第三章输入数据分析.pptVIP

④ 查K-S准则表，当自由度N=5，显著水平α=0.05时，Dα = D0.05 = 0.565 D，故通过均匀性检验。 所以D=max{D+，D-}= max{0.26，0.21}= D+ =0.26 作 业 1. 个人(或两个人一组)确定题目和系统,制定数据 采集计划和方法, 采集至少 200 个数据 2. 分析并假设分布族 3. 确定分布参数 4. 至少用一种方法进行拟合优度检验 * 3. 概率图法 用已知数据和指数分布的分布函数, 利用 AXUM 软件（或SPSS）绘制概率图. 该概率图近似呈直线, 故可假设这 些数据近似呈指数分布 假设分布族例题 * 某银行汽车窗口顾客到达间隔时间概率图 假设分布族例题 * 结 论 由以上三种方法试探, 最后可假设 分布族为指数分布. 下一步应该确定分布的参数. 那一条是呢? 假设分布族例题 * 3.4 参数的估计 不同均值的指数分布密度曲线 * 1.参数的点估计 当所观测的数据直接用来计算未知参数的数值时，称其为参数的点估计 2.参数点估计的理论依据是最大似然法 最大似然法认为所观测的一组数据产生的概率是最大的. 因此最大似然法通常是求出选定分布的密度函数，然后利用求导和判断极值的方法，求出使这组数据产生概率最大值时的分布参数 3.4 参数的估计 * 依据最大似然法, 常用分布的参数估计如下: 指数分布: 正态分布: 泊松分布: 3.4 参数的估计 * 按最大似然法,银行汽车服务窗口顾客到达间隔时间(例题)的均值可用观测数据的平均值来估算.即: =X(219)=0.399 到此为止, 我们才初步确定这组数据的分布是: 例 3.4 参数的估计 * 某银行汽车服务窗口汽车到达间隔时间分布密度曲线 3.4 参数的估计 * 收集到某机械加工中心零件到达时间的200个数据，经统计分析，得到这些数据的均值和方差分别为 为这些数据拟合一个分布函数，并估计其参数 课堂练习 * 参数估计值得到后, 还要对所选分布进行拟合 优度检验, 以便最后对所选分布作出结论. 这是第五节要讲的内容. 3.4 参数的估计 * 上一节内容的复习 输入数据分析的步骤 1. 概述 2. 收集数据 3. 分析和判断数据的分布, 假设分布族 1) 点统计法 2) 柱状图法 3) 概论图法 4. 参数的估计 5. 拟合优度检验 6. 确定数据的分布 * 3.5 拟合优度检验 拟合优度检验的目的 检验选定的分布是否与观测的数据相吻合 2. 拟合优度检验的原则 H0假设: 观测数据 Xi 是以 F 为分布的 IID 随机变量。 通过 H0 假设检验, 说明不能拒绝该假设. 不拒绝假设, 并不等于接受假设. IID （ independent identically distributed） 即独立同一分布 只有 IID 随机变量才可能利用古典统计理论来分析 ( Goodness - of - Fit Tests ) * 拟合优度检验的方法: 1. 直观评估检验 (密度函数的直观比较) 2. 检验 (密度函数的统计比较) 3. K - S 检验 (分布函数的统计比较) 3.5 拟合优度检验 * 3.5.1 直观评估检验: 将所选分布的密度函数曲线与数据的柱状图绘制在一起,用眼睛进行比较,直观评估. 例: 某银行汽车服务窗口顾客到达间隔时间所选分布 (指数分布)的检验 1.绘制柱状图 2.绘制所选分布的密度曲线 3.将两张图放在一起比较 4.观察拟合情况 3.5 拟合优度检验 * 某银行汽车服务窗口顾客到达间隔时间柱状图 3.5.1 直观评估检验 * 某银行汽车服务窗口顾客到达间隔时间 所选指数分布的密度曲线 3.5.1 直观评估检验 * 柱状图与密度曲线的直观比较 3.5.1 直观评估检验 * 3.5.2 检验 检验是对观测数据的柱状图与拟合分布的密度函数的统计比较. 检验的步骤: n个数据， X1，X2，X3，....，Xn 1. 设定区间数 K,计算理论上每个数落入每个区间的概率 Pj=1/k，则理论上落入每个区间的点数为 nPj. 2. 将观测数据排序（从小到大）.