EssayAI
Блог
Блог
Математика и алгоритмы

Критерий знаков непараметрический: расчёт и пример

8 ноября 2026Время чтения: 8 минут
#критерий знаков#непараметрическая статистика#парные выборки#проверка гипотез#биномиальное распределение
Критерий знаков непараметрический: расчёт и пример

Непараметрический критерий знаков проверяет, одинаково ли часто наблюдения оказываются по разные стороны заданного значения. В парных данных он сравнивает число положительных и отрицательных изменений. Для расчёта достаточно направлений: величина каждого изменения не входит в статистику. Ниже калькулятор находит точное двустороннее значение pp; затем разберём его вручную и уточним, когда вывод о медиане обоснован.

Когда применяют критерий знаков

Представим, что участникам измерили показатель до и после занятия. Два измерения одного человека образуют пару. Для каждой пары можно определить, вырос показатель, снизился или остался прежним. Критерий отвечает на вопрос, есть ли свидетельства преобладания одного направления в популяции пар, если нулевая гипотеза задаёт равные вероятности ненулевого роста и снижения.

В другой постановке сравнивают отдельные наблюдения xix_i с фиксированным числом m0m_0. Тогда знак разности xi−m0x_i-m_0 указывает сторону от предполагаемой медианы. Данные должны позволять надёжно определить порядок: метод подходит и для порядковой шкалы, если сравнение имеет смысл. Считать среднее или предполагать нормальное распределение не требуется.

На видео меняется число плюсов среди десяти ненулевых разностей. Жёлтым отмечены результаты, которые находятся от середины распределения не ближе наблюдаемого значения. По мере приближения к пяти хвосты расширяются: различие направлений становится менее необычным при нулевой гипотезе.

При изменении числа плюсов жёлтые столбцы показывают оба хвоста биномиального распределения для десяти ненулевых разностей.

Непараметрический не значит «без условий». Наблюдения или пары должны быть независимо получены, а способ отбора определяет, на какую генеральную совокупность можно распространять результат. Если несколько пар принадлежат одному человеку или члены группы влияют друг на друга, обычное биномиальное распределение может не подойти.

Гипотезы и обработка нулей

Для парных данных зададим разность di=xi,после−xi,доd_i=x_{i,\text{после}}-x_{i,\text{до}}. При проверке заданного сдвига Δ0\Delta_0 вместо неё используем di=xi,после−xi,до−Δ0d_i=x_{i,\text{после}}-x_{i,\text{до}}-\Delta_0. Запишем ++ при di>0d_i>0 и −- при di<0d_i<0. Точные нули исключают из стандартного расчёта: они не относятся ни к одному направлению. Пусть n+n_+ и n−n_- - оставшиеся количества, тогда n=n++n−n=n_++n_-.

Нулевая гипотеза в наиболее точной форме утверждает равенство условных вероятностей знаков среди ненулевых разностей: H0:P(d>0∣d≠0)=1/2H_0: P(d>0\mid d\ne0)=1/2. Двусторонняя альтернатива означает, что эта вероятность отличается от 1/21/2. Для независимых одинаково распределённых разностей без массы в нуле такую гипотезу обычно формулируют как проверку медианы разностей на ноль. При наличии множества точных совпадений условие равновероятных ненулевых знаков сильнее одного лишь утверждения, что ноль является медианой.

Это медиана разностей внутри пар, а не автоматически разность медиан двух отдельных измерений. Общая логика выбора H0H_0, альтернативы и уровня значимости разобрана в статье о нулевой и альтернативной гипотезах. Направление альтернативы и порог α\alpha выбирают до просмотра результата.

Почему возникает биномиальное распределение

Если нулевая гипотеза верна и ненулевые знаки независимы с общей вероятностью плюса 1/21/2, число плюсов XX имеет биномиальное распределение:

X∼Bin⁡(n,1/2),P(X=k)=(nk)2−n.X\sim\operatorname{Bin}(n,1/2),\qquad P(X=k)=\binom nk 2^{-n}.

Каждый набор из nn знаков имеет вероятность 2−n2^{-n}, а число наборов с ровно kk плюсами равно числу сочетаний (nk)\binom nk. Смысл этого коэффициента поясняет разбор вероятности через сочетания. Центр распределения равен n/2n/2: именно столько плюсов ожидается в среднем, хотя наблюдаемое число может быть другим. Связь среднего с параметрами описана в статье о математическом ожидании биномиального распределения.

