非参数正态性检验

Lilliefors正态性检验 Lilliefors检验是一种用于检验数据是否符合正态分布的非参数统计方法。 阅读详情

前面两节介绍了采用Q-Q图和偏度与峰度来对采集样本进行正态性检验,本节介绍非参数性的正态性检验,非参数性的正态性检验算法思想大致相同,算法思想步骤为:首先假设条件H0成立,然后计算采集样本的统计量,最后在已知统计量分布的情况下比较统计量与显著性水平α的大小,根据比较结果判断是否拒绝检验假设H0(如下图)。

                                      

本文首先介绍了非参数正态性检验算法如拟合优度检验,K-S检验,S-W检验等,最后比较各非参数性正态检验的适用条件。

                                                                             1、拟合优度检验 


是在总体X的分布未知时,根据来自总体的样本,检验关于总体分布的假设的一种检验方法,比较样本的经验分布和所假设的理论分布之间的吻合程度来决定是否接受总体分布的原假设。比如,记录小明最近一年每天花在学习英语的时间,判断小明是否是英语爱好者。运用检验法来判断的步骤是:


(1)假设小明是英语爱好者。

(2)统计英语爱好者最近一年内每天学习英语的时间。

(3)计算英语爱好者每天学习英语的时间与小明每天学习英语的时间的差异,再计算这一年内学习英语时间的总差异,若总差异结果超过某一阈值,拒绝假设,即小明不是英语爱好者;反之,不拒绝假设,即小明是英语爱好者。


在用检验法检验假设H0时,需要用极大似然估计计算检验假设H0的参数,比如,若H0是正态分布,则需要用极大似然估计计算均值和方差;若H0是指数分布,则需要用极大似然估计计算均值;

验统计量为:

其中r是检验假设H0模型的被估参数,n为样本容量,离散化样本容量成k段,Pi为假设检验H0成立时第i个分段的频率,n*Pi,fi分别为第i段的理论频数和实际频数。


皮尔逊证明了统计量的分布服从(k-r-1)个自由度的分布的前提是样本容量n足够大。使用拟合优度检验正态分布需要注意大样本容量和n*Pi不能太小(≥5)这两个条件,若某一段出现的频数太小,则与其他的分段合并,达到频数≥5的条件。

最后比较样本检验统计量数值与显著性水平α的大小,来判断假设是否成功。

【例】

 

解:H0:IQ得分服从正态分布,H1:不服从正态分布,α=0.05,X = 101.294,S =15.585

 

其中Oi为第i段的实际观测频数,Ei为第i段的理论频数。因为最后两组的观测频数过小,则合并最后三组成一组,该组频数为8。

       自由度 v = 7-1-2 = 4,,统计量=1.63832  < 9.49,所以不拒绝零假设H0,即IQ得分服从正态分布。

                                                                         2、K-S正态性检验


S检验是通过比较样本经验分布函数与给定分布函数来推断该样本是否来自给定分布函数的总体。比较容量n的经验分布函数Fn(x)与给定分布函数F0(x)的间隔,构造统计量D为两个分布函数的间隔最大值,如下图。

                                                                 

 


步骤:

(1)提出假设:H0:Fn(x)= F0(x),H1:Fn(x)≠F0(x)。

(2)计算统计量D。

(3)根据给定的显著性水平α和样本数据个数n,确定单样本K-S检验的临界值Dα(n)。

(4)若,则不拒绝假设H0;反之,拒绝假设H0。


 这个检验需要给定F0(x),因此非参数检验的K-S正态性检验只能做标准正态检验。

【例】验证一组39例抽样数据是否符合标准正态分布

(1)假设抽样数据符合标准正态分布;

(2)画出经验分布函数和标准正态分布函数的曲线图;

                                                       

(3)确定统计量D;

                                                       

(4)显著性水平α=0.05,样本容量n = 39,确定统计量的拒绝域最小值,可通过查表可得。(5)比较统计量D与的大小,若大于,则拒绝假设,反之,则不拒绝;

           

