正态性检验.pptVIP

§ 3.6 正态性检验 对数据的总体情况作全面的描述，就要研究数据的分布。对数据分布的主要描述方法是直方图与茎叶图、数据的理论分布（总体分布）。 数据分析的一个重要问题是要研究数据是否来自正态总体，这是分布的正态性经验的问题。 直方图、经验分布函数与QQ图 对于数据分布，常用直方图进行描述。将数据取值的范围分成若干区间（一般是等间隔的），在等间隔区间的情况，每个区间的长度称为组距。考察数据落入每一区间的频数与频率，在每个区间上画一个矩形，它的宽度是组距，它的高度可以是频数、频率或频率/组距，在高度是频率/组距的情况，每一矩形的面积恰是数据落入区间的频率，这种直方图可以估计总体的概率密度。 组距对直方图的形态有很大的影响，组距太小，每组的频数较少，由于随机性的影响，邻近区间上的频数可能很大；组距太大，直方图所反映概率密度的形态就不灵敏。 例 （1）作直方图，并拟合正态分布曲线； （2）作经验分布函数图，并拟合正态分布函数曲线； （3）作正态QQ图，并从直观上鉴别样本数据是否来自正态分布总体。 正态性检验与分布拟合检验 上面介绍的直方图、QQ图等对随机型、确定型的数据都有用，其特点是图像生动直观。在直方图、经验分布函数的介绍中，曾提到在总体存在某种类型的分布时，配一条合适的总体概率密度曲线或总体分布函数曲线。然后，所配曲线是否合适，是需要进行统计检验的。 检验法: α比较与P值 根据α查表,得 ,与统计量 比较 根据统计量 计算P值,与α比较 例1.18 对以下数据进行正态性W检验： 9.89 8.00 6.40 6.17 5.39 7.27 9.08 10.40 11.20 8.75 6.45 11.90 10.30 9.58 9.24 7.75 6.20 8.95 8.33 * * 正态性检验 分位数的观察值与估计值 正态QQ图中，‘*’标示正态QQ图上的点，‘+’标示相应的参考直线。 *