一,对总体分布函数F[x]的假设检验.pptVIP

一、对总体分布函数F(x)的假设检验 二、对随机变量的独立性、相关性的假设检验 例如，1 . 考察某一产品的质量指标打算用正态分布模型 2. 考察一种元件的寿命打算用指数分布模型 3. 一个骰子是否是均匀的？ 假设 H0：X~N(?, ?2) 假设 H0 ：X服从参数为?的指数分布 假设 H0 ：这个骰子是均匀的 这里主要介绍拟合优度检验（卡方检验法）。 H0: F(x)= F0(x)， H1: F(x)≠ F0(x) §8.3 非参数假设检验 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 卡方检验（K. Pearson，拟合优度检验） 设 X为未知总体，(x1，x2，…，xn)为大样本(n≥50)，欲检验 H0: F(x)= F0(x)， H1: F(x)≠ F0(x) 把实数轴(-∞，+∞)分成k个互不相交的区间： (-∞, a1], (a1, a2], …, (ak-2, ak-1], (ak-1, +?) 记a0=-∞, ak=+?, Ii=(ak-2, ak-1] (i=1,2,…,k-1) , Ik=(ak-1, +?)， ni为样本观测值（X的取值）落在第i个小区间Ii 的个数, pi 为X取值落入第i个小区间Ii的概率，0pi1, i=1,2, …,k, 则 pi= P{ ai-1X ai } = F0(ai)—F0(ai-1)，i=1,2,…,k. 构造统计量： §8.3 非参数假设检验 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. K. Pearson和R.A.Fisher联合证明了： 定理 不论F0(x)是何分布函数，只要n充分大(n≥50)，当假设H0成立时，上述?2统计量都近似地服从自由度为k-r-1的?2 分布。其中r是F0(x)中未知参数的个数。 称ni为实测频数，vi=npi为理论频数。称这类检验为拟合优度检验。 对于给定的?，查?2分布表得临界值??2(k-r-1)，使 由样本值计算出?2 统计量的值，当 ?2 ﹥??2(k-r-1) 时拒绝H0 ?2 ≤??2(k-r-1) 时接受H0 可见，皮尔逊定理（准则）适用于实测频数与理论频数相比较的问题。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 几点注释 ①若分布函数F0(x)的类型未知，可由实际问题分析或由样本观察数据的直方图来推测。 ②若已知F0(x) 分布类型，还有r个参数未知时，须先用极大似然估计法求出未知参数的估计值，然后再作假设。 ③此检验要求一定是大样本，一般n≥50。至于k的大小，对于正态总体，样本容量n与区间个数k要满足渐近最优关系 k=1.87(n-1)0.4 ④ 若理论频数vi=npi＜5时，则将相临的小区间合并，直至全部npi ≥5（合并区间的同时，也将实测频数合并），合并后的小区间数设为k*，则此时?2统计量的由度变为 df = k*-r-1 ⑤手工计算时常采用公式 N 50 100 200 500 1000 2000 10000 k 9 12 16 22 30 56 74 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. =?(-1.22)-?(-1.68)=0.0647. 类似地算得: p3=0.1124, p4=0.1547, p5=0.1813, p6=0.1695, p7=0.1286, p8=0.0793, p9=0.0630. 例1 设从总体X中抽取120个样本观察值，经计算整理得下表，试检验X服从正态分布。（?=0.05） 组号 小区间 ni 1 （-∞，198] 6 2 （198，201] 7 3 （201，204] 14