                                                                           3、Lilliefor正态性检验


Lilliefor正态性检验是对K-S检验的修正,非参数K-S检验只能作标准正态分布检验,Lilliefor提出用样本均值和标准差代替总体的期望和标准差,然后再用K-S正态性检验法,步骤相同,不同点在于单样本K-S检验只能检测标准正态分布,Lilliefor检验能检测一般性的正态分布。

                                                                          4、S-W正态性检验


S-W检验正态分布的思想与K-S检验一致,关键点在于如何求样本的统计量以及确定统计量的分布情况。

S-W检验称为W检验,统计量W定义为:

                                                        

其中是样本均值,,是样本来自正态分布的标准差,a的确切值是:

 

其中V矩阵是n个标准正态分布的随机变量的顺序统计量的协方差矩阵。

给定显著性水平α和样本容量n,可以知道拒绝域的临界值,比较统计量结果W与的大小,判断是否拒绝原假设。

【例】 用函数rnorm获得一个标准正态分布的随机样本,然后用W检验它的正态性。

                                                               

结果显示p-value值大于显著性水平0.05,因此不能拒绝零假设,即样本来自正态分布。

 

                                                                       5、非参数检验算法的比较


(1)Lilliefor检验是对K-S检验的改进,可用于一般的正态性检验,而非参数检验的K-S检验只能做标准正态检验。

(2)χ2拟合优度检验的检验结果依赖于分组,而其他方法的检验结果与区间划分无关。

(3)拟合优度检验和K-S检验都采用实际频数和期望频数进行检验,前者既可用于连续总体,又可用于离散总体,而Kolmogorov-Smirnov检验只适用于连续和定量数据。

(4)SPSS规定:当样本含量3≤n≤5000时,结果以S—W(W 检验)为准,当样本含量n>5000结果以K-S检验(D检验)为准。

 

参考

https://blog.youkuaiyun.com/suncherrydream/article/details/51073001

http://www.docin.com/p-2006164716.html

http://www.dxy.cn/bbs/topic/26366190

                                                                    

正态分布检验的拟合优度法与综合统计量法 综合统计量方法和正态分布的拟合优度检验方法是常用于检验数据是否呈正态分布的两类主要方法。 阅读详情

相关推荐

统计假设检验实战:从正态性检验到非参数检验的7步完整分析流程

本文详细介绍了统计假设检验的7步完整分析流程,从正态性检验到非参数检验,帮助科研和商业分析人员科学比较不同组别间的差异。通过实际案例和操作步骤,读者将掌握如何选择适当的检验方法,解读结果并可视化呈现,提升统计推断的准确性和可信度。

weixin_34354945的博客 469

统计学基础11- 基于正态总体的假设检验

文章目录一. 假设检验概述1.1 假设1.2 Gender Selection1.3 假设检验1.4 显著性水平1.5 零假设和备折假设1.6 检验统计量1.7 P值1.8 假设检验的两种错误1.9 单双测检验二. 假设检验方法2.1 Z检验2.1.1 Z检验 概述2.1.2 Z检验 实例2.2 t检验2.2.1 t检验 概述参考: 一. 假设检验概述 1.1 假设 现有如下假设: 客户的地域信息会影响逾期率 如何证明上述论断是否正确? 统计学推断中罕见事件规则 在一个已知的假设下,如果一个待定事件发生的概

只是甲的博客 2990

SPSS数据分析:正态性检验与Kruskal-Wallis非参数检验实战指南

在统计学与数据分析领域,参数检验方法如T检验和方差分析(ANOVA)的应用前提是数据满足正态分布假设。正态性检验是验证这一核心假设的关键步骤,它确保后续统计推断的可靠性。其原理在于通过图形化方法(如Q-Q图)和统计检验(如夏皮罗-威尔克检验)评估数据分布形态。当数据不满足正态性时,强行使用参数检验会导致结论偏差。此时,非参数检验的价值得以凸显,它不依赖于具体的总体分布假设,适用范围更广。Kruskal-Wallis H检验作为单因素方差分析的非参数替代,通过比较多个独立组别的数据排名来判断中位数差异,尤其适

weixin_29044713的博客 271

统计推断——正态性检验(图形方法、偏度和峰度、统计(拟合优度)检验)

