非参数假设检验.docx

非参数假设检验

上节讨论了母体分布类型为已知时的参数假设检验问题.一般在进行参数假设检验之前,需要对母体的分布进行推断.本节将讨论母体分布的假设检验问题.因为所用的方法适用于任何分布或者仅有微弱假定分布,实质上是不依赖于分布的.在数理统计学中不依赖于分布的统计方法统称为非参数统计方法.这里所讨论的问题就是非参数假设检验问题.这里所研究的检验是如何用子样去似全母体分布,所以又称为分布拟合扰度检验,一般有两种:一是拟合母体的分布函数;另一是拟合母体分布的概率函数.这里我们只介绍三种检验方法:概率图纸法.

?2-拟合优度检验和柯尔莫哥洛夫斯米尔诺夫检验.

一,概率图纸法

这是一种比较直观和简便的检验方法.它适合于在现场使用.目前常见的概率图纸有正态,对数正态,二项分布,指数分布和威布尔分布概率图纸等.这里我们只介绍正态概率图纸,关于其它分布的概率图纸的构造原理和使用方法都是类似的

正态概率图纸的构造原理

设母体?有分布函数F(x),{N(?,?2)}表示正态分布族.需要检验假设

H :F(x)?{N(?,?2)}

0

这里?和?2均为未知常数.在原假设H为真时,通过中心化变换

0

F(x)?

1 ?xe

(t??)2

?12?2dt?

?

1

x??

??

?

e??2du??(

x??)

2??2?2?? ??

2??

2?

2

即?(?)?

???

? 服从正态N(0,1).函数u(x)是x的线性函数.

?(?)?

???

? (7.13)

在(x,u(x))直角坐标平面上是一条直线.这条直线过(?,0),且斜率为1.

?

检验步骤.

事实上,我们知道的不是母体?取出的一组子样观察值x

1

, ,x

?n

?

由格里汶科定理知道子

样的经验分布函数F

n

(x)依概率收剑于母体分布函数F(x).所以在检验母分体布函数F(x)是

否属于正态分布族时,我们以大子样的经验分布函数F

n

(x)作为母体分布的近似.若H

0

:F(x)

?∈{N(?,?2)}为真,那末点(x,F(x)),i?1, ,n,在正态概率图纸上应该在一条直线上.所

?

i i

以根据上述经验分布函数F

n

是母体分布函数F(x)很好的近似,点(x

i

,F(x

i

)),i?1,?,n,

在正态概率图纸上也应该近似地在一条直线附近.倘若点列(xi,F(xi)),不是近似地在一条直线附近,那末只能说明F(x)不属于正态分布族.根据上述想法,用正态概率图纸去检验假设H0的具体步骤如下.

整理数据

描点

目测这些点的位置,

未知参数?与?2的估计.

?若通过概率图纸检验已经知道母体服从正态分布,我们就凭目测在概率图纸上画出最靠

?

近各点(x

,F

(i) n

(x

(i)

)),i?1,?,n,的一条直线l,因为?(?)????服从正态N(0,1),所以当

?(x)?????0,即x=?时对应的概率F=0.5.因此,只要在概率图纸上面一条F=0.5的水平

?

直线.这条直线与直线l的交点的横坐标x 就可以作为参数为?的估计.又由?(x)=1时所对

0.5

应的概率F=0.8413的水平直线,这条直线与直线l的交点的横坐标为x .这个x 显然

0.8413 0.8413

x ??

满足?

0.8413

?0.84?13 ?1即??x

0.8413

?因此可以用差x

0.8413

x

0.5

估计?.

例7.8(略)见P338

二, ?

2的似体检验法

前面介绍了直观而简便的概率图纸法,它不需要很多计算就能对母体分布族作出一个统计推断,并且还能对分布所含的参数作出估计.但是这种方法因人而异,且精度不高,又不能控

制犯错误的概率.这里介绍?

2-拟合检验法,它能够像各种显著性检验一样控制犯第一类错误

的概率.

设母体?的分布函数为具有明确表达式的F(x),.我们把随机变量?的值域R分成k个互

不相容的区间A

1

??a

0

,a?,A

1 2

??a,a

1 2

?, ,A

?k

?

??a

,a

k?1 k

?这些区间不一定有相同的长度.

?设x, ,x

?

1 n

是容量为n的子样的一组观测值.n

i

为子样观测值x

1

, ,x

?n

?

中落入A的频

i

数.?nn

i

i?1

?n在这n次事件A

i

n

出