- 1、本文档共10页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
资料收集于网络,如有侵权?请联系网站删除只供学习与交流
23.?K-S?分布检验与正态性检验
(一)假设检验
1.?什么是假设检验?
实际中,我们只能得到抽取的样本(部分)的统计结果,要进一
步推断总体(全部)的特征,但是这种推断必然有可能犯错,犯错的
概率为多少时应该接受这种推断呢?
为此,统计学家就开发了一些统计方法进行统计检定,通过把所
得到的统计检定值,与统计学家树立了一些随机变量的概率分布进行
对比,我们可以知道在百分之多少的机遇下会得到目前的结果。
倘若经比较后发现,涌现这结果的机率很少,即是说,是在时机
很少、很罕有的情况下才出现;那我们便可以有信念地说,这不是巧
合,该推断结果是具有统计学上的意义的。否则,就是推断结果不具
有统计学意义。
2.?假设检验的基本思想——小概率反证法思想
小概率思想是指小概率事件(P<α,?α=0.05?或?0.01)在一次试
验中基本上不会发生。反证法思想是先提出原假设(H0),再用适当
的统计方法确定假设成立的可能性(P?值)大小,如可能性小(P≤
α),则认为原假设不成立,若可能性大,则还不能认为备择假设(H1)
成立。
3.?原假设与备择假设
原假设与备择假设是完备且相互独立的事件组,一般,
只供学习与交流
资料收集于网络,如有侵权?请联系网站删除只供学习与交流
原假设(H0)——研究者想收集证据予以反对的假设;
备择假设(H1)——研究者想收集证据予以支持的假设;
假设检验的?P?值,就是在?H0?为真时,观察到的差异来源于抽样
误差的可能性大小。
假设检验判断方法有:临界值法、P?值检验法。
四、假设检验分类及步骤(以?t?检验为例)
1.?双侧检验
I.?原假设?H0:?μ=μ0,?备择假设?H1:?μ≠μ0;
Ⅱ.?根据样本数据计算出统计量?t?的观察值?t0;
Ⅲ.?P?值?=?P{|t|?≥?|t0|}?=?t0?的双侧尾部的面积;
Ⅳ.?若?P?值≤α(在双尾部分),则在显著水平α下拒绝?H0;
若?P?值>α,则在显著水平α下接受?H0;
注意:α为临界值,看?P?值在不在阴影部分(拒绝域),空白部
分为接受域。
只供学习与交流
资料收集于网络,如有侵权?请联系网站删除只供学习与交流
2.?左侧检验
I.?原假设?H0:?μ≥μ0,?备择假设?H1:?μ<μ0;
Ⅱ.?根据样本数据计算出统计量?t?的观察值?t0(<?0);
Ⅲ.?P?值?=?P{t?≤?t0}?=?t0?的左侧尾部的面积;
Ⅳ.?若?P?值≤α(在左尾部分),则在显著水平α下拒绝?H0;
若?P?值>α,则在显著水平α下接受?H0;
3.?右侧检验
I.?原假设?H0:?μ≤μ0,?备择假设?H1:?μ>μ0;
Ⅱ.?根据样本数据计算出统计量?t?的观察值?t0(>?0);
Ⅲ.?P?值?=?P{t?≥?t0}?=?t0?的右侧尾部的面积;
Ⅳ.?若?P?值≤α(在右尾部分),则在显著水平α下拒绝?H0;
若?P?值>α,则在显著水平α下接受?H0;
只供学习与交流
资料收集于网络,如有侵权?请联系网站删除只供学习与交流
(二)K-S?分布检验
Kolmogorov-Smirnov?检验,用来检验一组样本数据是否服从某已
知分布,或两组样本数据是否服从相同分布。用函数?ks.test()实现,
基本格式为:
ks.test(x,?y,?...,?alternative=,?exact=NULL)
其中,x?为样本数据;
y?为分布名(此时…为该分布的参数)或样本数据;
alternative?设置是"two.sided"双侧检验(默认)、"less"左侧检验、
"greater"右侧检验;
exact?设置是否计算精确?p?值,默认?NULL。
1.?K-S?单样本总体分布检验
用来检验样本数据是否服从某已知分布。它是一种基于经验分布
函数的检验,令
D???sup?|?F?(?x?)???F?(?x?)?|
n n 0
n
其中,F?(?x)?为一组随机样本的累计概率分布函数,F?(?x)?为真实的分
n 0
只供学习与交流
资料收集于网络,如有侵权?请联系网站删除只供学习与交流
布函数。当?n????时,?D?的极限分布满足:
n
???
???n
P{??nD?????}???K?(??)????
?
?
n?j???
(?1)?j?exp(??2?j?2??2?),??????0
0,??????????????0
原假设?H0:?Fn???F0?即分布相同;备择假设?H1:二者分布不同。
X=c(420,500,920,1380,1510,1650,1760,2100,2300,2350)?#
某设备?10?次无故障工作时间的数据
lambda<-mean(X)
lambd
文档评论(0)