正态分布是很多计量数据比较分析的假设前提,因此在做比较分析之前要首先验证样本数据所代表的总体是否服从正态分布(这样说太费劲,我们以后还是简单地说成“数据是否正态”)。当然对于比率数据的比较也需要满足分布前提,通常是二项分布和泊松分布,对于二项分布的比率比较,一般不需要做分布的验证。而对泊松分析的比率比较则需要事先验证其分布,验证方法就是卡方检验,这已在我前面发表的《抽样分布篇之五:卡尔•皮尔逊和卡...

huangguohui_123的博客 3万+

参数检验的正态性陷阱:偏度与峰度诊断及非参数方法应对

在统计推断中,参数检验是一类基于已知总体分布假设(如正态分布)的经典方法,它通过构建精确的检验统计量(如t值、F值)进行假设检验,广泛应用于均值比较和方差分析等场景。其技术价值在于能够提供高效的统计推断和精确的p值计算,但核心前提是数据需满足特定的分布假设。然而,现实世界的数据往往存在偏态或厚尾特征,这直接影响了参数检验的准确性,可能导致第一类或第二类错误风险增加。因此,深入理解数据分布形态的量化指标——偏度和峰度——成为评估假设适用性的关键。偏度衡量分布的不对称性,而峰度则揭示尾部厚度与极端值风险,二者联

weixin_34032792的博客 318

MATLAB算法实战应用案例精讲-【数模应用】正态性检验(附R语言代码实现)

正态分布(Normal distribution)概念是由德国的数学家和天文学家棣莫弗(Abraham de Moivre)于1733年首次提出的,但由于德国数学家Gauss率先将其应用于天文学研究,故正态分布又叫高斯分布(Gaussian distribution),是一个在数学、物理及工程等领域都非常重要的概率分布,在统计学的许多方面有着重大的影响力。正态曲线呈钟型,两头低,中间高,左右对称因其曲线呈钟形,因此人们又经常称之为钟形曲线。

qq_36130719的博客 740

从正态性检验到Wilcoxon配对检验:SPSS非参数分析全流程指南(附医学量表案例)

本文详细介绍了从正态性检验到Wilcoxon配对检验的SPSS非参数分析全流程,特别适用于医学量表数据的处理。通过Shapiro-Wilk检验判断数据正态性,指导选择参数检验或非参数检验,并重点解析Wilcoxon符号秩检验的SPSS操作步骤和结果解读,帮助临床研究者正确处理非正态分布数据。

gg901的博客 944

掌握非参数统计与正态性检验在机器学习中的应用

本文介绍了非参数统计和正态性检验的基本概念、重要性以及应用方法。详细阐述了参数数据与非参数数据之间的区别、数据排序的方法以及适用于排序数据的统计方法。同时,通过正态性检验,讨论了当数据样本不符合高斯分布时,如何选择合适的统计方法以及使用图形方法和统计测试来评估数据样本。文章还提供了一些实际案例和具体的Python代码示例,帮助读者更好地理解如何在机器学习项目中实施这些概念。

weixin_35753291的博客 488

正态性检验ks和sw区别_非参数检验思路总结,清晰理解就靠它了!

1. 何时使用非参数检验或许你还没有理解什么是参数检验、非参数检验,但一定曾在无意之中使用过它们。如我们常用的方差分析、T检验,都属于参数检验。参数检验,就是假定数据服从某种分布,通过样本信息对总体参数进行检验。因而在分析前,先要检验数据是否符合该类型的分布,如果数据无法满足检验假设的情况不符合分布情况,则可以考虑选择使用非参数检验。比如,使用方差分析时,需要在分析前对数据的正态性和方差齐性进行判...

