关于分布的检验.pptVIP

第三章 关于分布的一致性检验 在前面的课程中，我们已经了解了假设检验的基本思想，并讨论了当总体分布为正态时，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 . 在数据分析中，要经常判断一组数据的分布是否来自于某一特定的分布，例如：连续性分布常判断是否来自于正态分布；离散型分布常判断是否来自于二项分布、Possion分布.或判断实际观测值与期望值是否一致. 本节我们将关注这些问题，从一般到特殊，首先考察判断实际观测值与期望数是否一致，主要介绍 拟合优度检验法；当总体均值和方差未知时，我们介绍一种检验数据是否偏离正态分布的方法 ： 检验法. 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，据统计，这432年间共爆发了299次战争，具体数据如下: 战争次数X 0 1 2 3 4 223 142 48 15 4 发生 X次战争的年数 在概率论中，大家对泊松分布产生的一般条件已有所了解，容易想到，每年爆发战争的次数，可以用一个泊松随机变量来近似描述 . 也就是说，我们可以假设每年爆发战争次数分布X近似服从泊松分布. 上面的数据能否证实X 具有 泊松分布的假设是正确的？ 现在的问题是： 又如，某钟表厂对生产的钟进行精确性检查，抽取100个钟作试验，拨准后隔24小时以后进行检查，将每个钟的误差（快或慢）按秒记录下来. 问该厂生产的钟的误差是否服从正态 分布？ 再如，某工厂制造一批骰子，声称它是均匀的. 为检验骰子是否均匀，要把骰子实地投掷若干次，统计各点出现的频率与1/6的差距. 也就是说，在投掷中，出现1点，2点，…，6点的概率都应是1/6. 得到的数据能否说明“骰子均匀”的假设是可信的？ 问题是： K.皮尔逊 这是一项很重要的工作，不少人把它视为近代统计学的开端. 解决这类问题的工具是英国统计学家K.皮尔逊在1900年发表的一篇文章中引进的所谓 检验法. 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. 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. 使用 对总体分布进行检验时， 我们先提出原假设: 检验法 这种检验通常称作拟合优度检验，它是一种非参数检验. 3.1 拟合优度检验 （ ） 1.实际观察数量与期望次数的一致性检验 当一组数据的类型为类别数据，其中 个观测值可以分为C种类别，每一类可计算其发生频数，称为实际观测频数，记为 ，表示如下： 类别 1 2 3 n 总和 实测次数 我们想了解每一类别发生的概率是否与理论分布 一致，因此作以下假定： 总体分布为 （即 ） 总体分布不为 （即 ） Pearson 统计量 在零假设成立的条件下，期望频数应该为 .因此可以由实际频数 与期望频数 是否接近作为检验总体分布和理论分布是否一致的测量标准，通常采用如下定义的Pearson 统计量： 每一项用 去除的目的是为了缩小理论频数比较大的那些项在和式中的影响力. 拟合优度检验：判断实际观测的属性类别分配是否符合已知属性类别分配的理论或学说的假设检验，即用于检验总体是否服从某个指定的分布. 在用 检验假设H0时，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. 检验法 Pearson 拟合优度检验的思想及其步骤 1). 将总体X的取值范围分成k个互不重叠的小区间,记作I1, I2, …, Ik ，且I1= ，I2= ， Ik = ， 2).计算各个子区间 Ii 上的理论频数 如果总体分布函数为 ，则每个点落在区间Ii 上的概率为 在 个点中，理论上有 个点落在Ii 上（称为理论频数