5总结均值假设检验
合集下载
相关主题
- 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)。
data Gossypol; input Dose n; do i=1 to n; input Gain @@; output; end; datalines; 方差分析是检验多个样本均数间差异 0 16 228 229 218 216 224 208 235 229 233 219 224 220 232 200 208 232 是否具有统计意义的一种方法 .04 11 186 229 220 208 228 198 222 273 216 198 213 .07 12 179 193 183 180 143 204 114 188 178 134 208 196 .10 17 130 87 135 116 118 165 151 59 126 64 78 94 150 160 122 110 178 .13 11 154 130 130 118 118 104 112 134 98 100 104 ; proc npar1way data=Gossypol; class Dose; var Gain; run;
Basic Statistical Measures Location Mean Median Mode 100.0263 99.5000 84.0000 Variability Std Deviation Variance Range Interquartile Range 22.77393 518.65205 99.50000 28.50000
输出结果1 ቤተ መጻሕፍቲ ባይዱ出结果1
The UNIVARIATE Procedure Variable: weight (Weight in pounds) Moments N Mean Std Deviation Skewness Uncorrected SS Coeff Variation 19 100.026316 22.7739335 0.18335097 199435.75 22.7679419 Sum Weights Sum Observations Variance Kurtosis Corrected SS Std Error Mean 19 1900.5 518.652047 0.68336484 9335.73684 5.22469867
Variable time
N 20
Mean 89.85
Std Dev 19.146
Std Err 4.2811
T-Tests Variable time DF 19 t Value 2.30 Pr > |t| 0.0329
单样本均值假设检验
非正态分布（univariate过程） 非正态分布（univariate过程） 过程
输出结果1 输出结果1
The SAS System The MEANS Procedure Analysis Variable : w Lower 99% Upper 99% Coeff of CL for Mean CL for Mean Range Corrected SS Skewness Variation Std Dev ------------------------------------------------------------------------------------------------17.0126683 13.0652999 99.5000000 9335.74 0.1833510 -1153.88 22.7739335 -17.0126683 13.0652999 -----------------------------------------------------------------------------------------------Analysis Variable : w Kurtosis Std Error Sum Maximum Sum Wgts Mean Minimum -----------------------------------------------------------------------------------------------0.6833648 5.2246987 -37.5000000 48.0000000 19.0000000 -1.9736842 -51.5000000 -----------------------------------------------------------------------------------------------Analysis Variable : w N USS N Variance Miss t Value Pr > |t| ----------------------------------------------------------------9409.75 19 518.6520468 0 -0.38 0.7100 • -------------------------------------------------------1
Tests for Normality Test Shapiro-Wilk Kolmogorov-Smirnov Cramer-von Mises Anderson-Darling --Statistic--W D W-Sq A-Sq 0.965083 0.134048 0.057963 0.366427 -----p Value-----Pr Pr Pr Pr < > > > W 0.6756 D >0.1500 W-Sq >0.2500 A-Sq >0.2500
输出结果1 输出结果1
OneOne-Sample t Test 13 The TTEST Procedure Statistics Lower CL Mean 82.447 Upper CL Mean 97.253 Lower CL Std Dev 15.2 Upper CL Std Dev 26.237
两样本均值假设检验： 两样本均值假设检验：独立组
正态分布（ttest过程） 正态分布（ttest过程） 过程 非正态分布（npar1way过程 过程） 非正态分布（npar1way过程）
两样本均值假设检验： 两样本均值假设检验：成对组
正态分布（ttest过程，mean过程， 正态分布（ttest过程，mean过程， 过程 过程 univariate过程 过程） univariate过程） 非正态分布（univariate过程 过程） 非正态分布（univariate过程） 与单样本均值假设检验是一样的。 与单样本均值假设检验是一样的。
多样本均值假设检验
方差分析是检验多个样本均数间差异 方差分析是检验多个样本均数间差异 是否具有统计意义的一种方法 正态分布（anova过程） 正态分布（anova过程） 过程
非正态分布（npar1way过程） 非正态分布（npar1way过程） 过程
多样本均值假设检验： 多样本均值假设检验：非正态
均值假设检验
均值假设检验
首先做正态性检验（univariate过程） 首先做正态性检验（univariate过程） 过程 proc univariate data=sasuser.class plot normal; var height weight; Run;
均值假设检验
• 单样本均值假设检验
NOTE: The mode displayed is the smallest of 4 modes with a count of 2.
