似然比检验与分布拟合检验.pptVIP

* * * * * * * * * * * * * 自1965年1月1日至1971年2月9日共2231天中,全世界记录到里氏震级4级和4级以上地震共162次, 统计如下: 二、连续情形的离散化 我们通过一个例子来看怎么利用卡方拟合检验处理 连续总体的情形 例7.4.3 (X 表示相继两次地震间隔天数, Y 表示出现的频数) 试检验相继两次地震间隔天数 X 服从指数分布. 由最大似然估计法得 因X 为连续型随机变量, 将 X的可能取值区间分为k=9个互不重叠的子区间如下 的概率密度 : 0 X H 解： =163.5633 50 31 26 17 10 8 6 6 8 0.2788 0.2196 0.1527 0.1062 0.0739 0.0514 0.0358 0.0248 0.0568 45.1656 35.5752 24.7374 17.2044 11.9718 8.3268 5.7996 4.0176 9.2016 55.3519 27.0132 27.3270 16.7980 8.3530 7.6860 6.2073 14.8269 13.2192 　　例3的 拟合检验计算表 在 H0 为真的前提下, X 的分布函数的估计为 故在水平 0.05 下接受 H0 , 认为样本服从指数分布. 有估计 概率 ) ( i i A P p = Kolmogorov的D检验 当我们需要检验一组观测值是否来自某一已知总体时， 我们常采用所谓kolmogorov的D检验法。 假设检验： 这里 为一事先给定的完全已知的连续分布函数 检验统计量： 1933年kolmogorov证明了当 成立时，有 该极限与 无关。 该检验方法与连续情形的卡方检验方法相比要好， 灵敏度较高。 该检验方法只适用于总体理论分布 完全已知的情形 若总体理论分布含有未知参数，即为 的情形， 虽然我们也可以采用 的估计量 类似于前面作替换， 但此时的kolmogorov的检验方法就不如卡方拟合检验了。 列联表是将观测数据按两个或更多属性 (定性变量) 分类时所列出的频数表。例如，对随机抽取的1000人按性别（男或女）及色觉(正常或色盲) 两个属性分类,得到如下二维列联表，又称2×2表或四格表。 7.4.2 列联表的独立性检验 男 535 65 女 382 18 性别 视觉 正常 色盲 一般,若总体中的个体可按两个属性A与B分类，A 有r 个类 ，B 有c个类 从总体中抽取大小为n的样本，设其中有 个个体既属于 类又属于 类， 称为频数，将r?c个 排列为一个r行c列的二维列联表，简称r?c表(表7.4.3)。 表7.4.3 r?c列联表 列联表分析的基本问题是: 考察各属性之间有无关联，即判别两属性是否独立。如在前例中，问题是：一个人是否色盲与其性别是否有关？在r?c表中，若以 和 分别表示总体中的个体仅属于 ，仅属于 和同时属于 与 的概率,可得一个二维离散分布表（表7.4.4），则“A、B两属性独立”的假设可以表述为 表7.4.4 二维离散分布表 这就变为上一小节中诸 不完全已知时的分布拟合检验。这里诸 共有rc个参数，在原假设H0成立时，这rc个参数 由r+c个参数 和 决定。在这r+c后个参数中存在两个约束条件： 所以，此时 实际上由r+c-2个独立参数所确定。据此，检验统计量为 在H0成立时，上式服从自由度为rc-(r+c-2)-1的 分布。 其中诸 是在H0成立下得到的 的极大似然估计，其表达式为 对给定的显著性水平? ，检验的拒绝域为: 例7.4.3 为研究儿童智力发展与营养的关系，某 研究机构调查了1436名儿童，得到如表7.4.5的 数据，试在显著性水平0.05下判断智力发展与 营养有无关系。 表7.4.5 儿童智力与营养的调查数据 营养良好 营养不良 合计 智 商 合计 342 367 266 329 1304 56 40 20 132 16 423 382 286 345 1436 80 80?90 90?99 ?100 解：用A表示营养状况，它有两个水平： 表示 营养良好， 表示营养不良；B表示儿童智商, 它有四个水平， 分别表示表中四种