📅  最后修改于: 2021-01-23 06:38:14             🧑  作者: Mango
拟合优度检验用于检查样本数据是否符合总体分布。总体可能具有正态分布或威布尔分布。简而言之,它表示样本数据正确表示了我们期望从实际总体中找到的数据。统计人员通常使用以下测试:
卡方
柯尔莫哥洛夫-斯米尔诺夫
安德森·达林
希普罗-威尔克
卡方检验是最常用的检验拟合优度的检验,用于二项式分布和泊松分布等离散分布,而Kolmogorov-Smirnov和Anderson-Darling拟合优度检验则用于连续分布。
哪里-
$ {O_i} $ =第i个变量水平的观测值。
$ {E_i} $ =第i个变量的期望值。
$ {X ^ 2} $ =卡方随机变量。
一家玩具公司制造足球运动员玩具。它声称30%的卡是中场,60%的后卫和10%是前锋。考虑到随机抽取100个玩具,则有50个中场球员,45个防守者和5个前锋。给定0.05的显着性水平,您可以证明公司的主张合理吗?
解:
空假设$ H_0 $ -中场,后卫和前锋的比例分别为30%,60%和10%。
替代假设$ H_1 $ –原始假设中至少有一个比例是错误的。
自由度DF等于分类变量的级别数(k)减去1:DF = k-1。这里的级别是3。因此
P值是具有2个自由度的卡方统计量X X ^ 2 $比19.58极端的概率。使用卡方分布计算器找到$ {P(X ^ 2 \ gt 19.58)= 0.0001} $。
由于P值(0.0001)远小于显着性水平(0.05),因此原假设不能被接受。因此,公司索赔无效。