matlab中符号检验,《非参数统计》与MATLAB编程第3章符号检验法.doc

《非参数统计》与MATLAB编程第3章符号检验法

第三章 符号检验法

§3.1 符号检验函数 signtest格式 p = signtest(x) 原假设为x的中位数为0，显著性水平为0.05的双侧检验。 p = signtest(x,m) 原假设为x的中位数为m，显著性水平为0.05的双侧检验。 p = signtest(x,m，alpha) 原假设为x的中位数为m，显著性水平为alpha的双侧检验。 [p,h,stats] = signtest(x,m,alpha)，当样本小于100时，stats只会显示sign,取x小于假设中位数m的个数与大于假设中位数m的个数的较小值，当样本容量大于或等于100时，stats还将显示'zval'，即正态统计量值。 k为大于中位数的个数，当k大于n/2时，±取负号，当k小于n/2时，±号取正号。[p,h] = signtest(...,'alpha', alpha)例：[p,h] = signtest(...,'alpha', 0.01)[p,h,stats] = signtest(...,'method', ‘exact’)用精确的方法[p,h] = signtest(...,'method', ‘approximate’)用正态近似的方法[p,h,stats]=signtest(x,y,'alpha',0.01,'method','exact')[p,h,stats]=signtest(y1,y2,0.01,'method',' approximate ')

例3.1某市劳动和社会保障部门的资料说明，1998年高级技师的年收入的中位数为21700，该市某个行业有一个由50名高级技师组成的样本，这些高级技师的年收入如下:230722437020327242962225619140256692240426744267442340620438248902481524556184722151422516251122348026522240741806422590252612118026188216252433323146183243598260402084620438194741921423072267442344324630268932648518138201792674423554257062158817990

建立一个50行和1列的向量x，即上面那个数据。a=[]; %把上表数据粘到a中b=size(a);x=reshape(a,b(1)*b(2),1);format long[p,h,stats]=signtest(x,21700)p = 0.06490864707227h = 0stats = sign: 18sign值的计算：length(x(find(x>21700)))ans = 32 length(x(find(x<21700)))ans = 18 取两者较小值，18。P值的计算：2*(1-binocdf(31,50,0.5)) 得：0.06490864707229 P值也可按：2*(binocdf(18,50,0.5))得：0.06490864707227P值大于缺失的显著性??平0.05， 接受原假设。 注意：符号检验不能进行单侧检验，那么把双侧检验所得的P值除以2，得新的p值。对于右侧检验： P值的计算：1-binocdf(31,50,0.5)得：0.03245432353615也可用：binocdf(18,50,0.5)得：0.03245432353614即是双侧检验所得P值的一半。在0.05的显著性水平下拒绝原假设。 对于左侧检验P值的计算： length(x(find(x>25000)))ans =13 length(x(find(x<25000)))ans = 37 P值等于： binocdf(13,50,0.5)ans =4.681114554259028e-004 也可用：1-binocdf(36,50,0.5)ans =4.681114554372368e-004 对于双侧：[p,h,stats]=signtest(x,25000)p = 9.362229108518057e-004h = 1stats = sign: 13 P/2得：4.681114554259028e-004与左侧计算的P值相等。

下面我们分析大样本情况：