第八章 假设检验(分布拟合检验)
合集下载
假设检验一般概念
x 400 k 时接受原假设H0；
(1)
x 400 k 时拒绝原假设H0接受备择假设H1
(2)
进一步，由于当H0为真时，有
u x400 ~N(0,1) 25/ n
1 |u|要构x造一40个0具有明确k分布的统计量，可将(1)、(2)式转化为
25/ n 25/ n
2 |u|时接x受原40假0设H0 k
2. 拒绝域与接受域 称是检验水平或显著性水平，它是我们
制定检验标准的重要依据。常数u/2把标准正态分布密度曲线下
的区域分成了两大部分，其中一部分
(x1,x2, ,xn)uu/2
称为H0的拒绝域或否定域， 当样本点落入拒绝域时，我们便拒 绝原假设H0(同前述(6)式)，另一部分
(x1,x2, ,xn)uu/2
（1）根据问题的要求提出假设，写明原假设H0和备择假设H1的
具体内容。
（2）根据H0的内容，建立（或选取）检验统计量并确定其分布。 （3）对给定（或选定）的显著性水平 ，由统计量的分布查表 或计算确定出临界值，进而得到H0的拒绝域和接受域。
（4）由样本观察值计算出统计量的值。
（5）做出推断：当统计量的值满足“接受H0的条件”时就接受 H0，否则就拒绝H0接受H1 。
u
2
时接受原假设H0 (5)
时拒绝原假设H0，接受备择假设 H1 (6)
分析(5)、(6)两式，可以这 样认为：
拒绝H0，是因为以H0成立 为出发点进行推理时，得到 了不合情理的结论，使小概 率事件在一次试验中发生了。
接受H0，是因为以H0成立 为出发点进行推理时，未发 现异常。
这就是带有概率特征的反证 法，认为小概率事件在一次 试验中不可能发生。
H0：X服从泊松分布；H1：X不服从泊松分布.
第八章 假设检验
广 东 工 业 大 学
上页
下页
返回
1、原假设与备择假设 H0 2、原理
H1
小概率原理：小概率事件在一次试验中是不太会发生的。 （1）提出假设 H 0 （2）在假设 H 0 成立的条件下，构造一个小概率事件A， （3）根据样本值判断：
若在这一次试验中小概率事件A发生了，则拒绝假设 H 0 ,
若在这一次试验中小概率事件A未发生，则接受假设 H 0 .
广 东 工 业 大 学
上页
下页
返回
显著性水平 3、接受域与拒绝域
P{ A} P{样本落入区域 } R
拒绝域： R 接受域： R 4、两类错误
第一类错误： 弃真
小概率
样本点落入R：拒绝 H 0
样本点落入 R ： 接受 H 0
犯第一类错误的概率：
H 0 正确，但拒绝了它。
第二类错误： 采伪
工 业 大 学
上页
下页
返回
二、假设检验的思想方法 假设检验的基本思想实质上是带有某种概率性质的反证 法。为了检验一个假设是否正确，首先假设该假设正确，然 后根据抽取到的样本对假设作出接受或拒绝的决策。如果样 本观察值导致了不合理的现象发生，就应拒绝假设，否则应 该接受假设。
假设检验中所谓“不合理”，并非逻辑中的绝对矛盾，而 是基于人们的实践活动中广泛采用的原则，即小概率事件在一 次试验中是几乎不发生的。但概率小到什么程度才能算作“小 概率事件”？显然，“小概率事件”的概率越小，否定原假设 就越有说服力。 广
上页
广 东 工 业 大 学
下页
返回
例1 某砖厂生产的砖其抗拉强度X服从正态分布 N ( ,1.21) ,今从 该厂产品中随机抽取6块，测得其平均抗拉强度为31.13.试检验 这批砖的平均抗拉强度为32.5是否成立,取显著性水平 0.05. 解: 提出原假设 H 0 : 0 32.5 双边检验： 单边检验：
第八章拟合优度检验
142 149 142 137 134 144 146 147 140 142
140 137 152 145
解 为粗略了解数据的分布情况，先画出直方图。
步骤如下： 1.找出数据的最小值、最大值为126、158，取区 间[124.5, 159.5],它能覆盖[126, 158]； 2.将区间[124.5, 159.5]等分为7个小区间,小区间的 长度Δ=(159.5-124.5)/7=5, Δ称为组距，小区 间的端点称为组限，建立下表：
Y 50 31 26
17
10
8
6
6
8
试检验相继两次地震间隔天数 X 服从指数分布.