weixin_39771987的博客 1万+

点云图的学习

一。点云地图拼接 1.1 配置运行环境 首先配置安装opencv3,安装完成后如下图: 然后配置点云图工具pcl,直接使用apt即可安装,安装后如下图: 最后使用点云工具观察点云图: 1.2 原理解析 总的来说由多角度拍摄图片拼接为点云3D图,是通过相机的内参,将像素坐标转化为相机坐标,再通过外参将相机坐标转化为世界坐标系,然后将每张图片的像素绘制填充于同一个世界坐标系下面,形成点云3D图。...

ff_xun的博客 1万+

Unity物理驱动3D汽车实现:从刚体控制到参数调优

在游戏开发中,刚体物理是实现真实物体运动与交互的核心技术。通过Unity的物理引擎,开发者可以模拟重力、碰撞、摩擦力等物理行为,为游戏世界注入真实感。其技术价值在于能够以符合物理规律的方式驱动游戏对象,避免穿墙、无视惯性等问题,从而提升游戏体验的真实性和沉浸感。这一原理广泛应用于角色控制、车辆模拟、物体破坏等场景。本文以3D小汽车为例,详细解析了如何通过Rigidbody组件施加力与扭矩,并利用C#脚本实现玩家输入逻辑,完成一辆可操控、能碰撞的物理驱动汽车。文中重点探讨了AddForce与角速度控制两种方案

weixin_34380948的博客 502

数据分析中的检验方法-正态性检验、非参数检验、T检验、卡方检验

原文链接已重置,详情请移步以下链接。参数检验与非参数检验。

当我把这件事情做出来的时候,我想要的东西就已经拿到了 4565

[VisionPro] CogPMAlignTool 工具详解

[VisionPro] [CogPMAlignTool] [模板匹配]

weixin_43163656的博客 1万+

spss正态性检验_参数检验与非参数检验如何用?

1、 参数检验——两个独立样本什么是独立样本?将研究对象随机的分配到两组中,分别接受不同的处理,或分别从两个总体中完全随机的抽取一部分个性进行研究,这样的样本就是独立样本。相应的T检验就是独立样本T检验。什么时候运用参数检验,什么时候运用非参数检验呢?需要进行正态性检验,服从正态分布则使用参数检验,不服从正态分布则使用非参数检验。例如:比较英语专业和非英语专业的英语成绩是否存在显著的差异性正态性检...

weixin_39535752的博客 5608

利用AI辅助工具Codex在30分钟内高效生成发明专利说明书草案

Codex 是什么?简单说,它是 OpenAI 推出的一个高级 AI 工作平台,最初定位是软件开发辅助工具,但现在它的能力边界已经远远超出了写代码。根据 OpenAI 官方信息,每周有超过 500 万人使用 Codex,其中 40% 的新用户是非开发者,包括分析师、营销人员、研究人员等。这意味着 Codex 正在从一个程序员专属工具,演变为一个面向广泛知识工作者的生产力中枢。 那么,它和我们今天要谈的“写发明专利”有什么关系?核心在于 Codex 的“角色专属插件”和“上下文构建”能力。它不再只是根据零散的

weixin_29053067的博客 321

5分钟搞定Google Custom Search API申请:从注册到获取CX Key全流程

本文详细介绍了如何快速申请和配置Google Custom Search API,从Google Cloud项目创建、启用计费、获取API Key,到在Programmable Search Engine控制台创建自定义搜索引擎并获取关键的CX Key,提供了全流程实战指南。文章还包含安全配置建议、API调用测试方法及前端与后端的集成代码示例,帮助开发者高效实现网站或应用的智能搜索功能。

weixin_29227585的博客 1679

excel统计分析——为什么要做正态性检验

一个正态分布的资料,离散趋势一般不会太明显,体现在均数和标准差大小上,标准差一般不会大于均数,如果标准差与均数相当或者大于均数,在样本量不是太小的情况下(一般N大于20),那我们一般认为这种情况总体不符合正态分布。严格讲,标准差仅说明数据的离散趋势大小,与样本对应的总体分布无确定对应关系。事实上,中心极限定理说的是:不管总体数据的分布是什么样的(可能是正态,也可能偏态),如果从总体中多次抽样,对于每个抽样样本计算统计量(如均值、中位数), 当每次抽样例数足够大,样本的均值或中位数近似服从正态分布。

maizeman126的博客 4728

TI单芯片毫米波雷达1642demo代码走读(一)

