最后更新: 2025-06-12 11:13 查看: 184 次纠错评论(0) 课件开VIP

卡方分布χ²-拟合度检验-Part2

## 拟合优度检验
在实际问题中，经常不知道总体服从什么分布，这时只能假定其为某种分布，那么就需要根据样本数据来检验假设是否合理，即检验假设的总体分布是否可以被接受, 又称为分布的拟合检验, 常用的方法有 $\chi^2$ 拟合优度检验.

`例` 检验一枚骰子是否是均匀的分布，首先抛掷一枚骰子 １２０ 次 得到如下结果记录
 ![图片](/uploads/2024-12/e76845.jpg)
 
 在显著性水平 $\alpha=0.01$ 水平下, 请问, 这枚骰子是否是均匀的?
 
分析 设 $X$ 为骰子出现的点数，根据题意可以假设 $X$ 的分布为

$$
H_0: P(X=i)=p_i=\frac{1}{6}, i=1,2, \cdots, 6 .
$$

如果骰子是均匀的，即在 $H_0$ 成立的假定下，投掷 120 次，平均来说每个点面应该都出现 $n p_i=120 \cdot \frac{1}{6}=20$ 次, 这称为**理论频数**, 如果每个点面实际出现次数与 20 次相差不大, 那么可以说明股子是均匀的, 如果相差太大, 例如有些点面严重偏多, 而另外一些点面严重偏少，那么可以说明股子是不均匀的。

由于有正偏差就一定有负偏差，所以用偏差平方的方式来计算每一个点面出现的偏差, 并计算所有点面累积的总偏差, 如果总偏差太大，超过了容忍的最大值 $c$ ，就拒绝原假设，即认为骰子是不均匀的，反之，则不拒绝骰子是均匀的原假设.

根据上述分析，我们构造拒绝域的形式为 $W=\left\{\sum_{i=1}^k\left(N_i-n p_i\right)^2>c\right\}$ ，其中 $N_i$ 表示第 $i$ 个点面实际出现的次数，又称为**实际频数**；

当我们有了一组样本观测值以后， $N_i$ 的观测值记为 $n_i$. 其中的 $k$ 表示总体分布取值分组的组数，例如在例 1 中， $k$ 取 6 。

那么这里的容忍最大值 $c$ 取何值呢?
根据显著性水平的定义，容忍最大值 $c$ 需满足

$$
P\left(\left(X_1, X_2, \cdots, X_n\right) \in W\right)=P\left(\sum_{i=1}^k\left(N_i-n p_i\right)^2>c \mid H_0 \text { 成立 }\right) \leqslant \alpha .
$$

统计学家 K - 皮尔逊基于上述拒绝域的形式构造了一个检验统计量

$$
\boxed{
\chi^2=\sum_{i=1}^k \dfrac{\left(N_i-n p_i\right)^2}{n p_i}
}
$$

并证明了如下重要的结论, 我们以定理的方式不加证明地给出.

> 如果你想看皮尔逊当时是怎么推导过程，可以点击[此处](https://kb.kmath.cn/kbase/detail.aspx?id=3031)

定理1 如果原假设 $H_0: P(X=i)=p_i, i=1,2, \cdots, k$ 成立, 则当样本量 $n \rightarrow \infty$ 时, $\chi^2=\sum_{i=1}^k \frac{\left(N_i-n p_i\right)^2}{n p_i}$ 的极限分布是自由度为 $k-1$ 的 $\chi^2$ 分布，即

$$
\chi^2=\sum_{i=1}^k \frac{\left(N_i-n p_i\right)^2}{n p_i} \sim \chi^2(k-1),
$$

所以

$$
P\left(\left(X_1, X_2, \cdots, X_n\right) \in W\right)=P\left(\left.\sum_{i=1}^k \frac{\left(N_i-n p_i\right)^2}{n p_i}>X_{1-\alpha}^2(k-1) \right\rvert\, H_0 \text { 成立 }\right) \leqslant \alpha .
$$

即拒绝域为

$$
W=\left\{\sum_{i=1}^k \frac{\left(N_i-n p_i\right)^2}{n p_i}>\chi_{1-\alpha}^2(k-1)\right\} .
$$

在例 1 中, $\chi^2$ 检验统计量的观测值,

$$
\begin{aligned}
\chi^2 & =\sum_{i=1}^k \frac{\left(n_i-n p_i\right)^2}{n p_i} \\
& =\frac{(23-20)^2}{20}+\frac{(26-20)^2}{20}+\frac{(21-20)^2}{20}+\frac{(20-20)^2}{20}+\frac{(15-20)^2}{20}+\frac{(15-20)^2}{20} \\
& =4.8 .
\end{aligned}
$$
查表 可得, $\chi_{0.99}^2(5)=15.0863>4.8$, 所以, 在显著性水平 $\alpha=0.01$ 下接受原假设,即可认为这枚骰子是均匀的。
下一节将正式介绍 [卡方分布](https://kb.kmath.cn/kbase/detail.aspx?id=567)

其他版本
【概率论与数理统计】拟合优度检验【概率论与数理统计】卡方分布χ²-独立检验-Part1 【概率论与数理统计】卡方分布χ²-前世今生-Part5 【概率论与数理统计】单正态总体方差的假设检验(卡方检验)【概率论与数理统计】卡方分布χ²-前世今生-Part4 【概率论与数理统计】卡方分布χ²-密度与分布函数的性质-Part3

科数题库(单机版) 会议室预约系统(book)

今日还可看 0 篇未注册用户每天查看4篇，注册用户每天8篇，开通VIP会员无限制查看。

免费注册

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

上一篇：卡方分布χ²-独立检验-Part1

下一篇：卡方分布χ²★★★★★

本文对您是否有用？有用 (0) 无用 (0)