R语言学习系列25-K-S分布检验与正态性检验.docxVIP

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