卡方分布_抽样分布之卡方分布02 分布拟合优度检验

前一篇说了卡方分布的定义和来由，以及卡方统计量，这次介绍下如何像卡尔·皮尔逊(Karl·Pearson)一样通过卡方统计量来做分布拟合优度检验Goodness-of-fit Test for Distribution。

• 卡方检验：

先来回顾一下卡尔·皮尔逊(Karl·Pearson)所提出的卡方统计量：数据的分布与理想分布之间的差异的度量，

其中：

- f_o为实际观测的频度Observed Frequency

- f_e为期望的事件频度Expected Frequency

       从卡方统计量的公式可以得出，如果观测的结果与期望的完全一致则χ² = 0，说明拟合度处于完美情况；当χ²大到一定程度时，也就是累计卡方贡献度超出设定的置信度范围(通常默认为α = 0.05，置信度为1 - α = 95%)，就可以得到统计意义上显著差异的结论&#x