spss教程：單樣本非參數檢驗

參數檢驗是在總體分佈形式已知的情況下，對總體分佈的參數進行推斷，但如果不正確瞭解總體分佈形態，參數估計就不適用，非參數檢驗正是用於此類情況的。
單樣本非參數檢驗是對單個總體的分佈進行推斷的方法，方法包含卡方檢驗、二項分佈檢驗、單樣本K-S檢驗、變量值隨機性檢驗等。

操作方法

（01）卡方檢驗：一種典型的對總體分佈進行檢驗的非參數檢驗方法，根據樣本數據，推斷總體分佈與期望分佈或某一理論分佈是否存在顯著性差異，是一種吻合性檢驗。通常用於對有多項分類值的總體分佈的分析。檢驗分佈是否是2.8：1：1：1：1：1:1，得到的概率為0.256，大於顯著性水平，所以實際分佈與理論分佈無顯著性差別。

（02）二項分佈檢驗：很多例子都是二值的，樣本數據檢驗樣本來自的總體是否服從指定概率為p的二項分佈。檢驗比例是用户自己定義的，此處輸入0.9進行檢驗。概率為0.193，大於顯著性水平，不拒絕原假設，樣本分佈與指定概率0.9的二項分佈無顯著性差別。

（03）單樣本K-S檢驗：該方法可以樣本數據推斷樣本來自的總體是否服從某一理論分佈，是一種擬合優度檢驗方法，通常用於探索連續性隨機變量的分佈。其中“常規”就是正態分佈。計算所得的概率為0.344，大於顯著性水平0.05，所以與正態分佈無顯著性差別。

（04）變量值隨機性檢驗：通過樣本變量值的分析，實現對總體的變量值出現是否是隨機的進行檢驗。以“中位數'進行分割。計算出的概率為0.491，大於顯著性水平，不拒絕原假設，認為數據是隨機性的。