Matnote_2_数据的同质性 Data Homogeneity

在学习统计学检验时翻到了一个有关气象学统计分析的网站 (http://iridl.ldeo.columbia.edu/dochelp/StatTutorial/Homogeneity/index.html)，这里说的数据同质性从来没见过，搜索也只有英语结果。尝试翻译一下加入自己的理解，看看是不是异质性检验之类的东西。提示：原文关于数据的描述是从气象数据的角度来讲的。

Introduction

在使用一组统计数据之前，检验这组数据是否同质 (homogeneous) 十分重要。具有同质性的数据应当来自同一组人群 (?: are drawn from a single population)，所有可能影响数据的外部过程必须在样本时间段内保持不变。随时间变化，人为变化会逐步影响数据的统计学性质，导致非同质性 (inhomogeneity)。现实中获得完全同质的数据几乎是不可能的，因为观测站周围区域不可避免的变化往往会影响数据。

Analysis the Homogeneity

检验同质性的方法：

• 计算中位数。

• 数据中的每个值减去中位数。

• 记下数据曲线越过坐标横轴的次数（由正变负记为A，由负变正记为B），得到数据正值或负值的持续性。

• 用显著性表来确定同质性指标的阈值。

找到数据样本容量一半的那一行，如果 A 与 B 介于 0.1 与 0.9 显著性水平阈值之间（未说明是否包括），则有90%置信度说明这组数据是同质的。

半样本容量	.10 显著性水平	.90 显著性水平
10	8	13
11	9	14
12	9	16
13	10	17
14	11	18
15	12	19
16	13	20
17	14	21
18	15	22
19	16	23
20	16	25
25	22	30
30	26	36
35	31	41
40	35	47
45	40	52
50	45	57

Oliver, John E. Climatology: Selected Applications. p 7.

Example

从 1920 年到 1970 年，舍布鲁克数据有 18 次运行。构成样本的元素总数为 50（每年平均最低温度构成一个元素）。 根据该表，在 0.10 的显着性限制下，应该至少有 22 次runs。 因此，我们可以有 90% 的置信度得出结论，该数据不是同质的。

Conclusion

个人感觉这是一种简单的同分布检验。鉴于这个固定的显著性表，它应该是只适用于气象类数据的，不过这种简单的检验思路还是值得一看的。

内容来自 http://iridl.ldeo.columbia.edu/dochelp/StatTutorial/Homogeneity/index.html