單樣本符號檢定

單樣本符號檢定用於判斷單一樣本的中位數在統計上是否等於指定的目標值。其做法是統計有多少觀測值高於目標值、有多少低於目標值,只考慮每個差值的符號(方向),而不考慮其大小。

最後審閱

核心要點

單樣本符號檢定用於判斷單一樣本的中位數在統計上是否等於指定的目標值。

本頁內容
  1. 什麼是單樣本符號檢定?
  2. 何時使用單樣本符號檢定?
  3. 正確使用單樣本符號檢定的指南
  4. 替代方法:何時不宜使用單樣本符號檢定
  5. 單樣本符號檢定範例
  6. 如何進行 Fried Man

什麼是單樣本符號檢定?

單樣本符號檢定(One-Sample Sign Test)用於判斷單一樣本的中位數在統計上是否等於指定的目標值。其做法是統計有多少觀測值高於目標值、有多少低於目標值,只考慮每個差值的符號(方向),而不考慮其大小。它是針對單一樣本最簡單的非參數檢定,對分配形狀不要求任何假定。

簡單定義:一種簡單的檢定,透過統計有多少量測值高於或低於目標值,來檢查資料的中位數是否與目標值相符。

何時使用單樣本符號檢定?

  • 在檢定 單樣本中位數是否等於指定目標值時使用。
  • 當資料 不服從常態分配 且無法假定對稱時使用。
  • 當顯著的 離群值 使基於平均值的檢定不可靠時使用。
  • 當僅 差異的方向很重要而大小無關緊要時使用。
  • 適用於 有序資料,其精確的數值差異沒有意義。

正確使用單樣本符號檢定的指南

  • 在收集資料之前指定一個 有意義的目標中位數,而不是基於資料本身。
  • 與目標值 完全相等的觀測值會被排除  ——大量相同值(結)會降低檢定的可靠度。
  • 至少收集 10 個觀測值  ——符號檢定在小樣本時檢定力較低。
  • 非顯著結果並不能確認中位數等於目標值——只表示 沒有發現足夠的證據來拒絕它。

替代方法:何時不宜使用單樣本符號檢定

  • 如果資料 近似對稱但非常態,請使用 單樣本 Wilcoxon 檢定  ——因其利用差值大小,檢定力更高。
  • 如果資料 服從常態分配,請使用 單樣本 t 檢定
  • 如果比較 兩個獨立組,請使用 Mann-Whitney 檢定
  • 如果比較 三個或更多組,請使用 Kruskal-Wallis 檢定

單樣本符號檢定範例

某冶金工程師正在調查不鏽鋼中的典型鉻含量是否為 18%。為此,工程師隨機抽取 12 個樣本,量測其鉻含量,並應用單樣本符號檢定來檢查中位數是否不同於 18%。步驟如下:

  1. 收集所需資料。
One Sample Sign — figure 1
  1. 現在,在 Zometric Statistical Software 中分析資料,網址為 https://statsai.zometric.com/。
  2.  要找到 One Sample Sign,請選擇 Statistical module> Nonparametric > One Sample Sign。
  3.  在工具中輸入資料及其他輸入項,如下所示:
One Sample Sign — figure 2

5. 使用上述工具後,得到如下輸出:

One Sample Sign — figure 3

如何進行 Fried Man

操作步驟如下:

  1. 登入 Zometric Statistical Software,網址為 https://statsai.zometric.com/
  2. 在首頁選擇 Statistical Tool> Nonparametric>One Sample Sign。
  3. 接下來,手動更新資料,或從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。
  4. 接下來,填寫必填選項。
  5. 最後,點選頁面底部的 calculate,即可得到所需結果。

單樣本符號檢定的工具介面分為兩部分。

One Sample Sign — figure 4

左側為資料窗格(Data Pane)。在 Data Pane 中,每一列構成一個子群組。可以手動輸入資料,也可以從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。

Load example: 將載入範例資料。

Load File: 用於直接載入 Excel 資料。

右側提供以下選項:

  • Variable (Required): 選擇包含量測資料的欄,例如本例中的 %Chromium。這是要檢定的單一樣本。檢定將分析該欄中的值,以判斷樣本中位數在統計上是否等於您指定的目標值。變數必須是連續型或有序型。
  • Confidence Level (Default 95%): 設定圍繞樣本中位數計算的信賴區間的信賴水準。預設值為 95%,表示您有 95% 的把握認為總體真實中位數落在所報告的區間內。預設設為 95%,因為它是統計分析中公認的通用標準——既足夠謹慎以得出可靠結論,又便於實際應用。較低的信賴水準(如 90%)得到的區間更窄但確定性更低;較高的水準(如 99%)得到的區間更寬、確定性更高,但需要更強的證據才能檢出顯著差異。

常見問題

什麼是單樣本符號檢定?

單樣本符號檢定用於判斷單一樣本的中位數在統計上是否等於指定的目標值。它統計高於和低於目標值的觀測數,只使用每個差值的符號而不使用其大小。它是針對單一樣本最簡單的非參數檢定,對分配形狀不要求任何假定。

什麼情況下應使用符號檢定而不是單樣本 Wilcoxon 檢定?

當資料不是常態分配且無法假定對稱、離群值使基於平均值的檢定不可靠,或資料為有序資料時,使用符號檢定。如果資料近似對稱但非常態,單樣本 Wilcoxon 檢定力更高,因為它利用了差值的大小;對於常態資料,請使用單樣本 t 檢定。

符號檢定需要多少個觀測值?

至少收集 10 個觀測值,因為符號檢定在小樣本時檢定力較低。與目標值完全相等的觀測值會被排除,因此大量相同值會降低檢定的可靠度。目標中位數應在收集資料之前指定,而不是基於資料本身。

如何解讀不顯著的符號檢定結果?

不顯著的結果並不能確認中位數等於目標值。它只表示沒有發現足夠的證據來拒絕「中位數等於目標值」這一假設。由於符號檢定在小樣本時檢定力較低,觀測值很少時得到的不顯著結果尤其是薄弱的證據。