分布检验和拟合优度χ检验PPT培训课件.pptVIP

实例 总体分布拟合检验 一、正态分布拟合 例8.7：一家钟表厂把检验钟表的精确度作为质量控制的一部分。该厂将700只手表效准后使之走24小时，然后记下每只表走快或走慢的秒数(数据见表5-3)。这些数据是否提供了充分的证据，说明观察值并非来自正态总体。 解：假设：Ｈ0:样本数据来自正态总体分布； 　　　　　Ｈ1:样本数据并非来自正态总体分布。 表8-3中，K=11，实际观察频数Oi已知，预期频数Ei则尚需确定。 表5－3 700只手表时间误差的频数分布 24小时内走快或走慢的秒数 表的数目Oi 0－9.99 38 10－19.99 51 20－29.99 62 30－39.99 74 40－49.99 83 50－59.99 91 60－69.99 81 70－79.99 72 80－89.99 61 90－99.99 52 100－109.99 35 合计 700 2010年杭州萧山房地产市场专题研究报告品管七大手法讲义教程桥梁工程识图讲义桥梁组成与结构课件确定性推理讲义 2010年杭州萧山房地产市场专题研究报告品管七大手法讲义教程桥梁工程识图讲义桥梁组成与结构课件确定性推理讲义 第八章 分布检验和拟合优度χ2检验 第八章 分布检验和拟合优度χ2检验 Kolmogorov-Smirnov 单样本检验及一些正态性检验 1 2 3 5 Kolmogorov-Smirnov 两样本分布检验 Pearson χ2 拟合优度检验 第一节 K—S单样本分布检验 一、适用范围 Kolmogorov-Smirnov检验常译为柯尔莫哥洛夫-斯米尔诺夫检验，简写为K-S检验，亦称D检验法，也是一种拟合优度检验法。K-S单样本检验主要用来检验一组样本数据的实际分布是否与某一指定的理论分布相符合。 二、基本原理和方法 1、基本原理： 这种检验主要是将理论分布下的累计频数分布与观察到的累计频数分布相比较，找出它们间最大的差异点，并参照抽样分布，定出这样大的差异是否处于偶然。 2、方法 用 Fn(x)表示样本量为n的随机样本观察值的累计分布函数，且Fn(x) =i/n（i是等于或小于x的所有观察结果的数目，i=1，2，…，n）。F(x)表示理论分布的累计概率分布函数。K-S单样本检验通过样本的累计分布函数Fn(x)和理论分布函数F(x)的比较来做拟合优度检验。检验统计量是F(x)与Fn(x)间的最大偏差Dn： 若对每一个x值来说，Fn(x)与F(x)都十分接近，则表明实际样本的分布函数与理论分布函数的拟合程度很高。 三、检验步骤 1.建立假设组： H0：Fn(x)=F(x) H1：Fn(x)≠F(x) 2.计算样本累计频率与理论分布累计概率的绝对差，令最大的绝对差为Dn； 3.用样本容量n和显著水平a在附表11中查出临界值Dna； 4.通过Dn与Dna的比较做出判断，若Dn＜Dna，则认为拟合是满意的。 四、实例 例8.1：正态拟合。 某织布厂工人执行的生产定额（织机每小时生产织物的米物）情况如表8-1，试检验这些样本数据能否作正态拟合？ 表8-1 工人执行生产定额情况分组表 按定额执行情况分组 工人数 3.75～4.25 20 4.25～4.75 372 4.75～5.25 498 5.25～5.75 103 5.75～6.25 7 1000 例8.1 正态拟合 解：首先，由于做正态拟合的均值、标准差未知，因此，先计算样本均值和标准差，再做正态拟合。通过对样本资料的计算得： =4.85；s=0.352,分别作为?和?的估计值，建立假设： H0：样本数据服从均值为4.85，标准差为0.352的正态分布 H1：样本数据不服从均值为4.85，标准差为0.352的正态分布 计算资料列如表8-2： 表8-2 表8-2 正态拟合计算表 X的组限 标准化 标准正态概率 累计概率(理论概率) 累计工人数 实际累计频率 (2)-(4)的绝 对值 甲 乙 （1） （2） （3） （4） （5） 不足4.25 -∞～-1.70 0.045 0.045 20 0.020 0.025 4.25-4.75 -1.70～-0.28 0.345 0.390 392 0.392 0.002 4.75-5.25 -0.28～1.14 0.483 0.873 890 0.890 0.017 5.25-5.75 1.14～2.56 0.122 0.995 993 0.993 0.002 5.75-6.25 2.56-+∞ 0.005 1.000 1000 1.000 0.000 合 计 —— 1.000 —— - —— —— 例8.1 根据表8-2中第(5)列数