第九讲分布拟合检验.pptVIP

（二）Poisson分布拟合 1、数据输入 与正态拟合类似，所不同的是应在Poisson前打“√”： 见离散型数据输入格式，即：将变量取值输在一列，将权重输在另一列。 2、方法选择 对例表4.2结果进行处理，结果如下. 由于渐近P值远大于０.２，说明数据非常显著支持接受零假设的结论，即α质点在7.5秒间隔到达指定区域的数目服从Poisson分布。 取显著水平 实际上利用Kolmogorov-Smirnov检验还可以作均匀分布拟合和指数分布拟合，操作步骤与正态拟合和Poisson分布拟合类似 小结： 理解两种分布拟合检验的区别 ? ? 会利用SPSS对数据进行处理，对处理结果能正确分析 作业： 第99页 习题四： 5，8 预习： 第五章 内容提要： Kolmogorov -Smirnov检验的SPSS实现 ? ? Kolmogorov -Smirnov检验的思想 第9讲 Kolmogorov -Smirnov分布拟合检验 ? K.Pearson连续型分布拟合检验及优缺点 上一讲所讲述了分布拟合检验的一种方法——K.Pearson Chi-square检验法 一、K.Pearson Chi-square离散分布拟合检验 ni和Ei分别是实际频数和理论频数 右侧检验 关键的问题之一：Ei的计算 样本例数 有时直接给出 在H0成立下(X=i)发生的概率 有时需要通过公式计算 如例4.1.1，见P86表4.1;再如习题四6# 如Poisson分布拟合 再如习题四3# 关键问题之二：r、k的确定 r表示未知独立参数的个数，参数需要用极大似然估计替代 Poisson分布：r=1 正态分布：r=2 k表示随机变量的取值区间（或点）数，保证该区间上的理论频数不得小于5 如习题四# 1，应该将0，1合并成1个区间，将不小于8合并成一个区间 ≤1 2 3 4 5 6 7 ≥8 6 16 17 26 11 9 9 6 k=8各区间理论频数表 ≤1 2 3 4 5 6 7 ≥8 7.79 13.22 18.51 19.44 16.33 11.43 6.86 6.26 i pi0 Ei 6.257 上节课我们所涉及到的都是离散型随机变量，即随机变量取值为有限个或可数个 其分布拟合检验属于离散分布检验问题，利用K.Pearsonχ2检验时，其区间的划分和概率的计算相对比较容易 对于连续型随机变量的分布拟合检验，K.Pearson Chi-square检验该怎么办？ 例如： 要检验某地区12岁男孩身高是否服从正态分布 随机抽取某地区120名12岁男孩，测得具体身高如下： 二、K.Pearson Chi-square连续分布拟合检验 128.1 144.4 150.8 146.2 140.6 139.7 134.1 124.3 147.9 143.0 143.1 142.7 126.0 125.6 127.7 154.4 142.7 141.2 133.4 131.0 125.4 130.3 146.3 146.8 142.7 137.6 136.9 122.7 131.8 147.7 135.8 134.8 139.1 139.0 132.3 134.7 138.4 136.6 136.2 141.6 141.0 138.4 145.1 141.4 139.9 140.6 140.2 131.0 150.4 142.7 144.3 136.4 134.5 132.3 152.7 148.1 139.6 138.9 136.1 135.9 140.3 137.3 134.6 145.2 128.2 135.9 140.2 136.6 139.5 135.7 139.8 129.1 141.4 139.7 136.2 138.4 138.1 132.9 142.9 144.7 138.8 138.3 135.3 140.6 142.2 152.1 142.4 142.7 136.2 135.0 154.3 147.9 141.3 143.8 138.1 139.7 127.4 146.0 155.8 141.2 146.4 139.4 140.8 127.7 150.7 160.3 148.5 147.5 138.9 123.1 126.0 150.0 143.7 156.9 133.1 142.8 136.8 133.1 144.5 142.4 问：该地区12岁男孩身高是否服从正态分布？ 我们将身高看作连续型随机变量，要检验它是否服从正态分布 首先对区间进行划分，可采用公式 数据的最大值为160.3，最小值为122.7，等距离划分12个区间，每个区间的长度为d=3.133 数出落在各区间的个体数 1 2 3 4 5 6 7 8 9