由参数估计知道样本均值的大小在一定程度上反映了总体均值的大小.PPT

§8.3 分布拟合检验 前面讨论了在总体分布形式已知的前提下对其参数的假设检验问题，但在实际问题中，往往总体分布形式是未知的，需要对总体分布形式进行推断.这类根据样本对总体分布类型进行假设检验的问题，统称为非参数假设检验. 本节主要讨论 拟合检验. 设总体 的分布 未知， 是来自总体的样本，检验问题 总体 的分布 ， （8.3.1） 其中 是某个已知分布函数. 为解决（8.3.1）式提出的假设检验是否成立，皮尔逊（K.Pearson）提出了 拟合检验法.其基本思想是将样本观测值决定的经验分布函数来替代总体分布，并与假设的理论分布相比较. 由于抽样的随机性和样本容量有限性，两者之间必然存在一些偏差. 问题是这种偏差能否解释为仅仅是样本的随机性和试验次数有限而带来的随机波动，还是因为所配合的理论分布与样本分布之间确实具有实质性差异所导致的. 如果两者偏差是显著的，则认为总体分布不服从该理论分布，即拒绝 ，否则接受 . 拟合检验法的基本步骤如下： （1）根据样本观测值的取值范围，把总体 的一切可能取值的集合 （ 或 的子集）分成 个互不相交的区间 ，统计样本观测值落入各区间的频数 与频率 （2）在 成立的条件下，计算总体 落在每个区间的概率. 若 中含有未知参数，先需用极大似然估计法估计出参数，再求相应的概率. 选取统计量 ， （8.3.2） 直观上， 统计量可理解为观测频数与理论期望频数的相对差异，也可理解为观测频率与理论概率差的加权平和.当 成立时， 值应该比较小，因此当 值大于某一临界值时，就应该拒绝 . 基于上述直观理解，皮尔逊采用（8.3.2）式确定的统计量作为检验 的统计量，并证明了如下定理： 定理8.3.1（皮尔逊定理）对充分大的 ，当 成立时，统计量（8.3.2）近似地服从自由度为 的 分布，其中 为待估参数的个数. （3）在 成立的条件下，给定显著水平 有 ， 可得拒绝域为 . （4）根据样本观测值计算 值 若 ，拒绝 ；若 ，接受 . 需要指出的是应用 拟合检验时，要求样本容量 较大，一般分为5至7个区间，且样本观测值落入每个区间的频数不能少于4，若少于4，则应并入相邻的区间.尽管 拟合检验对于离散型和连续型总体分布都适用，但它依赖于区间的划分， 拟合检验实质上只是检验了 是否为真，并未真正检验总体分布 是否为 . 例8.3.1 自1875年至1955年，对其中63年的观测中，某市夏季共有180天下过暴雨. 把5至9月作为夏季，每年夏季共153天. 在统计的63年中，某市一年夏季有 天发生过暴雨的年数 如下表： 0 1 2 3 4 5 6 7 8 合计 4 8 14 19 10 4 2 1 1 0 63 表8-5 试问：观测结果能否说明某市一年内夏季发生暴雨的天数服从泊松分布 ？ 解 以 表示某市一年内夏季发生暴雨的天数，根据容量为63的样本来检验假设 总体 服从泊松分布. 当 成立时， 未知. 首先要求出 的极大似然估计值 把 的一切可能取值分为7个组，