一:为判断奶粉重量是否合格,根据抽样数据做单样本t检验(预设奶粉重量总体为正态分布),结果如下:
单个样本统计量
Bootstrapa
95% 置信区间
Statistic 偏差 标准 误差 下限 上限
奶粉重量 N 9
均值 .50900 .00007 .00330 .50233 .51511
标准差 .010897 -.000987 .002617 .004304 .014259
均值的标准误 .003632
a. Unless otherwise noted, bootstrap results are based on 1000 bootstrap samples
单个样本检验
检验值 = 0.5
差分的 95% 置信区间
t df Sig.(双侧) 均值差值 下限 上限
奶粉重量 2.478 8 .038 .009000 .00062 .01738
单个样本检验 Bootstrap
Bootstrapa
95% 置信区间
均值差值 偏差 标准 误差 显著性水平(双侧) 下限 上限
奶粉重量 .009000 .000068 .003300 .066 .002333 .015111
a. Unless otherwise noted, bootstrap results are based on 1000 bootstrap samples
t检验的p值为0.038,拒绝原假设;Bootstrap法检验p值为0.066,不能拒绝原假设。PP图显示最大偏离超过-0.1.
.497
.506
.518
.524
.488
.511
.510
.515
.512
上述数据位检验用原始数据
问题:1 什么原因导致这种截然相反的推断结论? 是因为样本数据出现强烈偏态吗?(PP图显示最大偏离超过-0.1 )
2 如果数据是安全性指标,此时还可以采信Bootstrap的推断结论吗?
3 在PP图上,最大偏离达何种指标时,可认为是强烈偏态?对于强烈偏态的数据,使用Bootstrap方法依然可以得到比较稳妥的推断结论?如此而言,就是说,可以不必理会数据偏态程度,bootstrap都可以搞定?
二:下列数据来自一参数未知的正态总体:
48.5
49.0
53.5
49.5
56.0
52.5
用t检验检验其均值是否为52.0,并执行了bootstrap。
1 t检验p值为0.698,但是并未如上例奶粉重量一例显示Bootsrap的P值,为什么不显示Boostrap的P值?
2是否t检验p值接近0.05时,才能显示执行的Boostrap的P值?
三:对两个正态样本的方差齐性问题,在检验其均值时,可以直接忽略,用两样本t检验模块检验,方差齐,看t检验结果;方差不齐,看校正检验结果,是这样吗?
有了bootstrap方法,对于均值检验问题,可以直接用这个方法检验,而不必太介意正态性问题, 对吗?
四:单样本、两样本的U检验在spss中如何实现?由于U检验需要知道总体方差,t检验则不需要,而实践中很难获得总体方差,所以在检验正态数据均值时,根本不要理会U检验这种事情,U检验干的事情,t检验都能搞定,对吗?