嘉兴学院课件第七章假设检验分布拟合检验.ppt

图7.4.3 例7.4.5 的正态概率纸 对该10个寿命数据作对数变换,结果见表7.4.8 表7.4.8 对数变换后的数据 1 32.62 3.4849 0.061 6 286.80 5.6588 0.549 2 97.04 4.5752 0.159 7 539.35 6.2904 0.646 3 99.16 4.5967 0.256 8 561.10 6.3299 0.743 4 110.47 4.7048 0.354 9 782.93 6.6630 0.841 5 179.49 5.1901 0.451 10 2269.82 7.7275 0.939 i i 利用表7.4.8 中最后两列上的数据在正态概率纸上描点，结果见图7.4.4，从图上可以看到10个点近似在一条直线附近，说明对数变换后的数据可以看成来自正态分布。这也意味着，原始数据服从对数正态分布 图7.4.4 变换后数据的正态概率纸 二、夏皮洛－威尔克(Shapiro-Wilk)检验 夏皮洛－威尔克检验也简称W 检验。这个检验当8?n?50时可以利用。过小样本(n8)对偏离正态分布的检验不太有效。 W 检验是建立在次序统计量的基础上。 检验统计量为: (7.4.5) 其中系数ai 可查附表6。 拒绝域为: {W?W?}。 其中? 分位数 可查附表7. 系数 还具有如下几条性质： 据此可将(7.4.5)简化为 例7.4.6 某气象站收集了44个独立的年降雨量数 据，资料如下（已排序）： 520 556 561 616 635 669 686 692 704 707 711 713 714 719 727 735 740 744 745 750 776 777 786 786 791 794 821 822 826 834 837 851 862 873 879 889 900 904 922 926 952 963 1056 1074 我们要根据这批数据作正态性检验。 首先由这批数据可算得: 我们将计算W 的过程列于表7.4.9中。 为便于计算，值 ， 和 安排在同一行。 表7.4.9 某一气象站收集的年降雨量 1 520 1074 554 0.3872 2 556 1056 500 0.2667 3 561 963 402 0.2323 4 616 952 336 0.2072 5 635 926 291 0.1868 6 669 922 253 0.1695 7 686 904 218 0.1542 k k 8 692 900 208 0.1405 9 704 889 185 0.1278 10 707 879 172 0.1160 11 711 873 162 0.1049 12 713 862 149 0.0943 13 714 851 137 0.0842 14 719 837 118 0.0745 15 727 834 107 0.0651 k 16 735 826 91 0.0560 17 740 822 82 0.0471 18 744 821 77 0.0383 19 745 794 49 0.0296 20 750 791 41 0.0211 21 776 786 10 0.0126 22 777 786 9 0.0042 从表7.4.9可以计算出W 的值： 由于计算得到的W 值大于该值，所以在显著性水平? =0.05上不拒绝零假设，即可以认为该批数据服从正态分布。 若取? =0.05，查附表7，在n=44时给出: 第七章 假设检验 嘉兴学院 * 第*页 * 第七章 假设检验 嘉兴学院 * 第*页 §7.4 分布拟合检验 7.4.1 总体分布只取有限个值的情况 设总体X 可以分成k 类，记为 ，现对该总体作了n 次观测，k 个类出现的频数分别为: 检验如下假设: n1,…,nk, 且 其中诸 且 一、诸 pi 均已知 如果H0 成立，则对每一类Ai，其频率ni /n与概率pi 应较接近。即观测频数ni 与理论频数npi 应相差不大。据此，英国统计学家K.Pearson提出如下检验统计量: (7.4.2) 并证明在H0 成立时对充分大的n, (7.4.2) 给出的检验统计量近似服从自由度为k-1的 分布。 拒绝域为: 例7.4.1 为募集社会福利基金，某地方政府发 行福利彩票，中彩者用摇大转盘的方法确定 最后中奖金额。大转盘均分为20份，其中金 额为5万、10万、20万、30万、50万、100万 的分别占2份、4份、6份、4份