数理统计课件全集.ppt

一.二点分布 (2) 第四节 分布函数的拟合优度检验 前面几节中讨论了总体分布形式已知时关于总体参数的假设检验。但在许多实际问题中并不能预先知道总体分布的形式。这时，就需要根据样本提供的信息，对总体的分布作出假设，并对此假设进行检验。本节我们将介绍由英国统计学家卡尔·皮尔逊提出的 拟合优度检验法。 拟合优度检验法的基本原理和步骤： 1. 提出原假设 H0 ：总体 X 的分布函数为F (x) 备择假设H1 ： 总体 X 的分布函不是F (x) (1)备择假设可以不必写出. (2)若X是离散型总体，原假设相当于： H0 ：总体 X 的分布律为：P{X=xi}= pi ,i=1,2, … … 若X是连续型总体，原假设相当于： H0 ：总体 X 的概率密度为f (x). 说明: (3) 若在原假设 H0下，总体分布的形式已知，但有r 个参数未知，这时需要用极大似然估计法先估计这 r 个参数. 2. 将 x 轴分成K个互不重迭的小区间： 3.计算样本的n个观察值落入以上每个区间的个数，记为fi （ i=1,2, ……,K），称其为实际频数. 所有实际频数之和 f1+ f2+ …+ fk 等于样本容量n. 4.在原假设H0为真时，计算总体落入每个区间的概率Pi=F（bi）- F（bi-1）（ i=1,2, ……,K），于是npi就是落入第i个区间的样本值的理论频数. 反映了实际频数与理论频数的差异. 当原假设H0为真，样本容量又充分大时，两者 并证明了如下定理： 的差异应不会太大，皮尔逊由此引进统计量： 定理（皮尔逊）若 n 充分大，H0为真时，不论 H0中的分布属于什么类型，统计量 总是近似服从自由度为K-r-1的 分布，即 其中r是分布中被估计的参数的个数. 由此得 5.检验统计量： 拒绝域： 要适当合并区间以满足这个要求。 拟合优度检验法是在n充分大的条件下得到 的，所以在使用时必须注意 n要足够大及 npi不能太小， 根据实际经验，要求 n ≥50，理论频数npi ≥4 ，否则 注: 例1.某个城市在某一时期内共发生交通事故600次，按不同颜色小汽车分类如下 75 125 70 80 135 115 事故次数 红 棕 黄 白 灰 蓝 汽车颜色 如果交通事故的发生与汽车的颜色无关，则每种颜色的小汽车发生交通事故的可能性是一样的. 问：交通事故是否与汽车的颜色有关？ 分析： 解： 原假设 检验统计量： 拒绝域： 列表计算 汽车 颜色 f i P i nP i f i - nP i 红 棕 黄 白 灰 蓝 n=600 -25 25 30 -20 35 15 75 125 70 80 135 115 1/6 1/6 1/6 1/6 1/6 1/6 100 100 100 100 100 100 6.25 6.25 9 4 12.25 2.25 40 ∑ 所以拒绝H0，认为交通事故与汽车的颜色有关. 因为 例2.某电话交换台，在100分钟内记录了每分钟被呼唤的次数X，设f i为出现该 X值的频数，结果如下： 0 7 12 18 17 20 13 6 3 4 f i 0 1 2 3 4 5 6 7 8 9 X 问总体X（电话交换台每分钟呼唤次数）服从泊松分布吗？ 解： 按题意，原假设 由于λ未知，首先须用极大似然估计法，求得λ的估计值（看七章二节例5）： 检验统计量： 拒绝域： 列表计算： X f i P i nP i f i - nP i ≤1 2 3 4 5 6 7 ≥8 n=100 7 12 18 17 20 13 6 7 1.3099 ∑ -0.02 -0.34 0.18 -2.29 3.30 0.95 -1.46 -0.32 0.00006 0.0094 0.0018 0.2719 0.6521 0.0749 0.2857 0.0140 7.02 12.34 17.82 19.29 16.70 12.05 7.46 7.32 0.0702 0.1234 0.1782 0.1929 0.1670 0.1205 0.0746 0.0732 因为 所以接受H0， 认为电话交换台每分钟呼唤次数X 服从泊松分布. 说明: 将n=0和n=1合并，n=8与n≥9合并是为了 保证理论频数npi ≥4. 例