解 所求问题为: 在水平 0.05下检验假设
H0 : X 的概率密度
f
(
x)
1
x
e
,
0,
x 0, x 0.
由于在 H0 中参数 未具体给出, 故先估计 .
由最大似然估计法得 ˆ x 2231 13.77,
A5 :19.5 x 24.5 10
A6 : 24.5 x 29.5 8
A7 : 29.5 x 34.5 6
A8 : 34.5 x 39.5 A9 : 39.5 x
6
8
pˆ i
npˆ i
fi2 / npˆi
0.2788 45.1656
55.3519
0.2196 35.5752
27.0132
A7 :154.5 x
npˆ i
0.73
4.36 5.09
14.72
26.21
23.61
11.22
3.15 14.37
fi2 / npˆi
4.91
6.79 41.55 24.40 10.02 =87.67
第八章__假设检验(分布拟合检验)
2 0.05
(1)
=3.841
由于统计量 2的实测值
=2 0.4158<3.841，
未落入否定域.
故认为试验结果符合孟德尔的3:1理论.
这些试验及其它一些试验，都显 示孟德尔的3: 1理论与实际是符合的. 这本身就是统计方法在科学中的一项 重要应用.
用于客观地评价理论上的某个结论是否 与观察结果相符，以作为该理论是否站 得住脚的印证.
Σ
fi
pˆ i
npˆ i
50 0.2788 45.1656
npˆ i fi (npˆi fi )2 / npˆi
-4.8344 0.5175
31 0.2196 35.5752
ቤተ መጻሕፍቲ ባይዱ
4.5752 0.5884
26 0.1527 24.7374
-1.2626 0.0644
17 0.1062 17.2044
按 =0.05，自由度为4-1-1=2查 2 分布表得
2 0.05
(2)=5.991
由于统计量 2 的实测值
2=2.43<5.991，
未落入否定域.
故认为每年发生战争的次数X服从 参数为0.69的泊松分布.
例2. 我们以遗传学上的一项伟大发现为 例说明统计方法在研究自然界和人类社会的规 律性时，是起着积极的、主动的作用.
第八章 假设检验(续)
§4. 分布拟合检验
在前面的课程中，我们已经了解了假 设检验的基本思想，并讨论了当总体分布为 正态时，关于其中未知参数的假设检验问 题.
然而可能遇到这样的情形，总体服从何 种理论分布并不知道，要求我们直接对总体 分布提出一个假设 .
例1. 从1500到1931年的432年间，每年 爆发战争的次数可以看作一个随机变量，椐统 计,这432年间共爆发了299次战争, 数据如下:
第八章 假设检验
2
(一)问题的提出
例1.1 体重指数BMI是目前国际上常用的衡量人体胖 瘦程度以及是否健康的一个标准. 专家指出, 健康 成年人的BMI 取值应在 18.55- 24.99 之间.某种 减肥药广告宣称, 连续使用该种减肥药一个星期便 可达到减肥的效果.为了检验其说法是否可靠,随机 抽取9位试验者(要求BMI 指数超过25,年龄在20-25 岁女生),
x 0.522 0.465, 依然拒绝H0;
那么，拒绝H0的最小的值 是多少？最小的显 著水平又是多少？
(一)问题的提出
先让每位女生记录没有服用减肥药前的体重, 然后 让每位女生服用该减肥药, 服药期间, 要求每位女 生保持正常的饮食习惯, 连续服用该减肥药1周后, 再次记录各自的体重.测得服减肥药前后的体重差 值X(服药前体重-服药后体重) (单位: kg): 1.5，0.6，-0.3，1.1，-0.8，0，2.2，-1.0，1.4 设X~N(μ,0.36), μ未知，根据目前的样本资料能否 认为该减肥药广告中的宣称是可靠的？
n i1
Xi
~
N(,
1 ), n
H0 : 0, H1 : 1( 0 ), 拒绝域：X c.
