拟合优度检验70837PPT学习教案

1、会计学1拟合优度检验拟合优度检验70837 这是一项非常重要的工作,许多学者视它为近代统计学的开端。 解决这类问题的方法最早由英国统计学家 K. Pearson (皮尔逊) 于1900年在他发表的一篇文章中给出, 该方法后被称为 Pearson 2检验法，简称 2检验。第1页/共22页 设F(x)为一已知的分布函数，现有样本X1, X2, , Xn，但我们并不知道样本的总体 分布是什么。现在试图检验 H0：总体 X 的分布函数为F(x) ； (1) 对立假设为 H1：总体 X 的分布函数非F(x)。如果 F(x) 形式已知，但含有未知参数 或参数向量 =(1, 2, r ) ，则记其为F(x,

2、 )。这种检验通常称为拟合优度检验。第2页/共22页 不妨设总体 X 是连续型分布。检验思想与步骤如下:(1). 将总体 X 的取值范围分成 k 个互不重叠的 小区间 I1, I2, , Ik，. ( ( (12101212101kkkkkaaaaaaaIaaIaaI，(2). 计算各子区间 Ii 上的理论频数。如果总体的分布函数为F(x, )，那么每个点落在区间 Ii 上的概率均为,k.,iaFaFpiii21 ),(),()(1第3页/共22页)(inpn 个点中，理论上有n pi ( )个点落在 Ii 上, (称为理论频数)。当分布函数中含有未知参数 时，理论频数也未知，要用来估计 n

3、pi ( )，其中 为 的极大似然估。(3). 计算各子区间 Ii 上的实际频数 fi 。 fi = X1, X2, , Xn Ii ， i=1, 2, , k . 计数符号，取集合中元素的个数第4页/共22页)2( )()(122，kiiiinpnpf(4). 计算理论频数与实际频数的偏差平方和。可以证明：在 H0 成立，且 n时, 和式中的影响力。和式中的影响力。频数比较大的那些项在频数比较大的那些项在理论理论去除的其目的是：缩小去除的其目的是：缩小每一项用每一项用 )( inp)3( 212，k-r- 1 22是参数个数。是参数个数。是子区间数，是子区间数，分布，分布，的的由度为由度为统

4、计量的分布收敛到自统计量的分布收敛到自即即rkrk第5页/共22页(5). H0 的显著性水平为 的检验的拒绝域为)4( )( 212，k-r- 注意：该检验方法是在 n 充分大时使用的，因而，使用时要注意 n 必须足够地大, 以及 npi 不能太小这两个条件。 在实用上，一般要求 n 50，以及所有npi 5。如果初始子区间划分不满足后一个条件, 则适当地将某些子区间合并，可使 npi 满足上述要求。第6页/共22页例1：为检验棉纱的拉力强度 X (单位: 千克) 服从正态分布，从一批棉纱中随机抽取300条进行拉力试验，结果列在表8.2中。给定 = 0.01,检验假设 H0：拉力强度 X N

5、(, 2) .第7页/共22页解：本例中，并未给出各观测值 Xi 的具体值,只给出了各观测值的取值范围，这样的数据称为区间数据。样本均值与样本方差可通过下列式计算：. 211 21 1221211kiiiikiiiiXnaannSaannX，.26. 01 41. 1 ),( 22222SnnXN，为为极大似然估计极大似然估计的的和和，对正态总体对正态总体第8页/共22页 (1). 先将数据 Xi 分成13组，每组落入一个区 间，区间的端点为： . 18. 2 78. 0 64. 0 1312210aaaaa，(2). 计算数据落入各子区间的理论频数。因分布中含有两个未知参数，所以，理论频数只

6、能近似地估计。落入第 i 个子区间Ii 的理论频数的估计为 ， 其中 .13 2 1 26. 041. 126. 041. 1) ( 12 ，iaappiiiiipn第9页/共22页，因因0.46 1.85 1.85 0.46 131221pnpnpnpn。见表见表最后两组合并成一组最后两组合并成一组我们将前两组和我们将前两组和所以，所以，均大于均大于，而而8.3)( 5 113pnpn第10页/共22页(3). 计算数据落入各子区间上的实际频数 fi 。 fi = X1, X2, , Xn Ii ， i=1, 2, , 10 . .15.22 122kiiiipnpnf(4). 计算检验统计

