符号检验计算器

符号检验计算器

增长中 AI Skill PRO

输入计算

数学公式

S+=∑j=0R+(Nj)2−N,S−=∑j=0R−(Nj)2−NS_+ = \sum_{j=0}^{R_+} \binom{N}{j}2^{-N},\quad S_- = \sum_{j=0}^{R_-} \binom{N}{j}2^{-N}
显示计算步骤 (2)
  1. 双侧 p 值与判定

    p=min⁡(1,2min⁡(S+,S−))reject if p≤显著性水平 alpha\begin{gathered} p = \min(1, 2\min(S_+, S_-)) \\ \text{reject if } p \le \text{显著性水平 alpha} \end{gathered}

    当 p 不大于 alpha 时拒绝 H0。

  2. 差值

    di=样本 1 数值−样本 2 数值−假设值 d0d_i = \text{样本 1 数值} - \text{样本 2 数值} - \text{假设值 d0}

    单样本情形下仅使用样本 1 的数值减去假设值。

使用统计

广告

结果

p 值
0.5078
正差值个数(R+) 6
负差值个数(R-) 3
平局(零差值)个数 1
有效样本量 N 9
S+ = BINCDF(R+,0.5,N) 0.9102
S- = BINCDF(R-,0.5,N) 0.2539
拒绝 H0 否

报告本页错误

符号检验计算器的功能

本计算器对单样本或配对数据进行精确符号检验。它将每个观测值与假设值进行比较,统计正差值和负差值的个数,并返回精确的二项式 p 值。该方法适用于小样本、有序数据,或正态假设存疑的情形,它只检验数值是否倾向于高于或低于假设值。

使用方法

选择检验类型:单样本或配对双样本。选择备择假设:双侧、左侧检验(正值较少)或右侧检验(正值较多)。输入样本 1 的数值,数值之间可用逗号、分号、空格或换行分隔。进行配对检验时,输入样本 2,其数量需相同且顺序一致;单样本检验时忽略该项。输入假设值 d0(单样本时为中位数或均值,配对数据时为差值)。最后设置显著性水平 alpha,通常取 0.05。最多支持 1000 个数值。

公式

首先计算差值。对于配对检验:

$$d_i = x_i - y_i - d_0$$

对于单样本,\(d_i = x_i - d_0\)。设 \(R_+\) 为 \(d_i > 0\) 的个数,\(R_-\) 为 \(d_i < 0\) 的个数,且 \(N = R_+ + R_-\)。统计量为 \(p = 0.5\) 时的二项式累积概率:

$$S_+ = \sum_{j=0}^{R_+} \binom{N}{j}2^{-N},\quad S_- = \sum_{j=0}^{R_-} \binom{N}{j}2^{-N}$$

左侧检验的 p 值为 \(S_+\),右侧检验的 p 值为 \(S_-\);双侧检验则为:

$$p = \min(1,\ 2\min(S_+, S_-))$$
广告
成对数值转换为加号、减号和零号,去掉零后将加号和减号分两组计数
每一对给出一个符号。打平(差为零)的舍去,然后统计加号和减号的个数。

约定与假设

差值等于零的为平局,予以剔除,因此 \(N = R_+ + R_-\)。由于浮点减法可能产生微小残差,当差值的绝对值小于 \(10^{-12}\) 时,该差值视为零。双侧 p 值将较小尾部概率加倍,并将结果上限设为 1;这一加倍规则是一种设计选择,NIST 页面并未给出,但与其公布的左侧和右侧输出结果一致。本计算器不提供正态近似或连续性修正,仅计算精确的二项式值。当所选 p 值不大于 alpha 时,拒绝 H0。二项分布是离散的,因此实际达到的显著性水平通常并不恰好等于 alpha。若所有差值均为平局,则无法完成检验。

实例演示

单样本检验,样本为 141、138、144、139、145、137、142、146、140、143,假设值 \(d_0 = 140\),双侧检验,\(\alpha = 0.05\)。差值给出 \(R_+ = 6\)、\(R_- = 3\),以及一个平局(数值 140),因此 \(N = 9\)。

$$S_+ = 0.91015625,\quad S_- = 0.25390625$$$$p = \min(1,\ 2 \times 0.25390625) = 0.5078125$$

由于 \(0.5078 > 0.05\),不拒绝 H0。

如何解读结果

若 p 值较小,说明在正负差值概率相等的情况下,出现当前正负差值分布的可能性很低。若 p 值较大(如上例),则说明数据未显示出一致的方向。该检验忽略差值的大小,因此其检验效能低于利用差值大小的检验。剔除平局会减少 N,从而降低检验效能。未拒绝 H0 并不能证明其为真。

广告
对称二项分布柱状图,观测值两侧的尾部均被高亮显示
在零假设下,符号数服从二项分布(n, 0.5)。双侧 p 值是高亮尾部的总概率。

常见问题

符号检验有哪些假设?

观测值相互独立,且每个差值要么高于要么低于假设值。在 H0 成立的条件下,正号个数服从 Binomial(N, 0.5) 分布。

为什么要剔除平局?

零差值不带有方向信息。按照 NIST Dataplot 的惯例,剔除平局并相应减小有效样本量。

何时使用配对选项?

适用于前后测量或匹配样本对。计算器先用样本 1 减去样本 2,再减去 d0。

为什么双侧 p 值有时为 1?

当正负号接近平衡时,将较小尾部加倍可能超过 1,因此结果上限取 1。

大样本是否使用正态近似?

不使用。对于最多 1000 的任意 N,均计算精确的二项式求和。

参考来源

资料来源与参考

  • Dataplot SIGN TEST command — NIST/SEMATECH Dataplot. Defines differences, R+/R-, binomial statistic and a worked output (R+=3, R-=4, 3 ties). · 生效日期 2023-12-11 · 核实日期 2026-11-04
最后更新:

数学和统计热门计算器

查看全部数学和统计计算器