P1 (X c)
P0 (X c)
0
c
1
犯两类错误的 概率相互制约
11
例1.1中，犯第I类错误的概率
(c) P{拒绝H0|H0是真的} P{X c| 0}
P{ X c | 0} / n / n
例1.2 一种饼干的包装盒上标注净重200g，假 设包装盒的重量为定值，且设饼干净重服从N (μ,σ2), μ, σ2均未知.现从货架上取来3盒，称 得毛重(单位：g)为 233，215，221，根据这 些数据是否可以认为这种包装饼干的标准差超 过6g？
(一)问题的提出
例1.1 体重指数BMI是目前国际上常用的衡量人体胖 瘦程度以及是否健康的一个标准. 专家指出, 健康 成年人的BMI 取值应在 18.55- 24.99 之间.某种 减肥药广告宣称, 连续使用该种减肥药一个星期便 可达到减肥的效果.为了检验其说法是否可靠,随机 抽取9位试验者(要求BMI 指数超过25,年龄在20-25 岁女生),
x 0.522 0.465, 依然拒绝H0;
那么，拒绝H0的最小的值 是多少？最小的显 著水平又是多少？
(一)问题的提出
先让每位女生记录没有服用减肥药前的体重, 然后 让每位女生服用该减肥药, 服药期间, 要求每位女 生保持正常的饮食习惯, 连续服用该减肥药1周后, 再次记录各自的体重.测得服减肥药前后的体重差 值X(服药前体重-服药后体重) (单位: kg): 1.5，0.6，-0.3，1.1，-0.8，0，2.2，-1.0，1.4 设X~N(μ,0.36), μ未知，根据目前的样本资料能否 认为该减肥药广告中的宣称是可靠的？
n i1
Xi
~
N(,
1 ), n
H0 : 0, H1 : 1( 0 ), 拒绝域：X c.
P1 (X c)
P0 (X c)
0
c
1
犯两类错误的 概率相互制约
11
例1.1中，犯第I类错误的概率
(c) P{拒绝H0|H0是真的} P{X c| 0}
P{ X c | 0} / n / n
例1.2 一种饼干的包装盒上标注净重200g，假 设包装盒的重量为定值，且设饼干净重服从N (μ,σ2), μ, σ2均未知.现从货架上取来3盒，称 得毛重(单位：g)为 233，215，221，根据这 些数据是否可以认为这种包装饼干的标准差超 过6g？
概率论与数理统计第八章假设检验
当总体分布函数完全未知或只知其形式、但 不知其参数的情况，为推断总体的性质，提出 某些关于总体的假设。
为判断所作的假设是否正确, 从总体中抽取 样本, 根据样本的取值, 按一定的原则进行检 验, 然后, 作出接受或拒绝所作假设的决定.
整理课件
2
我们主要讨论的假设检验的内容有
参数检验 总体均值、均值差的检验 总体方差、方差比的检验
H0: Θ0 vs H1: Θ1,
根据样本，构造一个检验统计量T 和检验法则： 若与T的取值有关的一个小概率事件W发生，则 否定H0，否则接受H0，而且要求
P(W|H0)
此时称W为拒绝域，整为理课检件 验水平。
11
例 3. 某厂生产的螺钉,按标准强度为68克/mm2,
而实际生产的螺钉强度 X 服从 N ( ,3.6 2 ). 若 E ( X ) = = 68, 则认为这批螺钉符合要求,否
7
所以我们否定H0, 认为隧道南的路面发生交 通事故的概率比隧道北大.
