub4geyser=geyser[which(waiting>70),1];#提取满足条件（waiting<70）的数据,which()，读取下标Sub4geyser[1:5];#显示子数据集sub1geyser的前5行[1] 80 71 80 75 77…….如光盘文件中的数据，一个班有30名学生，每名学生有5门课程的成绩，编写函数实现下述要求：(1) 以的格式保存上述数据；(2) 计算每个学生各科平均分，并将该数据加入(1)数据集的最后一列；(3) 找出各科平均分的最高分所对应的学生和他所修课程的成绩；(4) 找出至少两门课程不及格的学生，输出他们的全部成绩和平均成绩；(5) 比较具有(4)特点学生的各科平均分与其余学生平均分之间是否存在差异。
实验一 非参数估计方法实验
99.3
98.7
100.5
101.2
98.3
99.7
101.2
100.5
99.5
问：检验该日打包工作机是否正常？ 解：利用 R 语言进行求解，R 中的 t 检验程序和输出结果如下：
从输出结果来看， t=-0.3525, 自由度 n=8 ， P 值为 0.7336. 在显著性水平 α = 0.05 下， α < P = 0.7336，故拒绝原假设，即认为检验该日打包工作机不正常。 （3）在（1）的基础上续解 利用 R 语言做符号检验，在 R 语言中输入程序及输出结果如下：
12
27
33 -
利用 R 语言运行，输出结果如下：
从输出结果可以知道：当原假设为：促销前销售额 xf1 等于促销后销售额时；备择假设为： 促销前销售额 xf1 不等于促销后销售额时。做符号检验得到的结果可知：P 值为 0.03857，在显 著性水平 α = 0.05时， P ，此时可得到接受原假设，也就是说没有充分证据显示促销前的销 售额与促销后的销售额不相等。 (6)Wilcoxon 符号秩检验（利用（1）中的数据）
采用 Wilcoxon 符号秩检验，从 R 语言输出结果可以知道：在显著性水平 0.05 下， 因此， 可以得到因此此时接受原假设， 即认为该地区的平均楼盘价格与媒体公布的 3700 P ， 2 元/ m 的说法相符。
4.实验结果（或心得体会）
通过此次实验，我充分的掌握了 t 检验、符号检验的原理及函数调用，还有 t 检验、符号 检验的检验步骤及结果分析，并掌握实验报告的转写工作。此次实验之后，我对数据检验及分 析有了深层次的了解，将自己所检验的数据导入 R 语言软件中进行分析，最后得出的结果在生 活中有很大的益处，让我深深地体会到数据分析在现代这个大数据时代是一大热点。 最后通过此次实验，我也深深的体会到非参数检验方法在统计分析中占有很重要的位置， 而且在生活中的很多问题中需要对各种数据进行检验，因此一定要掌握好 R 语言软件的使用。
非参数统计课程实验报告
非参数统计课程实验报告姓名：樊凡学号：20XX2461成绩：指导老师：徐建文Wilcoxon 秩检验方法及其应用【内容提要】本实验要求掌握Wilcoxon 秩检验方法和步骤：掌握对两独立样本数据的秩和检验方法；理解Wilcoxon 秩检验方法的基本原理；在R软件环境下编写相关程序；用实际例子说明Wilcoxon方法的具体步骤。
【Wilcoxon 秩检验方法定义】威尔科克森符号秩检验是威尔科克森于1945年提出的。
该方法是在成对观测数据的符号检验基础上发展起来的，比传统的单独用正负号的检验更加有效。
它适用于T检验中的成对比较，但并不要求成对数据之差di服从正态分布，只要求对称分布即可。
检验成对观测数据之差是否来自均值为0的总体。
【Wilcoxon 秩检验方法步骤】正负符号检验和威尔科克森符号秩检验，都可看作是就成对观察值而进行的参数方式的T检验的代用品，非参数检验具有无需对总体分布作假定的优点，而就成对观察值作的参数方式的T检验，必须假定有关的差别总体服从正态分布。
该方法具体步骤如下：第一步：求出成对观测数据的差di，并将di的绝对值按大小顺序编上等级。
第二步：等级编号完成以后恢复正负号，分别求出正等级之和T+和负等级之和T-，选择T+和T-中较小的一个作为威尔科克森检验统计量T。