Tests for Location: Mu0=100 Test Student's t Sign Signed Rank -Statistict 0.005037 M -0.5 S -6 -----p Value-----Pr > |t| Pr >= |M| Pr >= |S| 0.9960 1.0000 0.8210
Tests for Location: Mu0=100 Test -Statistic-----p Value------
Student's t t 0.005037 Pr > |t| 0.9960 Sign M -0.5 Pr >= |M| 1.0000 Signed Rank S -6 Pr >= |S| 0.8210
单样本均值假设检验
正态分布（ttest过程） 正态分布（ttest过程） 过程 （ttest1.sas） 'Onetitle 'One-Sample t Test'; data time; input time @@; datalines; 43 90 84 87 116 95 86 99 93 92 121 71 66 98 79 102 60 112 105 98 ; run; run 0.1; proc ttest h0=80 alpha=0.1 80 0.1 var time; run; run
–正态分布 正态分布 –非正态分布 非正态分布
• 两样本均值假设检验
–独立组 独立组 –成对组 成对组
单样本均值假设检验
正态分布（means过程、univariate过程、ttest过程） 正态分布（means过程、univariate过程、ttest过程） 过程 过程 过程 （means1.sas） data class; set sasuser.class; w=weight-102 102; 102 run; run proc means data=class CLM RANGE CSS SKEW CV STD KURTOSIS STDERR LCLM SUM MAX SUMWGT MEAN UCLM MIN USS N VAR NMISS t prt alpha=0.01 0.01; 0.01 var w; output out=classout n=noofstudent mean=meanclass std=std; run; run proc print data=classout; run; run
Tests for Normality Test --Statistic-------p Value------
Shapiro-Wilk W 0.965083 Pr < W 0.6756 Kolmogorov-Smirnov D 0.134048 Pr > D >0.1500 Cramer-von Mises W-Sq 0.057963 Pr > W-Sq >0.2500 Anderson-Darling A-Sq 0.366427 Pr > A-Sq >0.2500
输出结果2 输出结果2
The SAS System Obs 1 _TYPE_ 0 _FREQ_ 19 noofstudent 19 meanclass -1.97368 std 22.7739 2
单样本均值假设检验
正态分布（univariate过程） 正态分布（univariate过程） 过程 （univarite1.sas） proc univariate data=sasuser.class plot normal mu0=60 100 ; 60 var height weight; output out= univout mean= classmean median= classmedian var=var pctlpre= classa pctlpts= 50 50, 2.5; 95 to 100 by 2.5 Run; Run proc print data=univout; run; run
Basic Statistical Measures Location Mean Median Mode 100.0263 99.5000 84.0000 Variability Std Deviation Variance Range Interquartile Range 22.77393 518.65205 99.50000 28.50000
输出结果1 ቤተ መጻሕፍቲ ባይዱ出结果1
The UNIVARIATE Procedure Variable: weight (Weight in pounds) Moments N Mean Std Deviation Skewness Uncorrected SS Coeff Variation 19 100.026316 22.7739335 0.18335097 199435.75 22.7679419 Sum Weights Sum Observations Variance Kurtosis Corrected SS Std Error Mean 19 1900.5 518.652047 0.68336484 9335.73684 5.22469867
Variable time
N 20
Mean 89.85
Std Dev 19.146
Std Err 4.2811
T-Tests Variable time DF 19 t Value 2.30 Pr > |t| 0.0329
单样本均值假设检验
非正态分布（univariate过程） 非正态分布（univariate过程） 过程
输出结果1 输出结果1
The SAS System The MEANS Procedure Analysis Variable : w Lower 99% Upper 99% Coeff of CL for Mean CL for Mean Range Corrected SS Skewness Variation Std Dev ------------------------------------------------------------------------------------------------17.0126683 13.0652999 99.5000000 9335.74 0.1833510 -1153.88 22.7739335 -17.0126683 13.0652999 -----------------------------------------------------------------------------------------------Analysis Variable : w Kurtosis Std Error Sum Maximum Sum Wgts Mean Minimum -----------------------------------------------------------------------------------------------0.6833648 5.2246987 -37.5000000 48.0000000 19.0000000 -1.9736842 -51.5000000 -----------------------------------------------------------------------------------------------Analysis Variable : w N USS N Variance Miss t Value Pr > |t| ----------------------------------------------------------------9409.75 19 518.6520468 0 -0.38 0.7100 • -------------------------------------------------------1
