正态概率图构建与分析方法.pdfVIP

230第6章/描述性统计

6‑7概率图

我们如何知道特定的概率分布是否是合理的数据模型？有时这是一个重要的问题，因

为后续章节中介绍的许多统计技术都是基于人口分布属于特定类型的假设。因此，我

们可以认为确定数据是否来自特定的概率分布作为验证假设。在其他情况下，分布的

形式可以深入了解生成数据的底层机制。例如，在可靠性工程中，验证故障时间

数据是否来自指数分布可以识别故障机制，因为故障率相对于时间是恒定的。

我们之前使用的一些视觉显示（例如直方图）可以有关基础分布形式的见解。

然而，直方图通常并不是真正可靠的分布形式指标，除非样本量非常大。概率图是一

种图形方法，用于根据数据的视觉检查来确定样本数据是否符合假设的分布。一般

程序非常简单并且可以快速执行。对于中小型样本，它也比直方图更可靠。概率图通常

使用已针对假设分布进行缩放的特殊轴。软件广泛适用于正态分布、对数正态分布、威

布尔分布以及各种卡方和伽玛分布。我们主要关注正态概率图，因为许多统计技术仅在

总体（至少近似）正态时才适用。

为了构建概率图，首先将样本中的观测值从小到大排序。也就是说，样本x,x,,

12n1

x12n...排列为x,x,,x,()()()...其中x()是最小的观测值，

2

x()是第二小的观测值，依此类推，xn()是最大的。然后将有序观测值xj()相对

于观测到的累积频率(.)/jn−05绘制在适当的概率纸上。如果假设的分布充分

描述了数据，则绘制的点将近似沿直线落下；如果绘制的点明显偏离直线，则假设的

模型不合适。通常，数据图是否为直线的判断是的。以下示例说明了该过程。

实施例6‑7电池对便携式个人计算机中使用的电池的有效使用（以分钟为单位）的十个观察结果

假设电池可以通过正态分布充分建模。为了使用概率图来研究这个假设，首先按升序排列观测值并计算

它们的累积频率（.）/j−0510，如表6‑6所示。

6‑6构建正态概率图的计算

−0.510

j()/

jx()jzj

11760.05–1.64

21830.15–1.04

3