第六讲估计与假设检验教材.ppt

3.4 分布检验 3.4.1 数据的分布研究 3.4.2 在INSIGHT模块中研究分布 3.4.3 在“分析家”中研究分布 3.4.4 使用UNIVARIATE过程 3.4.1 数据的分布研究 (分布拟合图、 QQ图、检验) 分布拟合图和QQ图的结论是对数据分布研究 的一种直观性的检验，更为严格的检验是利用检 验统计量。 1. 分布拟合图 由于密度直方图中矩形的面积是数据落入对 应区间中的频率，根据大数定理，数据量很大时， 频率近似于概率。所以，如果数据来自一个具有 概率密度f(x)的连续型随机变量，密度直方图就可 以作为概率密度f (x)的一个估计。 直方图顶端的形态为折线，而常用的一些分布的密度曲线如正态分布等都是光滑曲线，所谓分布拟合图就是在限定的参数分布类中通过对参数的估计，用估计得到的参数所对应的密度曲线去拟合直方图顶部的形态。 下图所示为分布拟合图，左图为正态分布拟合图，右图为对数正态分布拟合图。 在SAS系统中提供的参数分布类型有：正态（Normal）分布—最为常用的分布、对数正态（Lognormal）分布、指数分布、Gamma分布、 Weibull分布，它们的分布密度分别为： 1) 参数为(μ，?)的正态分布 2) 参数为(?，μ，?)的对数正态分布 3) 参数为(?，?)的指数分布的密度为 4) 参数为(?，α，?)的Gamma分布的密度为 5) 参数为(?，c，?)的Weibull分布的密度为 2. QQ图 不论密度直方图还是分布拟合图，要从图上鉴别数据的分布是否近似于某种类别的分布是较困难的。QQ图可以帮助我们方便地鉴别数据的分布是否近似于某种类型的分布。 QQ图是一种散点图。对应于正态分布的QQ图由点 构成，其横坐标为标准正态分布的分位数，纵坐标x(i)（i = 1，2，…，n）是x1…xn从小到大排序后的数列，为总体i/n分位点的估计。若观测数据近似正态分布N(μ，?2)，则QQ图上这些点近似在直线 y = ?x +μ附近。 要利用QQ图鉴别样本数据是否近似于正态分布，只需看QQ图上的点是否近似地在一条直线附近，该直线的斜率为标准差，截距为均值。 同样，也可以作对应于对数正态分布、指数分布、Gamma分布、Weibull分布的QQ图，以鉴别样本数据是否来自某一类型的总体分布。 3.4.2 在INSIGHT模块中研究分布 1. 绘制分布拟合图 【例3-6】在INSIGHT模块中绘制居民家庭收入情况（数据集sryzc）的分布拟合图。 变量income的密度拟合图和参数密度估计如图1与图2所 示。由图，对数正态密度曲线似乎更接近由数据得到的直方图。 2. 绘制QQ图 如果在前的“Distribution (Y)”对话框中选中“Normal QQ Plot（正态QQ图）”复选框，如左图所示，则可以得到QQ图，如右图所示。 带参考线的QQ图: 选择菜单 Curves（曲线）→QQ Ref Line（QQ参考线） → 选择 Method（方法）栏下的 Least Squares（最小二乘），如左图，单击“OK”按钮得到带参考线的QQ图（右图）。 Graphs →QQ Plot（QQ图） → Distribution栏下的Lognormal QQ Plot（对数正态QQ图）→ OK, 得到对数正态QQ图，如左图。 再用菜单 Curves ，得到带参考线的对数正态QQ图，如中图。 3. 正态性检验 在INSIGHT中继续上述操作： 选择菜单 Curves→Test for Distribution（分布检验）→ OK,如左图所示。 得到变量Income的经验分布和拟合的正态累计分布曲线图及检验结果。 检验结果汇总在分布检验表（如上图）中，其中列举了拟合正态分布的均值2316.1000（即样本均值）和标准差697.6906（即样本标准差），并提供了Kolmogorov D统计量的数值0.1377，而相应的p值 0.15 0.05 = α，所以不能拒绝原假设(Income为正态分布)，可以认为变量Income总体分布为正态分布。 3.4.3 在“分析家”中研究分布