Course_3(输入数据分析).pptVIP

* Management Information Simulation * 拟合优度检验 * Management Information Simulation * 拟合优度检验(goodness-of-fit test) 拟合优度检验的基本思路是将得到的拟合分布函数用原始数据进行统计假设检验。 假设检验问题即，如果从选定的拟合分布F中采样，是否有可能得到与所观测数据相似的数据？ H0：观测数据xi是以F为分布函数的独立同分布的随机变量 即分析拟合分布与观测数据的吻合程度。 常用的拟合优度检验方法： 直观评估 X2检验：针对概率密度函数进行检验 K-S检验：针对分布函数进行检验 * Management Information Simulation * 直观评估检验 即将拟合分布的密度函数和数据的柱状图比较，从点对点上形状上看是否相似。 特别粗糙，但是简单，可以作为第一步检验来做。 * Management Information Simulation * X2检验的基本原理 在总体分布为未知时，根据样本x1, x2, …, xn来检验总体分布的假设： H0：总体x的分布函数为F(x)。 X2检验的基本思想如下： 将随机试验所得到的结果全体?分为k个互不相容的事件区间A1, A2, …, Ak。于是在假设H0下，可以计算pi=P(Ai) 。在n次实验中，事件Ai出现的频率fi/n与pi往往会有差异，但是一般来说，若H0为真，且试验次数足够多时，这种差异不应该很大。基于这种想法，Pierson使用 作为检验假设H0的统计量。 定理： 若n充分达（n ? 50），则当H0为真时，上述统计量总是近似地服从自由度为k-1的X2分布，其中r是被估计的参数的个数。 于是，若在假设H0下计算上述统计量，则有 在显著性水平?下拒绝H0，否则就接收H0。 * Management Information Simulation * X2检验的主要步骤 若已知观测的数据有n个，用x1, x2, …, xn表示，则X2检验步骤如下： 设定所分的区间数k，pj = 1/k，则每个区间的数据个数为npj。(npj =5)。 将观测数据排序。 按尽量使每个区间的数据数目接近理论概率值npj的要求分成k个相连的区间，并计算个区间端点aj，由于要满足每个区间的数据数目接近npj的要求，所以各个区间的宽度并不相等。 计算落入每个区间数据的点数Nj。 计算X2检验统计值。 查表 比较并得出结果 * Management Information Simulation * X2检验示例(P37，见Excel文件) 确定区间数，一般原则：npi=5且k30，本例中，取k=20，则pj=0.05，npi=10.95。 拟合分布的累积分布函数为 F(x) = 1 – exp(-x/0.399) 则 F-1(x) = -0.399ln(1 - j/20) 计算分区点数值aj。 计算X2检验统计值。 比较得到结论： 在置信度0.10上不拒绝H0假设。 * Management Information Simulation * K-S检验 (Kolmogorov-Smirnov Test) X2：观测数据和拟合分布的密度函数进行检验 K-S：观测数据的经验分布函数和拟合分布的分布函数进行检验 优点：相对简单 缺点：适用于连续函数 * Management Information Simulation * K-S检验的主要步骤 对于观测点，可以根据经验分布确定分布函数： Fn(xi) = i/n 取X值上的最大垂直距离， Dn = SUPx(|Fn(x) – F(x)|) 检验并得出结论 * Management Information Simulation * 输入数据分析总结 基础性工作 主要是以统计方法为手段，关键在于统计量的构造 经验和专家意见很重要 对客观世界的抽象 * * * * Management Information Simulation Management Information Simulation 输入数据的分析 郑红星 大连海事大学交通运输管理学院 物流管理与工程系 * Management Information Simulation * 内容 概述及输入数据概率分析的步骤 数据的采集与处理 数据分布的分析与假设分布族 参数估计 拟合优度检验 * Management Information Simulation * 概述与输入数据概率分析的步骤 * Management Information Simulation * 概述－问题的缘起 模拟问题的数据要求