正态性检验的种方法.docVIP

正态性检验的几种方法 引言 正态分布是自然界中一种最常见的也是最重要的分布。因此，人们在实际使用统计分析时，总是乐于正态假定，但该假定是否成立，牵涉到正态性检验。目前，正态性检验主要有三类方法：一是计算综合统计量，如动差法、Shapiro-Wilk法(W检验)、D’Agostino法(D检验)、Shapiro-Francia法(W’检验)。二是正态分布的拟合优度检验，如检验、对数似然比检验、Kolmogorov-Smirov检验。三是图示法(正态概率图Normal Probability plot)，如分位数图(Quantile Quantile plot，简称QQ图)、百分位数(Percent Percent plot，简称PP图)和稳定化概率图(Stablized Probability plot，简称SP图)等。而本文从不同角度出发介绍正态性检验的几种常见的方法，并且就各种方法作了优劣比较，还进行了应用。 二、正态分布 2.1 正态分布的概念 定义1若随机变量X的密度函数为 其中和为参数，且 则称X服从参数为和的正态分布，记为。 另我们称的正态分布为标准正态分布，记为，标准正态分布随机变量的密度函数和分布函数分别用和表示。 引理1 若，为X的分布函数，则 由引理可知，任何正态分布都可以通过标准正态分布表示。 2.2 正态分布的数字特征 引理2 若，则 引理3 若，则X的n阶中心距为 定义2 若随机变量的分布函数可表示为： 其中为正态分布的分布函数，为正态分布的分布函数，则称X的分布为混合正态分布。 注：引理1、2、3的证明见参考文献[1]和[2]。 三、几种常见的正态性检验及其应用 3.1 计算综合统计量法 3.1.1 Shapiro-Wilk检验（W检验） 1.W 检验的一般步骤 Shapiro-Wilk检验在大多数情况下具有很高的效能和综合性。检验的基本步骤如下： 1)建立原假设:X服从正态分布 2)把从总体中获得的个样本观测值按由小到大的次序排列成: 3)选择恰当的统计量为: 式中表示的整数部分，系数可查W检验的系数表，表示数的整数部分。 4）根据给定的检验水平和样本容量查W检验统计量W的p分位数得统计量W的分位数。 5)计算并判断:给定样本值，…，，计算W并与比较，若则拒绝，反之，则不能拒绝。 注：有关W检验的原理及W检验的系数及分位数表见参考文献[5]。 2.W 检验的应用 抽查用克矽平治疗的矽肺患者10名，得他们治疗前后血红蛋白的差(单位：克%)如下：2。7，-1。2，-1。0，0，0。7，2。0，3。7，-0。6，0。8，-0。3，试用W检验检验治疗前后血红单倍的差是否服从正态分布。 把题中的数据按由小到大的次序排好填入表1 表1 患者血红蛋白差值表 1 -1.2 3.7 4.9 0.5733 2 -1.0 2.7 3.7 0.3291 3 -0.6 2.0 2.6 0.2141 4 -0.3 0.8 1.1 0.1224 5 0 0.7 0.7 0.0399 把表的数据代入公式，经计算得。 若取，查统计量W的分位数表得时，，因为，所以不拒绝原假设。 虽然W检验是一种有效地正态性检验方法，但它一般只适用于容量为3至50的样本，随着n的增大，一般用于计算分位数的分布拟合的技术不能使用。 3.1.2 D’Agostino检验 (D检验) D’Agostino检验适合测量次数较多的情况，检验统计量为 在零假设为真时， ， ， ， 渐进分布为，但由于接近的速度十分慢，因而 D’Agostino用随机模拟法得到了Y的分位数表，在给定了显著性水平后，用统计量进行检验的拒绝域为 。 注：有关D检验的原理及D检验的分位数表见参考文献[6]。 3.2 正态分布的拟合优度检验 3.2.1 拟合优度检验法 1. 拟合优度检验法的理论 拟合优度检验法是基于分布函数来分析连续性测量数据是否遵从正态分布的问题。并根据正态分布的理论(期望)次数()和实际分布的次数()，对次数进行假设检验，从而判断分布是否遵从正态分布。 其中，为次数分布各区间实际次数，为正态分布各区间的理论次数。 在SPSS中进行拟合优度检验，读取检验的伴随概率()。如果，则可以用正态分布来拟合；如果，则不能用正态分布来拟合。 拟合优度检验法不仅适用于正态性检验，还适用于其他分布的检验，对正态性检验来说不具有特效