Tests for Normality Test Shapiro-Wilk Kolmogorov-Smirnov Cramer-von Mises Anderson-Darling --Statistic--W D W-Sq A-Sq 0.965083 0.134048 0.057963 0.366427 -----p Value-----Pr Pr Pr Pr < > > > W 0.6756 D >0.1500 W-Sq >0.2500 A-Sq >0.2500
输出结果1 输出结果1
OneOne-Sample t Test 13 The TTEST Procedure Statistics Lower CL Mean 82.447 Upper CL Mean 97.253 Lower CL Std Dev 15.2 Upper CL Std Dev 26.237
两样本均值假设检验： 两样本均值假设检验：独立组
正态分布（ttest过程） 正态分布（ttest过程） 过程 非正态分布（npar1way过程 过程） 非正态分布（npar1way过程）
两样本均值假设检验： 两样本均值假设检验：成对组
正态分布（ttest过程，mean过程， 正态分布（ttest过程，mean过程， 过程 过程 univariate过程 过程） univariate过程） 非正态分布（univariate过程 过程） 非正态分布（univariate过程） 与单样本均值假设检验是一样的。 与单样本均值假设检验是一样的。
多样本均值假设检验
方差分析是检验多个样本均数间差异 方差分析是检验多个样本均数间差异 是否具有统计意义的一种方法 正态分布（anova过程） 正态分布（anova过程） 过程
非正态分布（npar1way过程） 非正态分布（npar1way过程） 过程
多样本均值假设检验： 多样本均值假设检验：非正态
均值假设检验
均值假设检验
首先做正态性检验（univariate过程） 首先做正态性检验（univariate过程） 过程 proc univariate data=sasuser.class plot normal; var height weight; Run;
均值假设检验
• 单样本均值假设检验
NOTE: The mode displayed is the smallest of 4 modes with a count of 2.
Tests for Location: Mu0=100 Test Student's t Sign Signed Rank -Statistict 0.005037 M -0.5 S -6 -----p Value-----Pr > |t| Pr >= |M| Pr >= |S| 0.9960 1.0000 0.8210
Tests for Location: Mu0=100 Test -Statistic-----p Value------
Student's t t 0.005037 Pr > |t| 0.9960 Sign M -0.5 Pr >= |M| 1.0000 Signed Rank S -6 Pr >= |S| 0.8210
单样本均值假设检验
正态分布（ttest过程） 正态分布（ttest过程） 过程 （ttest1.sas） 'Onetitle 'One-Sample t Test'; data time; input time @@; datalines; 43 90 84 87 116 95 86 99 93 92 121 71 66 98 79 102 60 112 105 98 ; run; run 0.1; proc ttest h0=80 alpha=0.1 80 0.1 var time; run; run
–正态分布 正态分布 –非正态分布 非正态分布
• 两样本均值假设检验
–独立组 独立组 –成对组 成对组
单样本均值假设检验
正态分布（means过程、univariate过程、ttest过程） 正态分布（means过程、univariate过程、ttest过程） 过程 过程 过程 （means1.sas） data class; set sasuser.class; w=weight-102 102; 102 run; run proc means data=class CLM RANGE CSS SKEW CV STD KURTOSIS STDERR LCLM SUM MAX SUMWGT MEAN UCLM MIN USS N VAR NMISS t prt alpha=0.01 0.01; 0.01 var w; output out=classout n=noofstudent mean=meanclass std=std; run; run proc print data=classout; run; run
Tests for Normality Test --Statistic-------p Value------
Shapiro-Wilk W 0.965083 Pr < W 0.6756 Kolmogorov-Smirnov D 0.134048 Pr > D >0.1500 Cramer-von Mises W-Sq 0.057963 Pr > W-Sq >0.2500 Anderson-Darling A-Sq 0.366427 Pr > A-Sq >0.2500
输出结果2 输出结果2
The SAS System Obs 1 _TYPE_ 0 _FREQ_ 19 noofstudent 19 meanclass -1.97368 std 22.7739 2
单样本均值假设检验
正态分布（univariate过程） 正态分布（univariate过程） 过程 （univarite1.sas） proc univariate data=sasuser.class plot normal mu0=60 100 ; 60 var height weight; output out= univout mean= classmean median= classmedian var=var pctlpre= classa pctlpts= 50 50, 2.5; 95 to 100 by 2.5 Run; Run proc print data=univout; run; run