[生物统计课件杜荣骞]第七章拟合优度检验.pptVIP

第七章 拟合优度检验 7.1.1 拟合优度检验的统计量 §7.2 拟合优度检验 7.2.3 对正态性的检验 7.3.1 列联表检验 7.3.2 2×2列联表的精确检验法 7.4.1 卡方的齐性检验 * §7.1 拟合优度检验的一般原理 7.1.1 拟合优度的概念 拟合优度检验（goodness of fit test）是用于检验实际观测数与依照某种假设或模型计算出来的理论数之间的一致性，以便判断该假设或模型是否与观测数相配合。该检验也会犯I型或II型错误。 该检验包括两种类型： 其一，检验观测数与理论数间的一致性。 其二，通过检验观测数与理论数间的一致性来判断事件之间的独立性。这两种问题都用 检验。 这里的 检验与前面讲的变异显著性 检验是不同的，后者是对一个正态总体的方差所做的检验。 拟合优度检验的一般做法： 将观测值分为 k 种不同类别。 共获取n个独立观测值，第i类观测值的数目为Oi， 。 第i类的概率为pi， 。第i类的期望数或理论数为npi=Ti， 。 Oi与Ti进行比较，判断Oi与Ti之间总的不符合程度是否由于机会造成的。 该式定义的统计量称为 ， 当n充分大时，该统计量近似服从分布 ，但要求每一组内的理论数都不小于5，否则应将相临组合并，直到等于或大于5。 为了得到总的不符合程度，将k个Oi -Ti累加。很明显，不管它们之间符合的程度如何，恒定有 ，于是采取类似计算方差的方法求 的平方和 。这样虽然解决了总的不符合程度为零的问题，但却得不出相对的不符合程度。为了得到相对不符合程度而采用 以 为权求加权值， 当df =1时，前式应做连续性矫正，矫正的 为 ， 若上面二式中的 已经给定或计算 时的总体参数已知时，它的自由度df = k-1，即a = 0。若总体参数没有给出时则需由样本数据做点估计，由点估计得出 。此时df = k-1-a，其中a为需要由样本估计的参数个数。 7.2.1 拟合优度检验的一般步骤 1. 对数据进行分组（离散数据的组间距通常为1）。 2. 根据总体分布类型和样本含量n计算 。 3. 有时要用样本数据估计总体参数（如由样本频率估计二项分布参数 ）。记所估计参数的个数为a。 4. 合并两个尾区的理论数，使之不小于5，合并后的组数记为k。 5. 相应于2的自由度为k-1，相应于3的自由度为k-1-a。 6. 零假设：由于拟合优度 检验不是针对总体参数，因此零假设不需具体提出数值，只需判断观测值是否符合理论数或某一理论分布，即 。 7. 计算 值并与 临界值做比较，当 时拒绝 。 7.2.2 对二项分布的检验 例 黄圆（YR）豌豆与绿皱（yr）豌豆杂交，第二代分离数目如下： Y_R_ Y_rr yyR_ yyrr 合计 315 101 108 32 556 问是否符合自由组合定律？ 解：当性状间相互独立时，F2代的表型可由二项分布给出，其中 =3/4，n = 2。根据二项展开式 可以得出理论分离比为： 将以上数据列成下表： 1. 总体参数 已知 ? Y_R_ Y_rr yyR_ yyrr 实际观测数O 315 101 108 32 理论频率p 9/16 3/16 3/16 1/16 理论数T 312.75 104.25 104.25 34.75 O-T 2.25 -3.25 3.75 -2.75 (O-T) 2/ T 0.016 0.101 0.135 0.218 =0.016+0.101+0.135+0.218=0.47 ? Y_R_ Y_rr yyR_ yyrr 实际观测数O 315 101 108 32 理论频率p 9/16 3/16 3/16 1/16 理论数T 312.75 104.25 104.25 34.75 O-T 2.25 -3.25 3.75 -2.75 (O-T) 2/ T 0.016 0.101 0.135 0.218 =0.016+0.101+0.135+0.218=0.47 理论数均大