今天我们来实际看下代码。 首先使用CCS软件导入demo工程,工程有两个,一个是ARM的工程,工程名是mmw_mss_16xx;另一个是DSP的工程,工程名为mmw_dss_16xx。我们将这两个工程的主函数打开,分别位于mss_main.c和dss_main.c文件中。 先看mss的主函数,代码如下。我为每行代码都加了中文注释和自己的理解。 int main (void) { Task_Params taskPara...

1万+

bartlett方差齐性检验_R语言统计与绘图:非参数检验

在数据分析中,t检验和方差分析是最常用于组间差异比较的统计方法,但是条件也是比较难满足的:随机样本;正态分布;方差齐性。如果数据资料不满足这些条件,怎么办?非参数检验(Nonparametric tests)可能就是一个比较好的方法。对非正态分布数据,我们无法根据样本数据对总体分布的统计参数进行推断,可以用排秩(排序)的方法来规避不是正态分布的问题,用样本的排序情况来推断总体的分布情况。...

weixin_39610188的博客 7694

2025年“区块链技术”职业院校技能大赛赛后复盘与总结(必看)

记录一次2025年“区块链技术”职业院校技能大赛的参加经验总结与赛后复盘

我是网络安全兼技能大赛工程师,专注网络安全技术学习与技能大赛实战!持续分享最新的技术文章,帮你少走弯路,一起在技术赛道上进步~ 1994

【信息系统项目管理师】第1章:信息化发展 考点梳理

本文主要详细梳理高项:信息化、新型基础设施建设、两化融合、数字中国、数字化转型与元宇宙等内容。

数据知道的博客 8591

r语言t检验输出检验统计量_R语言统计与绘图:非参数检验

在数据分析中,t检验和方差分析是最常用于组间差异比较的统计方法,但是条件也是比较难满足的:随机样本;正态分布;方差齐性。如果数据资料不满足这些条件,怎么办?非参数检验(Nonparametric tests)可能就是一个比较好的方法。对非正态分布数据,我们无法根据样本数据对总体分布的统计参数进行推断,可以用排秩(排序)的方法来规避不是正态分布的问题,用样本的排序情况来推断总体的分布情况。...

weixin_42510604的博客 2887

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

独立样本t检验,非参数检验

输出结果,看正态性检验。指标放入检验变量列表,将组放入分组变量(注意:点击定义组,只有。先看莱文方差等同性检验,显著性大于。探索,将指标全部放进因变量列表里,将组放进因子列表里,单击。接下来,只需要将检验的结果整理成三线表就可以愉快地使用了。可以看到,被试组和健康组的。首先对数据进行正态性检验,符合正态性的使用独立样本。指标放入检验变量里,组放入分组变量里。不符合正态性地使用非参数秩和检验。个指标数据,分析干预组和对照组的差异。输出结果看检验统计的表。可以看到,莱文方差检验。指标使用非参数秩和检验,

weixin_43029125的博客 1647

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

数据的正态性检验汇总

一、图示法 1、P-P图 以样本的累计频率作为横坐标,以安装正态分布计算的相应累计概率作为纵坐标,把样本值表现为直角坐标系中的散点。如果资料服从整体分布,则样本点应围绕第一象限的对角线分布。 2、Q-Q图 以样本的分位数作为横坐标,以按照正态分布计算的相应分位点作为纵坐标,把样本表现为指教坐标系的散点。如果资料服从正态分布,则样本点应该呈一条围绕第一象限对角线的直线。

zyy160alex5的专栏 1万+

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

Python中的17种统计假设检验

## 正态性检验 ## 关联检验 ## 稳定测试 ## 参数统计假设检验 ## 非参数统计假设检验

查数菇乐园 2574
上一篇: 贝叶斯分析:抛硬币的概率真的是1/2吗
下一篇: 机器学习模型评估方法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值