做出以上结论也有可能犯错误。这是因为 当隧道南北的路面发生交通事故的概率相同, 而3起交通事故又都出现在隧道南时, 我们才犯 错误。这一概率正是P=0.043.
于是, 我们判断正确的概率是1-0.043=95.7%
整理课件
8
假设检验中的基本概念和检验思想 (1) 根据问题的背景, 提出原假设
再作一个备择假设
H1: p> 0.35. 在本问题中,如果判定H0不对,就应当承认H1.
检验: 三起交通事故的发生是相互独立的, 他们
之间没有联系.
如果H0为真, 则每一起事故发生在隧道南的 概率都是0.35, 于是这三起交通事故都发生在隧
道南的概率是
P= 0.353 ≈ 0.043.
为判断所作的假设是否正确, 从总体中抽取 样本, 根据样本的取值, 按一定的原则进行检 验, 然后, 作出接受或拒绝所作假设的决定.
整理课件
2
我们主要讨论的假设检验的内容有
参数检验 总体均值、均值差的检验 总体方差、方差比的检验
H0: Θ0 vs H1: Θ1,
根据样本，构造一个检验统计量T 和检验法则： 若与T的取值有关的一个小概率事件W发生，则 否定H0，否则接受H0，而且要求
P(W|H0)
此时称W为拒绝域，整为理课检件 验水平。
11
例 3. 某厂生产的螺钉,按标准强度为68克/mm2,
而实际生产的螺钉强度 X 服从 N ( ,3.6 2 ). 若 E ( X ) = = 68, 则认为这批螺钉符合要求,否
7
所以我们否定H0, 认为隧道南的路面发生交 通事故的概率比隧道北大.
做出以上结论也有可能犯错误。这是因为 当隧道南北的路面发生交通事故的概率相同, 而3起交通事故又都出现在隧道南时, 我们才犯 错误。这一概率正是P=0.043.
于是, 我们判断正确的概率是1-0.043=95.7%
整理课件
8
假设检验中的基本概念和检验思想 (1) 根据问题的背景, 提出原假设
再作一个备择假设
H1: p> 0.35. 在本问题中,如果判定H0不对,就应当承认H1.
检验: 三起交通事故的发生是相互独立的, 他们
之间没有联系.
如果H0为真, 则每一起事故发生在隧道南的 概率都是0.35, 于是这三起交通事故都发生在隧
道南的概率是
P= 0.353 ≈ 0.043.
《概率论与数理统计》课件第八章 假设检验
假设检验是统计学中一种重要的推断方法，其理论依据为小概率原理。小概率原理指的是，在一次试验中，小概率事件几乎不会发生。在假设检验中，如果原假设为真，那么出现小概率率性质的反证法，它允许我们在一定程度上接受或拒绝关于总体参数或分布的假设。假设检验在统计学中有着广泛的应用，尤其是在单个及两个正态总体的均值和方差的检验中。通过这些检验，我们可以根据样本数据对总体的特性进行推断，从而作出科学的决策。需要注意的是，任何检验方法都不能完全排除犯错误的可能性，但假设检验通过控制犯第一类错误的概率，即错误地拒绝真实假设的概率，来确保推断的可靠性。在实际应用中，我们还需要根据具体情况选择合适的显著性水平，以平衡犯两类错误的概率。
概率论GL8.3
概 率 论 与 数 理 统 计
第八章 假设检验
§8.3 分布拟合检验
概 率 进行讨论的。在实际应用中，总体分布常常是未知的， 论 与 所以要对总体分布的假设进行检验，这就是分布拟合 数 2 检验法。 检验．本节仅介绍 理 统 计
上节中各检验法都是在总体分布形式为已知的前提下
8.3.1 离散型情形
26 11
0.194 0.163
19.4 16.3
6.6 -5.3
2.245 1.723
9
0.114 0.069
11.4 6.9
-2.4 2.1
0.505 0.639
概 率 论 与 数 理 统 计
9
2 1
2 1 0
0.036 0.017
0.007 0.003 0.002
3.6 1.7
0.7 0.3 0.2 6.2815 -0.5 0.0385