Для двустороннего теста при вероятности 1/21/2 удобно взять s=min⁡(n+,n−)s=\min(n_+,n_-) и удвоить вероятность нижнего хвоста, ограничив результат единицей:

p=min⁡(1,  2∑k=0s(nk)2−n).p=\min\left(1,\;2\sum_{k=0}^{s}\binom nk 2^{-n}\right).

Оба хвоста включают наблюдаемую и более крайние конфигурации. Из-за дискретности возможные значения pp скачкообразны, поэтому фактическая вероятность ошибки первого рода при выбранном пороге может быть меньше α\alpha. Точный расчёт особенно удобен при малом nn: нормальное приближение там может быть грубым.

Пример: 12 пар до и после

Возьмём учебные, а не экспериментальные данные: разности после минус до равны 2,1,3,−1,2,4,1,2,3,1,0,02, 1, 3, -1, 2, 4, 1, 2, 3, 1, 0, 0. Здесь девять плюсов, один минус и два нуля. Отбрасываем только два нуля: эффективный объём n=10n=10, а меньшее число знаков s=1s=1. Сумму величин и их среднее для этого критерия вычислять не нужно.

При H0H_0 вероятность получить не более одного плюса равна ((100)+(101))/210=(1+10)/1024(\binom{10}{0}+\binom{10}{1})/2^{10}=(1+10)/1024. Симметричный верхний хвост соответствует девяти или десяти плюсам. Следовательно,

p=2⋅1+101024=221024≈0,0215.p=2\cdot\frac{1+10}{1024}=\frac{22}{1024}\approx0{,}0215.
Биномиальное распределение десяти знаков: выделены хвосты от нуля до одного и от девяти до десяти
Биномиальное распределение десяти знаков: выделены хвосты от нуля до одного и от девяти до десяти

При заранее заданном α=0,05\alpha=0{,}05 значение p<αp<\alpha, поэтому нулевую гипотезу отвергают в пользу двусторонней альтернативы. В этих данных положительных изменений больше, однако результат не доказывает, что занятие вызвало изменение: для причинного вывода нужны соответствующий дизайн и контроль возможных влияний.

Калькулятор воспроизводит пример при десяти ненулевых разностях и девяти плюсах. Если выбрать пять плюсов, оба направления окажутся одинаково частыми, а p=1p=1. При смене порядка вычитания девять плюсов превратятся в один, но двустороннее pp останется тем же. Для одностороннего теста направление обязательно меняется вместе с порядком вычитания.

Односторонняя альтернатива и интерпретация

Если заранее интересует именно рост, альтернатива записывается как P(d>0∣d≠0)>1/2P(d>0\mid d\ne0)>1/2. Для девяти плюсов из десяти одностороннее значение равно P(X≥9)=11/1024≈0,0107P(X\ge9)=11/1024\approx0{,}0107. Для заранее выбранной альтернативы снижения берут противоположный хвост: P(X≤9)=1023/1024≈0,9990P(X\le9)=1023/1024\approx0{,}9990. Нельзя после просмотра знаков выбрать удобное направление и назвать его заранее заданным.

Значение pp - вероятность результата не менее крайнего по выбранному правилу при выполнении нулевой модели. Оно не является вероятностью истинности H0H_0 и не измеряет размер эффекта. Наряду с ним полезно сообщить количество пар, нулей и знаков, направление разности, альтернативу и исходные величины изменений. Статистическая значимость сама по себе не показывает практическую важность эффекта.

Преимущества и ограничения

Критерий прост и мало чувствителен к выбросам по величине: изменение с +2+2 на +200+200 не меняет знак. Это полезно при асимметричных разностях или порядковых оценках. Но то же свойство означает потерю информации. Наборы, где все положительные изменения малы, и наборы с большими изменениями дадут одинаковый результат при одинаковых знаках.

Парный t-критерий исследует среднюю разность и использует её величины; критерий знаков отвечает на другой вопрос. Знаковый ранговый критерий Вилкоксона использует также ранги абсолютных разностей и при типичной интерпретации требует симметрии их распределения. Выбор зависит от шкалы, плана и интересующего параметра, а не только от желания получить меньшее pp. Об условиях критерия знаков и исключении совпадений можно свериться с NIST; различия с ранговым тестом обсуждает Penn State.

Частые нули могут быть содержательным результатом, например следствием грубого округления шкалы. Их число следует показывать отдельно, а не скрывать. Если все разности нулевые, ненулевых знаков нет и описанный тест не определён. Если наблюдения зависимы или правила отбора нарушены, точность формулы не исправит неверную модель данных.

