正态性检验的几种方法 .docxVIP

本文格式为Word版，下载可任意编辑 — PAGE \* Arabic 1 — 正态性检验的几种方法  正态性检验的几种方法   一、引言  正态分布是自然界中一种最常见的也是最重要的分布。因此，人们在实际使用统计分析时，总是乐于正态假定，但该假定是否成立，牵涉到正态性检验。目前，正态性检验主要有三类方法：一是计算综合统计量，如动差法、Shapiro-Wilk 法(W 检验)、D ’Agostino 法(D 检验)、Shapiro-Francia 法(W ’检验)。二是正态分布的拟合优度检验，如2χ检验、对数似然比检验、Kolmogorov-Smirov 检验。三是图示法(正态概率图Normal Probability plot)，如分位数图(Quantile Quantile plot ，简称 图)、百分位数(Percent Percent plot ，简称PP 图)和稳定化概率图(Stablized Probability plot ，简称SP 图)等。而本文从不同角度出发介绍正态性检验的几种常见的方法，并且就各种方法作了优劣对比，还进行了应用。   二、正态分布  2.1 正态分布的概念  定义1若随机变量X 的密度函数为  ()()()+∞∞-∈=--,,2122  2x e x f x σμπσ  其中μ和σ为参数，且()0,,+∞∞-∈σμ  则称X 听从参数为μ和σ的正态分布，记为()2,~σμN X 。  另我们称1,0==σμ的正态分布为标准正态分布，记为()1,0~N X ，标准正态分布随机变量的密度函数和分布函数分别用()x ?和()x Φ表示。  引理1 若()2,~σμN X ，()x F 为X 的分布函数，则()??  ? ??-Φ=σμx x F 由引理可知，任何正态分布都可以通过标准正态分布表示。   2.2 正态分布的数字特征  引理2 若()2,~σμN X ，则()()2,σμ==x D x E  引理3 若()2,~σμN X ，则X 的n 阶中心距为  ()()N k k n k k n k n ∈???=-+==2,!!121  2,02σμ  定义2 若随机变量的分布函数()x F 可表示为：  ()()()()x F x F x F 211εε+-= ()10≤ε  其中()x F 1为正态分布()21,σμN 的分布函数，()x F 2为正态分布()22,σμN 的分布函数，则称X 的分布为混合正态分布。  注：引理1、2、3的证明见