4—3非参数假设检验.pptVIP

第三节 非参数假设检验 一、总体分布函数的假设检验 二、独立性假设检验 三、两总体分布比较的假设检验 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 前面已经研究了假设检验的基本思想，并讨论了当总体分布已知时，关于其中未知参数的假设检验问题 . 然而可能遇到这样的情形，总体服从何种理论分布并不知道，要求我们直接对总体分布提出一个假设 . 问题的背景： Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 例如，从 1500 到 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 年间共爆发了 299 次战争，具体数据如下: Poisson分布? 对总体分布进行检验的问题称为分布的拟合检验. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. χ2 检验法是在总体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. 基本思想: H0：总体 X 的分布函数为 F(x) 然后根据样本的经验分布和所假设的理论分布之间的吻合程度来决定是否接受原假设.这种检验通常称作拟合优度检验，它是一种非参数检验. 一、χ2拟合优度检验 提出原假设: Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 将总体 X 的取值为 a1, a2, …, ak . 2. 把取值为 ai 的样本值的个数记作 ni ，称为实测频数. 所有实测频数之和 n1+ n2+ …+nk 等于样本容量 n. H0：P(X=ai) =pi , i=1,2,…, k. 基本原理和步骤如下:（总体分布取值有限） Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 3.根据所假设的理论分布,可以算出 npi 就是落入 X 取值为 ai 的样本值的理论频数. 它标志着经验分布与理论分布之间的差异的大小. 4.皮尔逊引进如下统计量表示经验分布与理论分布之间的差异: 在理论分布 已知的条件下, npi 是常量 实测频数 理论频数 其分布是什么? Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Pearson证明了如下定理: 若原假设中的理论分布 F(x) 已经完全给定，那么当 n 充分大时，统计量 注: 若在 H0下分布类型已知，但其参数未知，这时需要先用极大似然估计法估计参数，然后作检验. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Fisher证明了如下定理: 若原假设中的理论分布 F(x) 中有 r 个未知参数需用相应的最大似然估计来代替，那么当 n 充分大时，统计量 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 如果根据所给的样本值 x1, x2, .., xn 算得统计量χ2 的实测值落入拒绝域，则拒绝原假设；否则就认为差异不显著而接受原假设. 分别得拒绝域: (不需估计参数) (估计r 个参数) 查χ2 分布表可得临界值χ21-α ，