Excel在分布拟合中应用研究.docVIP

Excel在分布拟合中应用研究 　　【摘要】Excel中的数据分析功能十分强大，可以对数据进行分析得出数据的来源属于哪类分布，进而对数据进行哪一分布的拟合，为我们对实际模型进行决策分析。就实际决策模型而言，努力获得具有代表性的数据样本是非常重要的。 　　【关键词】Excel；数据分析；拟合；决策 　　1.引言 　　假设检验是建立在假定样本来自总体是正态分布的基础上。当没有这个假定或该假设不成立时，这些检验的结论就可能被质疑。为了解决该问题，统计学家创立了无须上述假定的各种非参数检验（nonparametric tests）。包括检验两个中位数差异的WILCOXON等级和检验和检验多个总体具有相等中位数的Kruskal-Wallis等级检验。Excel中插件PHStat都支持这些检验，本文应用Excel对数据模型进行检验。 　　在许多决策模型中，可从历史记录或者通过一些方式收集经验数据。例如现存的记录可能提供了一些机器故障和维修次数的数据，或者观察者可以在银行或邮局收集服务时间的数据，以表1抽样数据（来自正态分布）为例，我们可以以这些数据通过直方图构建经验分布。 　　2.应用直方图进行数据分析 　　表1中的数据做直方图：选菜单“工具”—“数据分析”，在分析工具中选“直方图”（如果Excel未安装数据分析功能，依次选择“工具”-“加载宏”，加载“分析数据库”。加载成功后，可以在“工具”下拉菜单中看到“数据分析”选项了）。直方图选项卡的“输入区域”选中要分析的数据，在Excel中表1的数据是一列；“接受区域”就是组距，Excel中增加一列数据“1.5 2 2.5 3 3.5 4 4.5”，选中就可以了，再选中“图表输出”选项，确定就生成了直方图，如图1所示。如果这些数据代表了决策模型中的一个很重要的变量，我们可能期望对这个数据进行理论分布拟合并验证统计意义上的拟合优度，那么就能够将该理论分布应用到模型分析中。 　　表1 50个观测样本 　　1.81 2.43 4.2 2.75 3.38 　　4.11 3.24 2.69 2.37 2.8 　　2.27 2.72 3.9 3.1 2.25 　　4.67 3.14 2.1 2.17 4.18 　　3.58 4.31 2.79 3.26 2 　　2.54 4.21 3.74 2.12 2.86 　　3.59 3.23 3.25 2.07 3.3 　　2.22 2.80 2.67 1.68 4.67 　　2.96 2.83 3.18 3.03 3.2 　　2.17 3.38 2.69 1.75 3.16 　　为了选择恰当的理论分布，可从检查直方图开始，观察其形状是否近似于正态分布，但从直方图分布不是对称的，我们很容易认为是由于样本量小的原因，因此收集更多的信息。 　　描述统计量可以为我们寻找分布的性质提供线索，平均数、中位数、标准差和变异系数通常可以起到作用。例如，正态分布的数据应该具有相当低的变异系数，然而，如果均值非常小这可能是不正确的，对于正态分布的数据，也期望平均数和中位数近似相等。在Excel中，我们应用“工具”—“数据分析”—“描述统计”来分析一下数据，得到表2，如表2所示，变异系数=标准差/平均数=0.76/2.99=0.25相当低，偏度系数为0.4，同样也很低，表明分布基本上是对称的，平均数和中位数非常接近，所以这些数字表明样本可能来自正态分布，尽管直方图看上去不是非常“正态”。 　　表2 样本数据描述统计量 　　平均 2.9904 　　标准误差 0.1076832 　　中位数 2.91 　　众数 4.67 　　标准差 0.7614352 　　方差 0.5797835 　　峰度 -0.413582 　　偏度 0.4027168 　　区域 2.99 　　最小值 1.68 　　最大值 4.67 　　求和 149.52 　　观测数 50 　　最大（1） 4.67 　　最小（1） 1.68 　　置信度（95.0%） 0.2163975 　　图1 表1数据直方图 　　3.应用另一种方式——构建概率图证明数据是否来自正态分布 　　概率图表示了累计概率线（纵轴）以便累计分布的图成为一条直线。这可由正态概率图表示正态分布来说明，概率线可以使我们检查假定分布的效度，点越接近于直线，拟合假定分布的情况越好。跟据表1样本数据我们可以用Excel中的插件PHStat来产生的正态分布概率图，选择菜单“PHStat”—“Probability prod.Distributions”——“Normal Probability Plot”，输入数据后确定，再添加“趋势线”得到图2，尽管数据看上去近似直线，但数据存在非线性对称