7、量的值因为 k =10，r =2，所以上述 2分布的自由度为 k-r-1=7。由.48.18)(15.22212rk(5). H0 的显著性水平为 的检验 于是，拒绝原假设，即认为棉纱拉力强度不服从正态分布。第11页/共22页 孟德尔在关于遗传问题的研究中，用豌豆做实验。豌豆有黄和绿两种颜色，在对它们进行两代杂交之后，发现一部分杂交豌豆呈黄色，另一部分呈绿色。其数目的比例大致是 3:1。 2检验的一个著名应用例子是孟德尔豌豆实验。奥地利生物学家孟德尔在1865年发表的论文，事实上提出了基因学说，奠定了现代遗传学的基础。他的这项伟大发现的过程有力地证明了统计方法在科学研究中的作用。因此，我们有必

8、要在这里将这一情况介绍给大家。 第12页/共22页 这只是一个表面上的统计规律。但它启发孟德尔去发展一种理论，以解释这种现象。他大胆地假定存在一种实体，即现在我们称为“基因”的东西，决定了豌豆的颜色。这基因有黄绿两个状态，一共有四种组合： 孟德尔把他的实验重复了多次，每次都得到类似结果。(黄, 黄)，(黄, 绿)，(绿, 黄)，(绿, 绿). 第13页/共22页(黄, 黄)，(黄, 绿)，(绿, 黄)，(绿, 绿). 孟德尔认为, 前三种配合使豆子呈黄色,而第四种配合使豆子呈绿色。从古典概率的观点看，黄色豆子出现的概率为3/4，绿色豆子出现的概率为1/4。这就解释了黄绿颜色豆子之比为什么总是接

9、近 3:1 这个观察结果。 孟德尔这个发现的深远意义是他开辟了遗传学研究的新纪元。下面的例子就是用 2检验来检验孟德尔提出黄绿颜色豌豆数目之比为 3:1的论断。第14页/共22页例2：孟德尔豌豆试验中，发现黄色豌豆为25粒, 绿色豌豆11粒，试在 =0.05下, 检验豌豆黄绿之比为3:1。解：定义随机变量 X. , 0, 1豌豆为绿色豌豆为绿色豌豆为黄色，豌豆为黄色，X我我们们要要检检验验，记记 . 01 21XPpXPp . 4/14/3 210ppH，：(1). 将 (-, ) 分成两个区间 . 0.5 ( ) 0.5(21，II第15页/共22页(2). 计算每个区间上的理论频数，这里

10、n = 25+11=36, 不存在要估计的未知参数, 故 . 94)/1 (36 274)/3(3621npnp，(3). 实际频数为，f1=25， f2=11 .(4). 计算统计量的值.592. 0 9)911(27)2725( 222122iiiinpnpf第16页/共22页.841. 3)05. 0()( 0.592 0.05 2 21212k-k，因为因为(5). H0 的显著性水平为 的检验 所以，接受原假设，即认为豌豆的黄绿之比为 3:1 。第17页/共22页例3：某医院一年中出生的婴儿共计1521人,其中男婴802人，女婴719人。给定 =0.05，试问：能否认为男婴、女婴出生

11、概率相同？解：用 X 表示服从两点分布的随机变量, X 取0, 1两个值，X=1表示男婴， X=0表是女婴。则问题就是检验假设 H0：p1 = PX=0=0.5.(1). 将 (-, ) 分成两个区间 . ) 0.5( 0.5 (21，II第18页/共22页(2). 计算每个区间上的理论频数。因为两个区 间上的理论概率 p1= p2=0.5, 而 n=1521, 故 . 5 .6075 . 0152121 npnp(3). 各区间上实际频数：f1=802， f2=719 .(4). 计算统计量的值.529. 4 5 .760)5 .760719(5 .760)5 .760802(222第19页/共22页.841. 3)05. 0()(529. 4 0.05 2 21212k-k，因为因为(5). H0 的显著性水平为 的检验 所以，拒绝原假设，即认为男婴女婴出生概率有显著差异。. 473. 01 527. 01521