非参数统计(NonparametricStatistics)(70%)成绩：满分100-期末考试-作业、出勤、课上参与(30%
非参数统计 (Nonparametric Statistics) 成绩：满分100 - 期末考试（70%） - 作业、出勤、课上参与 (30%)
（第五版课本：非参数统计（吴喜之赵博娟编著中国统计出版社第一章引言第二章单样本位置检验第三章两样本位置检验第四章多样本位置检验第五章工尺度检验第六章相关和回归第七章分布检验和拟合优度X2检验第八章列联表第九章非参数密度估计和非参数回归简介
课本：非参数统计（第五版） （吴喜之 赵博娟 编著 中国统计出版社） 第一章 引言 第二章 单样本位置检验 第三章 两样本位置检验 第四章 多样本位置检验 第五章 尺度检验 第六章 相关和回归 第七章 分布检验和拟合优度x2检验 第八章 列联表 第九章 非参数密度估计和非参数回归简介
引言第一章1.1统计的实践统计学(statistics)-收集、分析、展示和解释数据的科学 (The science of collecting, analyzingpresenting, and interpreting data.)应用领域很广：精算，农业，动物学，人类学，考古学，审计学，晶体学，人口统计学，牙医学，生态学，经济计量学，教育学，等等统计在每一个应用领域都有它自已的目标和特点，有的还有自己的名字，比如生物统计和商务统计
第一章 引言 1.1 统计的实践 统计学(statistics)- 收集、分析、展示和解释数据 的科学 (The science of collecting, analyzing, presenting, and interpreting data.) 应用领域 很广：精算, 农业, 动物学, 人类学, 考 古学, 审计学, 晶体学, 人口统计学, 牙医学, 生 态学, 经济计量学, 教育学, 等等 统计在每一个应用领域都有它自己的目标和特点, 有的还有自己的名字, 比如生物统计和商务统计
·各个应用统计领域既有个性又有共性，·多数普遍应用的统计方法最初是为某一个应用领域而发展的，然后为其它领域所利用，·数学和计算机的大量运用加速了统计学的发展
• 各个应用统计领域既有个性又有共性. • 多数普遍应用的统计方法最初是为某一个应用 领域而发展的, 然后为其它领域所利用. • 数学和计算机的大量运用加速了统计学的发展
1.2假设检验及置信区间的回顾设样本X,X2....X，来自正态总体Nu,)如何用样本观测值1,C2，,n,验证假设检验问题：Ho:μ=μoHi：μ≠o，或(Hi:μμo,)假设2已知，当Ho为真，统计量满足X -μo ~ N(0, 1)a/Vn-o当统计量的观测值满足g/Vn拒绝假设H。（即接受H1,拒绝域）.假设2未知，Xμo~t(n-1)S/Vn
设样本 来自正态总体 , 如何用样本观测值 ,验证假 设检验问题: 或 ( 或 ) 假设 已知, 当 为真, 统计量满足 当统计量的观测值满足 , 拒绝假设 (即接受 , 拒绝域 ). 假设 未知, 1.2 假设检验及置信区间的回顾
统计推断的步骤：确定零假设和备选假设，Ho和H构造合适的统计量，T=T(X1,..,Xn)确定拒绝区间，查看观测值1，…n所对应的统计量t=T(1,,n)是否落在拒绝区域
- 确定零假设和备选假设, 和 - 构造合适的统计量, - 确定拒绝区间, 查看观测值 所对应的统计量 是否 落在拒绝区域 统计推断的步骤：
p值p -value)7设统计量T=TX1....Xn)在观测点T1,...,Cn的值为：t=T(a1,,n），根据此值在统计量 T = T(Xi,…,Xn) 的分布的位置(Ho之下),左尾或右尾，计算在零假设H下的相应的p= P(T >t)概率P=PT)或00S10S1O(Aonounre()ooneOL'O010S0'0000'00n51015051015
设统计量 在观测点 的值为： . 根据此值在统计 量 的分布的位置( 之下)， 左尾或右尾, 计算在零假设 下的相应的 概率, 或 p值 ( p -value) 0 5 10 15 0.00 0.05 0.10 0.15 0.20 y Density Function f(y) 0 5 10 15 0.00 0.05 0.10 0.15 0.20 y Density Function f(y)
-- p值对应于显著性水平α.如P=0.04，说明在α=0.05水平显著如p=0.008， 说明在 α=0.01 水平显著
- p值对应于显著性水平 . 如 , 说明在 水平显著 如 , 说明在 水平显著
p值p-value)犯第一类错误的概率(typel error-在零假设 Ho下，计算概率，p=P(T>t)-如果 Ho正确时却被拒绝的概率，称为犯第一类错误的概率p值等于犯第一类错误的概率
- 在零假设 下, 计算概率, p=P(T>t) - 如果 正确时却被拒绝的概率, 称为犯第 一类错误的概率. - p值等于犯第一类错误的概率. p值 ( p-value) 犯第一类错误的概率(type I error)
势(power)=1- Pr(犯第二类错误(type ll error))当H1正确时却不拒绝Ho，犯第二类错误-势是H1正确时，拒绝Ho的概率一势和检验统计量的选择很有关系，势的大小依赖于样本量的大小。显著性水平。参数真值等-利用势的大小比较统计量的“好坏”，在其它条件一样的情况下，势越大，检验越有效符号检验不如Wilcoxon符号秩检验势大
势(power)= 1- Pr(犯第二类错误(type II error)) - 当 正确时却不拒绝 , 犯第二类错误. - 势是 正确时, 拒绝 的概率. - 势和检验统计量的选择很有关系. 势的大 小依赖于样本量的大小，显著性水平，参 数真值等. - 利用势的大小比较统计量的“好坏”. 在其 它条件一样的情况下, 势越大, 检验越有效. 符号检验不如Wilcoxon符号秩检验势大