Как оформить решение в работе

Начните с описания единицы наблюдения: что именно образует пару и почему два значения относятся к одному объекту. Затем запишите направление вычитания, проверяемый сдвиг, гипотезы и выбранный уровень значимости. Эти сведения позволяют читателю восстановить смысл каждого знака и проверить, действительно ли альтернатива была определена заранее.

Далее приведите таблицу или перечень разностей и отдельно укажите количество совпадений. После их исключения назовите число оставшихся плюсов и минусов, используемое распределение и точное значение вероятности. Завершите решение выводом в словах исходной задачи: какое направление преобладает в выборке и достаточно ли данных для отклонения нулевой гипотезы при выбранном пороге.

Полезно также сохранить исходные измерения: два набора могут иметь одинаковые знаки, но совершенно разные масштабы изменения. Если измерения допускают количественное сравнение, рядом с результатом теста можно описать медиану и диапазон наблюдаемых разностей. Это дополнение отвечает на вопрос о размере изменений, который сам подсчёт знаков оставляет открытым. Размеры описывают выборку и не заменяют проверку условий статистического вывода.

Частые ошибки

  • Считать нули минусами. Это меняет число испытаний и результат. Сначала выделите совпадения, затем найдите nn.
  • Сравнивать независимые группы как пары. Знаки разностей имеют смысл только при заранее обоснованном сопоставлении объектов.
  • Удваивать любой односторонний хвост. Для двустороннего теста здесь удваивают меньший хвост и ограничивают результат единицей.
  • Принимать большое pp за доказательство равенства. Небольшая выборка может просто не дать достаточно информации для обнаружения различия.
  • Называть результат оценкой среднего эффекта. Критерий учитывает направления и не определяет средний размер изменения.

FAQ

Нужна ли нормальность распределения?

Нет, для точного критерия знаков нормальность разностей не требуется. Однако нужны подходящий план отбора и независимость знаков; гипотеза задаёт вероятность плюса среди ненулевых разностей.

Можно ли использовать критерий для одной выборки?

Да. Сравните каждое наблюдение с заданным значением, исключите точные совпадения и проанализируйте знаки отклонений. Интерпретацию через медиану уточняйте с учётом возможной массы в проверяемой точке.

Что делать, если значимых изменений нет?

Сообщить наблюдаемые знаки и pp, не утверждая, что изменения отсутствуют. При малом числе ненулевых пар тест имеет ограниченную способность обнаружить различие; оцените также величины разностей и дизайн исследования.

Коротко

Критерий знаков сводит парные разности к плюсам и минусам, исключает нули и сравнивает полученный баланс с биномиальной моделью. Для девяти плюсов и одного минуса точное двустороннее p≈0,0215p\approx0{,}0215. Вывод относится к вероятностям направлений или, при нужных условиях, к медиане разностей; величину эффекта и причинную связь тест сам по себе не устанавливает.

Доверьте текст нейросети EssayAI

Открыть EssayAI

Бесплатно, на русском языке и без VPN

Читайте также

Доверительная вероятность и уровень значимости

Доверительная вероятность и уровень значимости

Как связаны доверительная вероятность и уровень значимости: формула, смысл ошибок, пример доверительного интервала среднего и проверка двусторонней гипотезы.

8 ноября 20268 минут
Ошибки первого и второго рода при проверке гипотез

Ошибки первого и второго рода при проверке гипотез

Ошибки первого и второго рода в проверке гипотез: как различать ложную тревогу и пропуск эффекта, рассчитать вероятность ошибки и повысить мощность критерия.

8 ноября 20268 минут
Проверка гипотезы о среднем нормального распределения

Проверка гипотезы о среднем нормального распределения

Как проверить гипотезу о среднем нормального распределения: выбор Z- или t-критерия, формулы, пример расчёта, критические области и интерпретация результата.

8 ноября 20268 минут
Таблица сопряжённости и критерий хи-квадрат Пирсона

Таблица сопряжённости и критерий хи-квадрат Пирсона

Как проверить независимость признаков по таблице сопряжённости: ожидаемые частоты, расчёт хи-квадрат Пирсона, степени свободы, p-значение и ограничения метода.

8 ноября 20269 минут
Точный критерий Фишера: таблица сопряжённости

Точный критерий Фишера: таблица сопряжённости

Как применять точный критерий Фишера к таблице сопряжённости 2×2: условное распределение, одностороннее и двустороннее p, пример расчёта и интерпретация.

8 ноября 20268 минут
Уровень значимости и критическая область

Уровень значимости и критическая область

Как связаны уровень значимости и критическая область: односторонний и двусторонний критерии, критические значения, p-значение и пример расчёта Z-критерия.

8 ноября 20268 минут