第三步；作出判断。
根据显著性水平α查附表，得到临界值Tα，若T＜Tα，则拒绝原假设H0。
当观测值不少于20对时，统计量T的均值和方差分别为：(n为成对观测的个数) (近似服从标准正态分布)若Z＜-Zα(单侧)或Z＜-Zα/2(双侧)，则拒绝H0。
【实验环境】Windows XP；R软件【实验方案设计】为研究我国上市公司公报对股价是否有显著影响。
现从上海证券交易所的上市公司随机抽取10家，观察其20XX 年年终财务报告公布前后三日的平均股价结果如下表：20XX年财务公告公布前后三日平均股价 3 4 5 6 7 8 9 10 上市公司序1 号 2 年报公布前 15 21 18 13 35 10 17 23 14 25 年报公布后 17 18 25 16 40 8 21 31 22 25 设Xi和Yi 分别为公布前后的第i组观察值，对i=1,2...10.计算各观察值对的偏差Di=Xi-Yi; 求偏差的绝对值|Di|=|Xi-Yi|;按偏差绝对值大小顺序排列，考虑各偏差的符号，利用R软件的求出偏差|Di|的秩，如下表所示：Xi Yi Di= Xi-Yi Di的符号 |Di|的秩 15 17 -2 2 21 183 3 18 25 -7 7 13 16 -3 3 35 40 -5 5 10 8 2 2 17 21 -44 23 31 -8 8 14 22 -8 8 25 25 0 0 76 5 令W 为XiYi0的XiYi的秩的和，而W为XiYi0的XiYi的秩的和，则TR(XiYi) ，TRi(XiYi)ii1i1nn。
非参数统计实验(全)新
第四章 非参数统计实验参数统计学中的许多统计分析方法的应用对总体都有严格的假定，例如，t 检验要求总体服从正态分布，F 检验要求误差呈正态分布且各组方差为齐性的等等，然而在现实生活中，有许多总体的分布我们却是一无所知或知之甚少，所以在参数模型中所建立的统计推断就会失效，于是，人们希望在不假定总体分布的情况下，尽量从数据本身来获得所需要的信息。
这就是非参数统计的宗旨。
非参数统计方法简便，适用性强，但检验效率较低，应用时应加以考虑。
实验一 卡方检验（Chi-square test ）实验目的：掌握卡方检验方法。
实验内容：一、2χ拟合优度检验 二、2χ独立性检验 三、2χ齐性检验 实验工具：SPSS 非参数统计分析菜单项和Crosstabs 菜单项。
知识准备：一、卡方拟合优度检验2χ检验(Chi —Square Test) 适用于拟合优度检验，适用于定类变量的检验问题，用来检验实际观察数目与理论期望数目是否有显著差异。
当检验问题是实际分布是否与理论分布相符合时，在大样本时也可以用分类数据的卡方检验来解决，这时的卡方检验也称为分布拟合的卡方检验。
若样本分为k 类，每类实际观察频数为k f f f ,,,21 ，与其相对应的期望频数为ke e e ,,,21 ，则检验统计量2χ可以测度观察频数与期望频数之间的差异。
其计算公式为：∑∑-=-==期望频数期望频数实际频数2122)()(ki ii i e e f χ很显然，实际频数与望频数越接近，2χ值就越小，若2χ＝0，则上式中分子的每—项都必须是0，这意味着k 类中每一类观察频数与期望频数完全一样，即完全拟合。
2χ统计量可以用来测度实际观察频数与期望频数之间的拟合程度。
在H 0成立的条件下，样本容量n 充分大时，2χ统计量近似地服从自由度df ＝k-1的2χ分布，因而，可以根据给定的显著性水平α，在临界值表中查到相应的临界值)1(2-k αχ。
若)1(22-≥k αχχ，则拒绝H 0，否则不能拒绝H 0。
非参数统计实验报告 南邮概要
非参数统计实验报告南邮概要非参数统计实验报告。
南邮概要。
在本次实验中，我们使用了非参数统计方法来分析数据，这些方法不依赖于总体参数的假设，适用于各种类型的数据分布。
我们的实验目的是研究南京邮电大学学生对校园生活满意度的情况。
首先，我们收集了一份问卷调查数据，包括学生对食堂、图书馆、宿舍等校园设施的满意度评分。
