数理统计三假设检验.ppt

诸点在一直线周围，这时认为点P 所对应出数据点可能是异常点。此 时，往往进一步找其他证据进行判 定。比如，检查原始试验的数据记 录，看是否有录入错误等。 如果图形分为比较明显的两个部分 如图3.6(b)的形状，那么，可能意 味着总体的分布是混合的。 二、 Pearsonχ2 检验 前面的图示法直观易行，但不能 从数量上反映样本与给定分布拟 合的程 度，这在许多情形下不能 满足需要。Karl Pearson于1900 年提出来一个衡量样本与给定分 布的拟合程度的量，这就是为后 人所熟知的Pearsonχ2 检验统计 量。我们将叙述χ2检验的基本思 想和结论。 1、Peareon χ2统计量：有限值 离散分布 首先，考虑一个特殊分布的拟 合优度检验问题。设X1,…,Xn为来 自于离散分布： 简单随机样本，要检验的问题是： 根据大数定律，当样本量充分大时， 一个随机事件发生的概率与频率应当 接近，于是，用随机事件{X=xi}的频 率与原假设中相应概率之间的差异来 检验上述假设。 记样本中xi出现的次数为Ni，且 Ni={Xi=xi}# , 定义χ2统计量： 则χ2为在各个xi处频率与假设的 概率差异平方(也可以说是观测频 数与原假设下的理论频数差异平 方)的加权和，它衡量了样本与假 设分布之间的似合的程度，称之 为Pearsonχ2统计量，它是由Karl Pearson提出的。显然，当 H0不成 立时,χ2统计量将有偏大的趋势。 关于它的分布，首先注意到(N1,…, NM)服从多项分布， 当原假设成立 时，该多项分布为： 其中，非负整数n1，…，nM满足: 在此基础上，可以证明下列定理 定理2：在原假设H0下， 2、 Pearson χ2检验：一般分布 现在考虑一般分布的拟合优度 检验问题。Pearson采用了如下 方法： (1)将总体X的取值范围 分成 M个子集Ei(i=1，…，M)，满足： (2)根据原假设的分布F0,计算 第六节 拟合优度检验 本节讨论的拟合优度检验，是 用来检验样本与某 个分布或分布 族的拟合是否有显著差异的统计 方法。显然，拟合优度检验在 统 计数据分析中占有非常重要的地 位，它是建立统计模型的基本步 骤之一。 拟合优度检验的基本思路是寻 求某种衡量样本的分布特性与猜 测的统计模型之间的差异的量。 简单地说，就是寻求衡量数据与 模型的拟合程度的量。当表示差 异的量超过某个界限，便认为总 体与这个统计模型之间差异太大，用这个模型来描述可能会引起 问题，产生误导的结论。由此可 以看出这确实是一个假设检验问 题；拟合优度检验的方法随着衡 量样本与统计模型之 间拟合程度 的量的不同而不同。 以下将主要介绍图示法、Pearson χ2检验法和EDF型检验，同时对于 正态分布的拟合优度检验进行更为 细致的讨论。 需要特别指出的是，由于问题本 身的性质，拟合优度检验基本上 属于大 样本理论问题，因为当样 本量很小时，样本中所包含的关 于分布特性：比如 分布密度的形 状)的信息一般不足以让我们做出 可靠的判断。 一、图示法 图示法是拟合优度检验的常用 方法，虽然不能定量地描述样本 与假设的 总体分布之间的差异， 但具有简便直观、易于解释的特 点，往往从中能够发 现样本或总 体的某些特征，从而为建立统计 模型提供更多的信息。本小节介 绍P–P散点图和Q–Q散点图两种 图方法。 1、P–P 散点图 设X1，?，Xn为来自于连续型分 布F的独立同分布样本，根据所 研究问题的实际背景，猜测F为 某连续型分布F0。我们的问题是 检验假设： 介绍P–P图方法，首先给出下面 的定理。 定理1：若上述检验的原假设成立 即 成立，则： 相互独立，并且服从分布 记 为 的顺序统计量，则由 顺序统计量的概率密度函数的公 式知 的概率密度函数为： 这种作图法实际上是检验 U1,U2,?,Un是否来自(0，l)上的均 匀分布U (0，1 )。当p – p散点图 不呈直线时，一般需要依据问题 的背景和样本的某些特性对于总 体的分布特点进行进一步的分析，同时也需要逐步积累数据分 析的经验。有下面几种典型情况: (1)Ui的均值是0.5，图形关于 (0.5,0.5)对称，而Ui的取值有向 0.5 集中的倾向。P–P散点图呈反 S型，如图3.3 (b)所示。此时，表 明函数 F0在由X1,X2,?,Xn标明的 范围内变化平缓，从而F0相对于 真正的总体分布 来说可能分散性 偏大，尾部较重；而对称性表明 二者的密度