【SPSS】二项分布检验详细操作教程（附案例实战）

 

🤵‍♂️ 个人主页：@艾派森的个人主页

✍🏻作者简介：Python学习者
🐋 希望大家多多支持，我们一起进步！😄
如果文章对你有帮助的话，
欢迎评论 💬点赞👍🏻 收藏 📂加关注+

---

目录

SPSS非参数检验概述

二项分布检验 

二项分布检验应用案例

---

SPSS非参数检验概述

参数检验 VS 非参数检验

• 参数检验：在总体分布形式已知的情况下，对总体分布的参数如均值、方差等进行推断的方法
• 非参数检验：在总体分布未知的情况下，利用样本数据对总体分布形态等进行推断的一类方法 

注意：

• 由于非参数检验方法不涉及有关总体分布的参数，因而得名“非参数”检验
• 如果样本不能很好的代表总体，任何检验方法都是无效的 

SPSS中的非参数检验方法

• 单样本的非参数检验
• 两独立样本的非参数检验
• 两配对样本的非参数检验 

二项分布检验 

二项分布

伯努利概型

        做了n次试验，且满足

(1) 每次试验只有两种可能结果，即A发生或A不发生

(2) n次试验是重复进行的，即A发生的概率每次均一样

(3) 每次试验是独立进行的，即每次试验A发生与否与其他次试验 A发生与否是互不影响的

        这种试验称为伯努利概型，或称为n重伯努利试验。例如： 将一骰子掷4次，观察出现6点的次数——4重伯努利试验。

在n重伯努利试验中，用p表示每次试验A发生的概率，记n次试验中事件A出现k次，则

 二项分布定义

 注意:

•  二项分布的背景是：n重伯努利试验中事件A（成功）发生的次数X~b(n,p),其中p为一次试验 中A发生的概率
• 当n=1时的二项分布X~b(1,p)，又称为0-1分布（例如，扔一次硬币，观察正面朝上的次数）

二项分布检验的基本思想

        SPSS的二项分布检验是要通过样本数据检验样本来自的总体是否服从指定的概率为p的二项分布，其原假设H0是：样本来自的总体与指定的二项分布无显著差异。

二项分布检验应用案例

【案例】 从某批产品中随机抽取23个样品进行检测并得到检测结果数据。用1表示合格品，用0表示不合格品。根据抽样结果验证该批产品的合格品率是否低于0.9。

操作步骤：

①【分析】----> 【非参数检验】----> 【旧对话框】----> 【二项】

②选定待检测的变量到【检验变量列表(T)】框中，在【检验比例 (E)】框中输入二项分布的检验概率值p，在【定义二分法】框 中指定如何分类。如果检验变量为二值变量，则选【从数据中获取(G)】选项，且数据编辑器窗口中的第一条数据所在的组为第一组，也即“成功”组，本例“合格”为“成功”组 

③分析结果： 

        结论：根据分析结果表可知：备择假设是“合格品率小于0.9”， 则可推知，原假设H0是：“合格品率不低于0.9”。23个样品中合格品为19个，不合格品为4个，合格品样本的实际比例为0.8。检验合格品率是否显著低于0.9。如果显著性水平为α为0.05，由于概率值 0.193大于显著性水平α，因此不应拒绝原假设，即：该批产品的合 格品率不低于0.9。