然后，我们使用了非参数统计方法，如Wilcoxon秩和检验和Mann-Whitney U检验，来分析这些数据。
这些方法可以帮助我们比较不同组之间的差异，而不需要假设数据服从特定的分布。
通过实验分析，我们发现学生对食堂的满意度评分显著高于对宿舍的评分，而对图书馆的评分则与宿舍的评分没有显著差异。
这些结果为学校改进校园设施提供了有益的参考。
总的来说，本次实验使用非参数统计方法成功地分析了南京邮
电大学学生对校园生活满意度的情况，为学校改进提供了有力的数据支持。
非参数统计方法的灵活性和适用性使得它们在实际应用中具有重要的价值，我们希望能够进一步探索和应用这些方法来解决更多的实际问题。
非参数课程设计--非参数统计
《非参数统计》课程设计指导书一、课程设计的目的：1.了解2011年9月中国居民消费价格分类指数的情况；2.充分运用Excel软件和Minitab软件来解决分析2011年9月中国居民消费价格分类指数的情况，并对未来居民消费价格水平做出假设与估计；3.学习非参数统计的思想，掌握统计软件的用法, 加深理解课程的研究方法，加强解决实际问题的能力；4.掌握用符号检验法，符号秩检验法处理数据。
二、设计名称：城市，农村居民消费价格分类指数是否存在显著性差异三、设计要求：1.利用Minitab软件和Excel简单分析2011年9月中国居民消费价格分类指数的情况；2.对居民消费价格分类数据进行具体的相应的线性分析，建立回归模型；3.更深层方面地对相关数据进行残差，拟合值和预测分析；4.掌握用符号检验法和符号秩和检验法去检验是否存在显著性差异；5.预测未来中国居民消费价格分类情况，并提出相关建议和意见。
四、设计过程：1.思考课程设计的目的，上网收集来源真实的数据；2.整理数据，简单分析数据间关系变化；3.应用统计软件来处理相关数据信息，对其做出详细分析；4.写出相应的实验报告，对结果进行分析，最后做出相应的总结；5.小组进行交流讨论，分享实验报告成果。
五、设计细则：1．上网收集下载数据，该数据必须为真实数据，具有可靠性；2. 根据非参数所学知识，自己先对相关数据做出简单分析；3. 利用Minitab软件和Excel充分处理分析数据，并给出详细解释；4. 认真填写实验报告，详细写明操作步骤和相关分析；5. 结合相关背景和知识对2011年9月中国居民消费价格分类指数情况提出建议与意见。
六、说明：1. 对于同一题可以采用不同的方法来检验，从而得出更详细的分析与解释；2. 符号检验法，符号秩检验法的相关知识点，统计相关软件的操作方法；3. 对于同一个问题要从不同角度考虑，学会多角度思考分析问题；4. 学会小组交流讨论，懂得与他人团结合作，加强团队交流合作精神。
非参数统计实验报告 南邮概要
非参数统计实验报告南邮概要非参数统计实验报告。
南邮概要。
本次实验旨在通过非参数统计方法，对南京邮电大学学生的学习成绩进行分析。
实验过程中，我们收集了100名学生的数学成绩作为样本数据，使用了Wilcoxon秩和检验和Mann-Whitney U检验两种非参数统计方法进行分析。
首先，我们对数学成绩的分布进行了观察，发现数据并不服从正态分布。
因此，我们选择了非参数统计方法来进行分析。
接着，我们使用了Wilcoxon秩和检验来比较不同学年的学生数学成绩之间的差异。
结果显示，不同学年的学生数学成绩在统计上存在显著差异。
随后，我们又使用Mann-Whitney U检验来比较男女学生的数学成绩之间的差异。
结果显示，男女学生的数学成绩在统计上也存在显著差异。
综合实验结果，我们得出结论，南京邮电大学学生的数学成绩在不同学年和性别之间存在显著差异。
这为学校在教学和管理上提供了一定的参考依据。
在实验过程中，我们也发现了一些问题，比如样本容量较小、数据收集不够全面等。
在今后的实验中，我们将会针对这些问题进行改进，以提高实验结果的可靠性和准确性。
总的来说，本次实验通过非参数统计方法对南京邮电大学学生的数学成绩进行了分析，并得出了一些有意义的结论。
希望这些结论能够为学校的教学和管理工作提供一定的参考价值。
非参数统计实验报告—两独立样本数据位置检验方法和尺度检验方法
