K-S分布检验和拟合优度χ2检验[实用].ppt

例8.3 解：这是双侧检验，建立双侧假设组： Ho：两组“认出”的卡片数相同； H1：两组“认出”的卡片数不同。 比较离差大小，得最大离差： D=Max|Ｓ1(x)-Ｓ2(x)|=0.406 已知 n1=54，n2=44，都大于40，当α=0.05时，进行双尾检验的临界值为 ? ? 因为D=0.406＞Da，因此在0.05的显著性水平下拒绝Ho，即。两组学生的智力不相同。 * 精品ppt·实用可编辑 例8.3 如建立单尾检验假设组: Ho：两组“认出”的卡片数相同； H1：高分组“认出”的卡片数多于低分组。 根据表8-5的数据计算得： D=Max[Ｓ1(x)-Ｓ2(x)]=-0.406 由于是大样本，故计算卡方统计量： 当α=0.05，df=2时，查得临界值C=5.991。因X2=15.986C，故在5%的显著性水平下拒绝Ho，即高分组的学生智力显著高于低分组的学生。 * 精品ppt·实用可编辑 第三节 卡方(Ｘ2)拟合优度检验 一、什么是卡方(Ｘ2)拟合优度检验 人们通常关心随机变量的概率分布，如：“随机变量服从参数为n=10和p=2的二项分布”，这样的命题假设可以用“拟合优度检验”来检验。即设计一个检验来比较从假设的分布中抽取的样本，看所假设的分布函数与样本数据是否“拟合”。 所以，拟合检验就是检验抽取样本的总体分布与某种特定分布的符合程度，也就是检验观察值与理论数之间的紧密程度。以Ｘ2分布为依据的这种检验，称为Ｘ2拟合优度检验 * 精品ppt·实用可编辑 英国统计学家Pearson(皮尔逊)于1900年首先提出了卡方统计量。 1、数据：由随机变量X的N个观测组成。这N个观测可划分为k类，即把X的样本空间S划分成k个互不相交的部分S1，S2，…，Sk，且Si与Sj相互独立。即 Si∩Sj=ф,(i≠j)， 记Oi为类i中的观测数，i=1,2,…,k.则 第三节 卡方(Ｘ2)拟合优度检验 * 精品ppt·实用可编辑 2、假设条件 1.样本是随机的 2.度量尺度至少是名义的 3、检验统计量 在零假设为真的条件下，令X的一个随机观测落入类i的概率为pi 。定义Ei为H0为真时观测值落入类i的期望观测数，即Ei=piN， i=1,2,…,k.给出如下卡方检验统计量： 第三节 卡方(Ｘ2)拟合优度检验 * 精品ppt·实用可编辑 4、零分布：由于 的精确分布难以求得，所以我们用自由度为k-1的卡方 分布来近似。 5、假设组： H0： pi =p （i=1,2,…,k.） H1： pi ≠p （对某个i.） 若 (自由度为k-1的卡方分布的1-a分位数），则拒绝H0，p-值近似等于p(X2(c-1)Q)，这个概率可由附表10获得。 第三节 卡方(Ｘ2)拟合优度检验 * 精品ppt·实用可编辑 三、Ｘ2检验的具体步骤 1.数据分组.根据样本观测值的范围划分为Ｋ组； 2.求Ｘ落在各组的频数Ｙi和频率Yi/ n 。 3.求理论概率Ｐi。当Ｈ0成立时,Ｘ出现在(bi-1,bi )内的概率Ｐi 4.计算检验统计量Ｘ2。 5.求出拒绝域.根据给定的显著性水平α和自由度k-r-1查Ｘ2分布表（附表10），可得临界值C，统计量Ｘ2的拒绝域为Ｘ2＞C。 6.作出判断.若Ｘ2＞C则拒绝Ｈ0，否则接受Ｈ0。 * 精品ppt·实用可编辑 实例 单样本拟合检验 一、检验某固定比率的假设 例8.4：据标准规定，某批工业产品中不良品的比例为10%，则可检验如下假设：Ｈ0：P=0.1； Ｈ1：P≠0.1。 为此，我们在产品批中抽出100个作为样本，发现不合格品数（Y1）为16，则合格品数Y2=100-16=84。 当Ｈ0成立时，不合格品的期望数应为nP1=10个，相应地，合格品的期望数n（1-P1）=90。则： k=２，自由度为k-1=1，显著水平a＝0.05，查表10得临界值为3.841。由于Ｘn2＞Ｘa2，所以拒绝Ｈo假设。 * 精品ppt·实用可编辑 二、检验某固定比率的假设 例8.5：检验随机变量Ｘ在(０,１) 区间是否为均匀分布。假设如下： Ｈ0：Ｘ在（0,1）区间为均匀分布（假设分10类，pi=1/10）； Ｈ1：Ｘ在（0,1）区间不是均匀分布(pi≠p≠1/10)； 从未知总体中抽取50个样本。为了检验，我们可以将（0,1）区间分为10等