概率论教学课件—概率4-3张颖.pptVIP

例2 从某厂正常生产的维尼纶中抽取100件，测其纤度(表示纤维粗细程度的量) X，经整理得纤度频数分布表如下： 试用?2检验法检验维尼纶纤度是否服从正态分布(取?=0.1). 解: 因总体参数都是未知的,故应先用最大似然估计法估计?与?2. 利用组中值得: 所以我们检验的假设为 H0： X~N(1.406,0.0023) 为便于用表计算npi, 应先作变换Z=(X－1.406)/0.048化X为标准 正态r.v, * §4.3 非参数检验 一、分布函数的拟合检验 二、两总体之间关系的检验 即在总体X 的分布未知时，根据来自总体的样本，检验关于总体分布的假设的一种检验方法. 例：从1500-1931年的432年间，每年爆发战争的次数可以看作一个随机变量，椐统计，这432年间某地共爆发了299次战争，具体数据如下: 战争次数X 0 1 2 3 4 223 142 48 15 4 发生 X次战争的年数 假设每年爆发战争次数X近似服从泊松分布. 问：上面的数据能否证实X 具有泊松分布的假设是正确的？ 解决这类问题的工具是英国统计学家K.皮尔逊在1900年发表的一篇文章中引进的 拟合检验法. 一、分布函数的拟合检验 其中F0(x)为某个已知的分布函数. 在显著性水平?下检验假设 设总体X的真实的分布函数F (x)未知，(X1,X2,…,Xn)是总体X的样本，(x1,x2,…,xn)是其样本观察值. 若总体X 为连续型，则上述假设相当于 (2)若总体X为离散型，则上述假设相当于 说明 (1)备择假设H1可以不必写出. H0:总体X的分布律为P{X=xi}=pi,i=1,2, …. 以ni记样本值(x1,x2,…,xn)落在Bi的个数，这表示事件Ai={X的值落在子集Bi内}在n次独立试验中发生了ni次，于是在这n次试验中事件Ai发生的频率为ni/n. 我们采用形如 频率ni/n与概率pi会有差异，但若H0为真时，这种差异应相差不大，因此 另一方面，当H0为真时，我们可以根据所假设的X的分布函数F0(x)来计算事件Ai的概率，得到 的统计量来度量总体的真实分布与H0中所假设的分布的吻合程度. 皮尔逊定理 拒绝域的形式为 注：在实际问题中，要求n≥50，npi≥5,否则可适当合并子集Bi. 例1 下表列出了某一地区在夏季的一个月中由100 个气象站报告的雷暴雨的次数. 其中ni是报告雷暴雨次数为i的气象站数.试用 i ni Bi 0 1 2 3 4 5 22 37 20 13 6 2 0 B0 B1 B2 B3 B4 B5 B6 解 按题意需检验假设 例如 分成如表所示的两两互不相交的子集B0,B1, …,B6, 计算结果如表所示, 如表中第4列花括号所示,并组后 m=4. 现在 认为雷暴雨次数X不服从 说明： 可以证明, 拒绝域为 以 1.00 n=100 ∑ 0.01 0.04 0.07 0.22 0.23 0.25 0.10 0.06 0.01 0.01 1 4 7 22 23 25 10 6 1 1 1.28 1.31 1.34 1.37 1.40 1.43 1.46 1.49 1.52 1.55 1.265~1.295 1.295~1.325 1.325~1.355 1.355~1.385 1.385~1.415 1.415~1.445 1.445~1.475 1.475~1.505 1.505~1.535 1.535~1.565 频率ni /n 频数ni 组中值 组 限 分析: 没有具体数据,如何估计?与?2? 现求 P54正态分布?2的最大似然估计值 见课本P83表4-2. 因并组,故m=6,估计了两个参数k =2,于是自由度为m－k－1=3. 查表得 故在水平0.1下接受H0,即认为X~N(1.406,0.0023). 二、两总体之间关系的检验 (1)符号检验 1）检验对象: 两总体是否同分布. 若H0成立， n+和n－不应相差太大, 因此S=min{n+,n－}也不应太小. 否则,就应该拒绝H0. 2）思想方法: 若原假设H0成立，那么分别来自两个总体X,Y的样本观察值(x1,x2,?,xn)与(y1,y2, ?,yn)中的每一对数据xi，yi应满足： 3）符号检验的步骤: ②计算n+和n－, 记S=min{n+,n－},计算 N= n++n－, ①比较两样本值(x1,x2,?,xn