非参数统计实验报告一、实验目的及要求学习两独立样本数据位置检验方法，包括Brown-Mood 检验，Man-Whitney 秩和检验，以及有打结情况的处理；尺度检验的方法，包括Mood 检验，Moses 检验。
掌握不同方法的适用条件（如Mood 检验假设两样本均值相等）,检验原理,并能够运用R 软件进行操作求解。
二、环境R 软件三、原理（一）Brown —Mood 检验将Y X 、两样本混合,求混合数据的中位数xy M ，记录样本X 中大于xy M 的个数A ，A 的分布服从超几何分布，A 太小或太大时考虑拒绝原假设。
(只有方向的信息，没有差异大小的信息）（二）Man-Whitney 秩和检验假设，来自于样本来自于样本)(,...,,Y ),(...,,2121b n a m y F Y Y x F X X X μμ--相互独立。
与并且n m Y Y Y X X X ,...,,,...,,2121把两样本混合，求混合数据的秩R ，计算样本1821...,,X X X 的秩和X W ,样本1821,...,,Y Y Y 的秩和Y W ，并进行比较.其中2)1(,2)1(++=++=n n W W m m W W XY Y YX X ，),,(#i m n j YX I j I i X Y W ∈∈<=，表示混合数据中样本1821,...,,Y Y Y 小于样本1821...,,X X X 的个数。
如果X W 过大或者过小,那么数据将支持y H μμ>x 1:或者y H μμ<x 1:，将不能证明两样本形成的序列是一个随机的混合，将拒绝X 、Y 来自相同总体的零假设。
(充分利用差异大小的信息)（三）Mood 检验前提假定Y X 、两样本具有相同的均值，将Y X 、两样本混合，求混合数据中样本X 的秩i R ，构造统计量∑=++-=mi i n m R M 12)21(，M 偏大,则样本X 的方差可能偏大，可以对大的M 拒绝零假设。
第一讲非参数统计分析常规实验报告
桂林电子科技大学表示中心位置的数值
注：在平方值距离方法下，数据中心位置的代表是平均值。
即
2.按下面顺序作数据的频数分布表和直方图：
3.利用Excel 求衡量中心位置和离散程度的数值表述统计量。
由于正态分布的偏度s β等于0，所以样本偏度s β可作为正态性检验问题的检验统计量。
在“02*(1((60/5)*,0,1,1))normdist sqrt β=-”就得到
p 值。
经计算可得机上服务、服务的p 值分别为：0.6359、0.8336、 0.2559。
三个p 值都大于0.05.即三者都不能拒绝原假设，即可以认为机上服务、乘机服务、到达机场服务服从正态分布。
五，实验结果分析或总结
通过这次实验，我了解了Excel 的程序结构及其使用方法；知道了如何用对原始数据进行描述性统计分析。
非参数统计实验报告 南邮
实验报告（2012 / 2013学年第一学期）课程名称非参数统计实验名称1、数据的描述性统计2、中心位置的检验问题3、多样本问题和区组设计问题的比较4、相关分析实验时间2012年 10月15-22日学生姓名班级学号学院(系)通达学院专业统计学实验一一、实验题目某航空公司为了解旅客对公司服务态度的满意程度，对50名旅客作调查，要求他们写出对乘机服务、机上服务和到达机场服务的满意程度，满意程度评分从0到100.分数越大，满意程度越高。
下表是收集到得数据。
2、对50名旅客关于机上服务的满意程度数据作描述性统计分析；3、对50名旅客关于到达机场服务的满意程度数据作描述性统计分析；4、对50名旅客关于这三个方面服务的满意程度数据作一个综合比较的描述性统计分析。
