§8.4分布函数拟合检验.ppt

* * H0:F(x)=F0(x)， H1:F(x)≠F0(x)， §8.4 分布函数的拟合检验 总体X离散→ H0:P(X=xi)=pi，i=1,2,… H0:p(x)=p0(x)，x?R 总体X连续→ 案例： 假设某企业早、中、晚三班在发生事故的概率上无差别 即 班次 早 中 晚 事故率 一.皮尔逊?2拟合检验法 1/3 1/3 1/3 一段时间记录到15次生产事故，其中早、晚各6次，中班3次。 这些数据使人怀疑各班次的事故率不完全相同，需要进一步检验。 基本想法： 找一个反映数据与假设的偏差的量?2 ， ?2越小，数据与假设之间的拟合程度就越好 (6-15×1/3)2＋ (3-15×1/3)2 ＋ (6-15×1/3)2 15×1/3 ?2 ＝ 15×1/3 15×1/3 ～ ?2 (3-1) ?2 拟合检验法的基本想法： （1）把随机试验的样本空间分成k个互不相容的事件A1,A2,…,Ak，也称为k个组； H0:F(x)=F0(x)， H1:F(x)≠F0(x) （5）构造统计量 （2）计算落在每一组上的实际频数ni； （3）计算落在每一组上的理论频数n pi ；其中pi 是当H0为真时，落在每一组上的概率； （4）当H0为真时，计算 ?2 拟合检验法的基本想法： 定理8.4.1 （Pearson-Fisher定理） 在H0为真时，当n很大时，上述定义的统计量χ2服从自由度为k-r-1的χ2分布，其中r是F0(x)中未知参数的个数。即 H0:F(x)=F0(x)， H1:F(x)≠F0(x) （6）给定显著性水平α，拒绝域为 *