Lillefors正态性检验
样本量的要求
Lilliefors检验对样本量的要求相对较高,通常要求样本量大于20。当样本量较小时,Lilliefors检验的效果可能不稳定。Lilliefors检验不需要假定数据的分布类型,它基于观测数据来评估是否来自正态分布。
计算步骤
-
假设检验
H0:数据符合正态分布
H1:数据不符合正态分布 -
计算经验分布函数(Empirical Distribution Functions,ECDF)
(1)对于数据列表进行排序,计算每个数值在样本中的累计频率(小于等于某个数据的频率)。
eg [1, 5, 3, 2, 4]排序后就是[1,2,3,4,5]
- 对于数值1,小于等于1的数值有1个,则累计频率等于1/5=0.2;
- 对于数值2,小于等于2的数据有2个,则累计频率等于2/5=0.4;
- 对于数值3,小于等于3的数据有3个,则累计频率等于3/5=0.6;
- 对于数据4,小于等于4的数据有4个,则累计频率等于4/5=0.8;
- 对于数据5,小于等于5的数据有5个,则累计频率等于5/5=1。
(2)累计经验分布函数是一个阶梯函数。
数值序列:[1, 2, 3, 4, 5]
累计频率:[0.2, 0.4, 0.6, 0.8, 1.0]
- 根据标准正态分布函数计算对应的理论分布函数(CDF)。
数值序列:[1,2,3,4,5]
- 对于数据点1,标准正态分布中数值小于等于1的概率为0.8413;
- 对于数据点2,CDF值为0.9772;
以此类推。得到CDF序列为[0.8413, 0.9772, 0.9987, 0.9999, 1.0]。
- 计算统计量:Lilliefors检验的统计量是基于ECDF的最大绝对偏差,也就是ECDF与标准正态分布累积分布函数之间的最大差异max|ECDF - CDF|。
- max差值=|0.8413-0.2|=0.6413
- 确定临界值
- 据样本数据的大小和显著性水平(通常为0.05),查找Lilliefors临界值表格,确定临界值。
- 如果Lilliefors统计量的值小于临界值,则无法拒绝零假设,即可以认为样本数据符合正态分布。
- 如果Lilliefors统计量的值大于临界值,则可以拒绝零假设,即可以认为样本数据不符合正态分布。