二、实验步骤1、乘机服务1）、直方图2）、箱线图3）、数值分析2、机上服务1）、直方图2）、箱线图3）、数值分析3、到达机场服务1）、直方图2）、箱线图3）、数值分析5、综合比较实验二一、实验题目某地区从事管理工作的职员的月收入的中位数是6500元，现有一个该地区从事管理工作的40个妇女组成的样本，她们的月收入数据如此下：5100 6300 4900 71004900 5200 6600 72006900 5500 5800 64003900 5100 7500 63006000 6700 6000 48007200 6200 7100 69007300 6600 6300 68006200 5500 6300 5400 4800（1）使用样本数据检验：该地区从事管理工作的妇女的月收入的中位数是否低于6500元？（2）使用样本数据给出该地区从事管理工作的妇女的月收入的中位数的点估计和95%的区间估计。
二、实验步骤H0：中位数等于6500元 H1：中位数低于6500元中位数的符号检验: C1中位数 = 6500 与 < 6500 的符号检验N 下方相等上方 P 中位数C1 40 26 1 13 6200MTB >P=>,所以拒绝原假设，认为中为数低于6500.符号置信区间: C1中位数的符号置信区间取得的置信区间N 中位数置信度下限上限位置C1 40 6200 5800 6400 155800 6459 非线性插值5800 6500 14MTB >所以中位数95%的置信区间为[5800,6459].实验三一、实验题目为检验两种燃料添加剂对客车每加仑汽油行驶里程数的影响是否不同，随机挑选12辆车，让每一辆车都先后使用这两种添加剂。
《非参数统计》课程教学大纲
非参数统计Non-parametricStatistics一、课程基本信息学时：48（含实验8学时）学分：3考核方式：考试，平时成绩占总成绩30%。
中文简介：非参数统计为有效地分析试验设计及其实际问题中所获得的数据提供了丰富的统计工具。
本课程从问题背景与动机、方法引进、理论基础、计算机实现、应用实例等诸多方面介绍了非参数统计方法，其内容包括：基于二项分布的检验、列联表、秩检验、Ko1mogorov-Smirnov 型统计量等。
本课程在强调实用性的同时，突出了应用方法与理论的结合。
在人才培养体系中，该课程属于选修课程，但建议每个统计学专业的学生必须掌握若干种非参数统计方法，以其作为其他重要统计方法的补充。
特别是针对名义数据分析及有序数据分析时相当有用。
二、教学目的与要求非参数统计是研究随机现象存在的统计规律的学科，其在经济、工农业生产和科学技术等领域有广泛的应用，是一门应用性很强的一门课程。
本课程（1）使学生掌握非参数理论的基本原理和方法，重点掌握单样本，多样本的位置检验和尺度检验，以及相关检验和分布检验。
注意与参数统计的区别；（2）结合实际例子，运用非参数理论，提高学生运用该工具解决实际问题的能力。
（3）使学生进一步掌握具体与抽象、偶然与必然、特殊与一般等辨证关系，培养学生辨证唯物主义观点。
三、教学方法与手段教学中主要采用课堂教学的方法，当中穿插大量的案例，同时预留课堂讨论与练习的时间让学生进行实际的操作。
本课程同时设立计算机上机课程，由老师自编实验指导书详细指导学生进行上机实践，强调动脑与动手相结合，理论与实践相结合。
o五、推荐教材和教学参考资源教材：非参数统计：基于R语言案例分析，柳向东编，暨南大学出版社，2010年12月（第1版）参考资料：1）非参数统计，王星编著，北京：中国人民大学出版社，2（X）5年1月（第一版）2）非参数统计方法，吴喜之等，北京：高等教育出版社，1996年（第1版）3）孙山泽.非参数统计讲义.北京：北京大学出版社，2000。
《非参数统计》SPSS实验指导书
《非参数统计》SPSS实验指导书非参数统计分析―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 T est：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。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实验报告
课程名称：
实验项目名称：
姓名：
学号：
班级：
指导教师：
2016 年 3 月 10 日
新疆财经大学实验报告
实验要求与数据：
1、产生50 个标准正态分布的随机数并画出它们的正态分布概率图形.
