克氏锥虫参数检验与⾮参数检验的区别。
1）参数检验：以已知分布（如正态分布）为假定条件，对总体参数进⾏估计或检验。 2）⾮参数检验：不依赖总体分布的具体形式和检验分布（如位置）是否相同。
参数检验与⾮参数检验的优缺点。
1）参数检验：优点是符合条件时，检验效率⾼；其缺点是对资料要求严格，如等级数据、⾮确定数据（＞50mg）不能使⽤参数检验，⽽且要求资料的分布型已知和总体⽅差相等。
2）⾮参数检验：优点是应⽤范围⼴、简便、易掌握；缺点是若对符合参数检验条件的资料⽤⾮参数检验，则检验效率低于参数检验。如⽆效假设是正确的，⾮参数法与参数法⼀样好，但如果⽆效假设是错误的，则⾮参数检验效果较差，如需检验出同样⼤⼩的差异的差异往往需要较多的资料。另⼀点是⾮参数检验统计量是近似服从某⼀部分，检验的界值表也是有近似的（如配对秩和检验）因此其结果有⼀定近似性。
⾮参数检验适⽤那些情况？
（1）等级顺序资料。
（2）偏态资料。当观察资料呈偏态或极度偏态分布⽽有未经变量变换，或虽经变量变换但仍未达到正态或近似正态分布时，宜⽤⾮参数检验。
（3）未知分布型资料
（4）要⽐较的各组资料变异度相差较⼤，⽅差不齐，且不能变换达到齐性。
雾都孤儿论文
（5）初步分析。有些医学资料由于统计⼯作量过⼤，可采⽤⾮参数统计⽅法进⾏初步分析，挑选其中有意义者再进⼀步分析（包括参数统计内容）
吸波
（6）对于⼀些特殊情况，如从⼏个总体所获得的数据，往往难以对其原有总体分布作出估计，在这种情况下可⽤⾮参数统计⽅法。
常⽤参数检验⽅法：
1.正态总体均值的假设检验（t检验）
检验1组数据样本的均值是否等于，⼤于或⼩于某个值，或者检验两组数据样本的均值的⼤⼩情况。其中的统计量Z⼀般服从t分布。
2.正态总体⽅差的假设检验
neor检验1组数据样本的⽅差是否等于，⼤于或⼩于某个值，或者检验两组数据样本的⽅差的⼤⼩情况。其中单样本检验的统计量X2⼀般服从卡⽅分布。双样本检测的统计量F⼀般服从F分布。
3.⼆项分布总体的假设检验（⾮正态总体的假设检验）
⾮正态总体的假设检验有很多，⼆项分布总体的假设检验相对较为常⽤。常⽤于随机抽样实验的成功概率的检验。
常⽤的⾮参数检验⽅法：
1.Neyman-Pearson χ2 拟合优度检验
检验样本数据是否符合某种分布，Neyman-Pearson 拟合优度检验是⾮常重要的⾮参数检验⽅法， 既可以⽤于检验数据的分布特性，⼜可以检验不同组数据之间的分布关系（是否是同⼀分布）。
2.Kolmogorov-Smirnov检验
也是⼀个相当重要的检验⽅法，和Pearson⽅法⼀样属于拟合优度检验⽅法。但是Kolmogorov-Smirnov⽅法⽆需对要检验的数据分组，且使⽤经验累积分布函数（ECDF）来定义统计量，可以⽤于任何分布的检验。但Kolmogorov-Smirnov只适⽤于⼀元分布的情况。因此适⽤⾯与Pearson⽅法相⽐稍⼩。
3.独⽴性检验
vcm
很重要的检验⽅法，具体有Pearson卡⽅检验，Fisher精确独⽴性检验。这些检验⽅法通常⽤于检验数据的分布和假设影响因素的关系。4.符号检验和秩和检验姜gary事件
检验样本与总体的情况，或样本总体间的差异。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议