R语言学习系列25-K-S分布检验与正态性检验.docx

23. K-S 分布检验与正态性检验 （一）假设检验 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。 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（Pa , a =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 a）,则认为原假设不成立，若可能性大，则还不能认为备择假设（H） 成立。 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, 原假设（H0）――研究者想收集证据予以反对的假设； 备择假设（H）――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） 双侧检验 原假设Hb:卩=卩°,备择假设H:卩工卩o； II .根据样本数据计算出统计量t的观察值to； 皿.P值=P{|t| ＞ |t o|} = t o的双侧尾部的面积； IV .若P值＜a（在双尾部分），则在显著水平a下拒绝 H）； 若P值＞a，贝卩在显著水平a下接受 H； 注意：a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。 抽槎外折賈信水平 抽槎外折 賈信水平 左侧检验 I.原假设H0: o,备择假设H: (1 (1 o； H .根据样本数据计算出统计量t的观察值t o ( 0); 皿.P值二P{t to} = t 0的左侧尾部的面积； IV .若P值a(在左尾部分)，则在显著水平a下拒绝 H0； 若P值a，贝卩在显著水平a下接受 H； 左侧检验 右侧检验 I.原假设H0: o,备择假设Hi： 1 i o； n .根据样本数据计算出统计量t的观察值t o ( o); 皿.P值二P{t t o} = t o的右侧尾部的面积； V .若P值a(在右尾部分)，则在显著水平a下拒绝 Ho； 若P值〉a,则在显著水平a下接受Ho； 右侧检骏 抽样分布 岂信水平 观家到的样本统计最 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 Dn sup|Fn(x) Fo(x)| 其中，Fn(x)为一组随机样本的累计概率分布函数，F°(x)为真实的分 布函数。当n 布函数。当n 时，Dn的极限分布满足: 0 巩丘.} K()n 巩丘.} K() n (1)jexp( 2j2 2), j 0, 原假设H0: F n F0即分布相同；备择假设H： 一者分布不同。 0 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 lambdav-mea n(X) lambda [1] 1489 ks.test(X,pexp,1/lambda) #检验是否服从参数为1/1489的指数分布 On e-sample Kolmogorov-Smir nov test data: X D = 0.30418, p-value = 0.2563 alter native hypothesis: two-sided P 值=0.25630.05，接受原假设H0,即服从指数分布。 两独立样本K-S同分布检验 假定有分别来自两个独立总体的两个样本， 要检验是否服从同一 分布。 设两个样本的样本量分别为n1和门2，累积经验分布函数分别为 R(x)和 F2(x)，令 Dj R(Xj) F