2、画出参数变化的概率密度分布图，正态分布的u,σ变化，产生100个均值为5,标准差为1的正态分布的随机数,再产生100个均值为6,标准差为1的正态分布的随机数,画概率密度图
3、设随机变量X取区间[-5,5]上步长为0.1的各值, 计算X的服从参数为5 的t 分布的概率,并画出概率密度函数图形，同时画出标准正态概率密度曲线，观察二者的区别.
4、根据已知数据，求秩和正态得分
1.set.seed(1)
x<-seq(-5,5,length.out=50)
y<-dnorm(x,0,1)
plot(x,y,col="red",xlim=c(-5,5),ylim=c(0,1),type='l',xaxs="i", yaxs="i",ylab='density',xlab='',main="The Normal Density Distribution")
lines(x,dnorm(x,0,0.5),col="green")
lines(x,dnorm(x,0,2),col="blue")
lines(x,dnorm(x,-2,1),col="orange")
legend("topright",legend=paste("m=",c(0,0,0,-2),"sd=",c(1,0.5, 2,1)),lwd=1,col=c("red","green","blue","orange"))
2.画出参数变化的概率密度分布图，正态分布的u,σ变化，产生100个均值为5,标准差为1的正态分布的随机数,再产生100个均值为6,标准差为1的正态分布的随机数,画概率密度图
命令：
set.seed(1)
x <- seq(0,10,length.out=100)
y <- dnorm(x,5,1)
plot(x,y,col="red",xlim=c(0,10),ylim=c(0,1),type='l',
xaxs="i", yaxs="i",ylab='density',xlab='',
main="The Normal Density Distribution")
lines(x,dnorm(x,6,1),col="green")
legend("topright",legend=paste("m=",c(5,6)," sd=", c(1,1)), lwd=1, col=c("red", "green"))
3.set.seed(1)
x<-seq(-5,5,length.out=1000)
y<-dt(x,1,0)
plot(x,y,col="red",xlim=c(-5,5),ylim=c(0,0.5),type="l",xaxs="i ",yaxs="i",ylab='density',xlab='',main="The T Density Distribution")
lines(x,dt(x,15,0),col="blue")
lines(x,dt(x,100,0),col="orange")
legend("topleft",legend=paste("df=",c(1,5,15,100),"ncp=",c(0,0 ,0,0)),lwd=1,col=c("red","green","orange")
set.seed(1)
x<-seq(-5,5,length.out=1000)
y<-dunif(x,0,1)
plot(x,y,col="red",xlim=c(0,10),ylim=c(0,2),type="l",xaxs="i", yaxs="i",ylab='density',xlab='',main="The Uniform Density Distribution")
lines(x,dunif(x,0,0.5),col="green")
lines(x,dunif(x,1,6),col="orange")
lines(x,dunif(x,2,4),col="purple")
legend("topright",legend=paste("m=",c(0,0,0,1,2),"sd=",c(1,0.5 ,2,6,4)),lwd=1,col=c("red","green","orange","purple")
4. 根据已知数据用SPSS统计软件得到的结果为:。