分布函数的估计与检验.pptVIP

西南交通大学 * * 西南交通大学 李裕奇 一 经验分布函数 二 分布拟合检验 一 经验分布函数 经验分布函数是总体分布函数最为直观、方便实用的估计 定义1.1 设X为一随机变量，其分布函数F(x)未知，现对X进行n次观测，记 称为经验分布函数 性质1.1 对于每一样本XI,X2,… Xn，Fn(x)是一分布函数，且为阶梯函数。 例1.1 对某一总体进行了17次独立观测，得到以下数据： 2.00 2.15 2.19 2.20 2.25 2.31 2.22 2.41 2.50 2.51 2.60 2.71 2.75 1.92 2.12 2.31 2.57 试写出X的经验分布函数。 性质1.2 对于固定的x，vn(x)=nFn(x) ，Fn(x) 是样本XI,X2,… Xn ，为随机变量，且vn(x)服从参数为n，F(x)的二项分布。 性质1.3 对于固定的x，任意的正数ε，有 所以,当n足够大时, 可用经验分布函数估计总体的理论分布函数: 例1.2 对某一总体进行了17次独立观测，得到以下数据： 2.00 2.15 2.19 2.20 2.25 2.31 2.22 2.41 2.50 2.51 2.60 2.71 2.75 1.92 2.12 2.31 2.57 试估计概率: 解: 将数据从小到大排列为: 　 2.75 2.71 2.6 2.57 2.51 2.5 2.41 2.31 2.31 2.25 2.22 2.2 2.19 2.15 2.12 2 1.92 Glivenko 定理: 对任意的x , 有下式成立: 其中: 进一步结果: Kolmogonov 定理 设总体分布函数为F(x)连续,经验分布函数为Fn(x), 则统计量 的极限分布函数为Kolmogonov 分布函数: 其中 二 分布拟合检验 分布检验假设: 分布拟合检验方法是检验试验结果与理论分布是否吻合,是否一致的方法,:如 概率纸拟合法,卡方拟合检验法, Kolmogonov 分布检验方法等 1 卡方拟合检验法 基本思想: 1) 首先把X的一切可能值的集合A进行划分,使其满足: 2) 再统计出总体的观测值出现在各个Ai中的实际频数ni, 3) 在H0真时,分别计算观测值落入Ai的理论期望频数的估计值: 4) 当H0真时,理论期望频数Ei与实际频数ni应相差无多,故由Pirson与Fisher定理给出的卡方分布确定H0的拒绝域。 Pirson-Fisher定理： 若n充分大时，H0成立条件下，有 其中r是被估计的参数的个数。 卡方拟合检验法步骤： 1）提出分布假设: 2）显著性水平？样本容量？ 3）H0的拒绝域： 4）判断：列出卡方检验计算表，得出卡方值，并与临界值比较得结论 0 n 1 n 合计 Ak A2 A1 (ni- npi)2/ npi ni- npi npi pi ni 检验计算表 例1.3 在使用仪器进行测量时,最后一位数字是按仪器的最小刻度用肉眼估计的,下表记录了200个测量数据中0,1,2,…,9等10个数字出现在最后一位的次数,试问在估计最后一位数字时有无系统误差? ni X 24 30 16 11 19 17 17 15 16 35 9 8 7 6 5 4 3 2 1 0 解： 1）提出分布假设: 2）显著性水平为0.01 , 样本容量为200 3）H0的拒绝域： H0: 无系统误差; H1:有系统误差 分类数k=10, r=0, k-r-1=9 H0真, 即总体X均匀取值, 其取值的概率应为 4）判断：列出卡方检验计算表: 5.0 10 20 0.1 30 A9 1.25 -5 20 0.1 15 A3 0.45 -3 20 0.1 17 A4 0.45 -3 20 0.1 17 A5 0.05 -1 20 0.1 19 A6 4.05 -9 20 0.1 11 A7 24.90 0 200 1 200 合计 0.8 4 20 0.1 24 A10 0.8 -4 20 0.1 16 A8 0.8 -4 20 0.1 16 A2 11.25 15 20 0.1 35 A1 (ni- npi)2/ npi ni- npi npi pi ni 所以, 应拒绝H0, 认为在估计最后一位数字时有明显的系统误差。 例1.5 在测量了12000个豆粒的厚度，测量结果按大小分为16个组分别记数，如果如下表： 32 57 110 221 频数 10.5 [10.25,10.5) [10,10.25) [9.75,10) 区间 437 737 1130 1638 1930 1883 频数 [9.5,9.75) [9.25,9.5) [9.0,9.25) [8.7