单总体分布卡方拟合优度检验

Table of Contents

• 1. 概率分布的检验
• 2. 如何验证分布服从正态分布

1 概率分布的检验

1. 筛子是否均衡的检验
   

   考虑如下问题： 一枚骰子, 投掷600次, 出现1点到6点的次数如下

   Table 1: 骰子投掷次数数据

   1	2	3	4	5	6
   100	112	123	87	90	88

   试问骰子是否均匀

2. 检验问题
   
   • 设骰子点数记为随机变量  Y  , 取值为  1,2,⋯,6  的概率分别为  p1,⋯,p6
   • 检验如下假设： 原假设：  H0:p1=p2⋯=p6=1/6
   • 对立假设为:  p1,⋯,p6  不全相等
   • 采用哪个统计量来度量
3. 卡方拟合优度检验
   
   • npi  为 n 次抛掷中 出现  i  点的理论频数
   • 记  ni  为n次抛掷中出现  i  点的次数
   • 取检验统计量为
     χ2=∑i=16(ni−npi)2npi
   • 可以证明在原假设成立的条件下, 当样本量趋近于  ∞  时, 有
     χ2∼χ2(6−1)
   • 上述检验方法可以推广到概率不均等的情况
4. 简单情形下定理的验证
   
   • 对于(0,1) 分布, 检验  Y  取值为1 的概率是否为  p
   • 此时卡方统计量为
     χ2=(Y−np)2np+((n−Y)−n(1−p))2n(1−p)=(Y−np)2(1np+1n(1−p))=(Y−np)2np(1−p)=(Y−npnp(1−p)−−−−−−−−√)2∼χ2(1)
5. 卡方拟合优度的应用 -彩票数据
   
   • 彩票0-9 出现概率是否相同
   • 分布拟合

   Table 2: 近100期 6+1 彩票开奖号码-部分数据

   12112	2	6	2	3	9	8	3
   12113	0	5	0	1	7	8	1
   12114	9	2	9	2	4	1	9
   12115	7	9	6	6	2	9	1
   12116	8	2	2	1	9	1	9

   file: data/caipiao.csv

6. 数据读取和检验结果
   
   • 在R软件中采用 chisq.test 函数进行卡方拟合优度检验
   • 首先给出 0-9 的频数统计

   caipiao<-as.matrix(read.table("data/caipiao.csv",header=F,sep=","))
   sj<-as.numeric(caipiao[,-1])
   a<-table(sj);names(a)<-0:9
   t(a)
   

         0  1  2  3  4  5  6  7  8  9
   [1,] 71 71 71 59 79 69 76 69 67 68
   

7. 彩票数字均匀性检验
   

   chisq.test(a)
   

           Chi-squared test for given probabilities
   
   data:  a
   X-squared = 3.6571, df = 9, p-value = 0.9325
   

2 如何验证分布服从正态分布

1. R 和matlab中的专门函数
   
   • 在R有专门的函数对数据的正态性进行检验，如
     • ‘shapiro.test’ which performs the Shapiro-Wilk test for normality.
     • 'ks.test' Perform a one- or two-sample Kolmogorov-Smirnov test.
   • 在Matlab中也有专门的函数
     • jbtest 实现 Bera-Jarque 检验
     • lillietest 实现Lilliefors 检验
     • kstest 实现了Kolmogorov-Smirnov 检验，可以检验分布和位置参数
2. R 中正态分布检验举例
   

   set.seed(1314)
   x<-rnorm(200)
   y<-runif(200)
   shapiro.test(x)
   shapiro.test(y)
   

   	Shapiro-Wilk normality test
   
   data:  x
   W = 0.99, p-value = 0.1797
   
   	Shapiro-Wilk normality test
   
   data:  y
   W = 0.9506, p-value = 2.136e-06
   

3. matlab进行lillietest检验
   

   x=normrnd(0,1,200,1);
   lillietest(x)
   y=unifrnd(0,1,200,1);
   lillietest(y)
   

   x=normrnd(0,1,200,1);
   lillietest(x)
   
   ans =
   
        0
   y=unifrnd(0,1,200,1);
   lillietest(y)
   
   ans =
   
        1
   

   ans=0 表示接受原假设， ans=1 表示拒绝原假设