非參數統計最常用於具備下述特徵的情況:1、待分析數據不滿足參數檢驗所要求的假定,因而無法應用參數檢驗.例如,我們曾遇到過的非正態總體小樣本,在t-檢驗法也。
- 文化問答
- 答案列表
非參數檢驗的適用條件:非參數檢驗的適用範圍[朗讀]
參數檢驗和非參數檢驗的區別:1、定義不同:參數檢驗:假定數據服從某分布(一般為正態分布),通過樣本參數的估計量(x±s)對總體參數(μ)進行檢驗,比如t檢驗。
spss單樣本非參數檢驗是對單個總體的分布形態等進行推斷的方法,其中包括卡方檢驗、二項分布檢驗、k-s檢驗以及變量值隨機性檢驗等方法.總體分布的卡方檢驗例。
計量資料一般是參數、非參數檢驗都是可以的.但是對於能使用參數檢驗的,首選參數檢驗,對不能滿足條件的才選用非參數檢驗.參數檢驗一般有:t檢驗,方差分析。
非參數檢驗適用於以下三種情況:①順序類型的數據資料,這類數據的分布形態一般是未知的;②雖然是連續數據,但總體分布形態未知或者非正態,這和卡方檢驗一樣,稱自由分布檢驗;③總體分布雖然正態,數據也是連續類型,但樣本容量極小,如10以下(雖然t檢驗被稱為小樣本統計方法,但樣本容量太小時,代表性畢竟很差,最好不要用要求較嚴格的參數檢驗法).非參數檢驗(nonparametrictests)是統計分析方法的重要組成部分,它與參數檢驗共同構成統計推斷的基本內容.參數檢驗是在總體分布形式已知的情況下,對總體分布的參數如均值、方差等進行推斷的方法。