故在水平 0.05 下接受 H 0 ，即认为样本来自泊松分布，
也就是说认为理论上的结合是符合实际的。
概 率 论 与 数 理 统 计
例2 研究混凝土抗压强度 X 的分布，已测得 200 件混凝土试件的抗压强度以分组的形式列如下表 （1kgf=9.8N）:
j
压强区间kgf/cm2 190～200 200～210 210～220 220～230 230～240 240～250
频率逐渐稳定在 p j 的附近,它们之间的差异,在统计意义 下将越来越小。
所以，样本中出现 j 的频数 n j 和理论频数 np j 之间
概 率 皮尔逊（Pearson）提出的使用统计量 论 r ( n np ) 2 与 j 2 j 数 np j j 1 理 一般来说， 统 来衡量实际频数 n j 与理论频数 np j 的差异程度。 计 若 H 0 为真，且实验的次数又是足够多的,则这种差异即 2
第八章 假设检验
§8.3 分布拟合检验
概 率 进行讨论的。在实际应用中，总体分布常常是未知的， 论 与 所以要对总体分布的假设进行检验，这就是分布拟合 数 2 检验法。 检验．本节仅介绍 理 统 计
上节中各检验法都是在总体分布形式为已知的前提下
8.3.1 离散型情形
26 11
0.194 0.163
19.4 16.3
6.6 -5.3
2.245 1.723
9
0.114 0.069
11.4 6.9
-2.4 2.1
0.505 0.639
概 率 论 与 数 理 统 计
9
2 1
2 1 0
0.036 0.017
0.007 0.003 0.002
3.6 1.7
0.7 0.3 0.2 6.2815 -0.5 0.0385
故在水平 0.05 下接受 H 0 ，即认为样本来自泊松分布，
也就是说认为理论上的结合是符合实际的。
概 率 论 与 数 理 统 计
例2 研究混凝土抗压强度 X 的分布，已测得 200 件混凝土试件的抗压强度以分组的形式列如下表 （1kgf=9.8N）:
j
压强区间kgf/cm2 190～200 200～210 210～220 220～230 230～240 240～250
频率逐渐稳定在 p j 的附近,它们之间的差异,在统计意义 下将越来越小。
所以，样本中出现 j 的频数 n j 和理论频数 np j 之间
概 率 皮尔逊（Pearson）提出的使用统计量 论 r ( n np ) 2 与 j 2 j 数 np j j 1 理 一般来说， 统 来衡量实际频数 n j 与理论频数 np j 的差异程度。 计 若 H 0 为真，且实验的次数又是足够多的,则这种差异即 2
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
这些试验及其它一些试验， 这些试验及其它一些试验，都显 示孟德尔的3: 理论与实际是符合的 理论与实际是符合的. 示孟德尔的 1理论与实际是符合的 这本身就是统计方法在科学中的一项 这本身就是统计方法在科学中的一项 重要应用. 重要应用
用于客观地评价理论上的某个结论是 否与观察结果相符， 否与观察结果相符，以作为该理论是 否站得住脚的印证. 否站得住脚的印证 Nhomakorabea或
k f i2 n fi χ 2 = ∑ − pi = ∑ −n i =1 pi n i =1 npi
2
统计量
χ
2
的分布是什么? 的分布是什么
皮尔逊证明了如下定理: 皮尔逊证明了如下定理 若原假设中的理论分布F(x)已经完全给 已经完全给 若原假设中的理论分布 定，那么当n → ∞ ，统计量 时 的分布渐近(k-1)个自由度的 χ 分布 个自由度的 分布. 的分布渐近 如果理论分布F(x)中有 个未知参数需用 中有r个未知参数需用 如果理论分布 中有 相应的估计量来代替，那么当 相应的估计量来代替， 时，统 n →∞ 计量 2的分布渐近 (k-r-1)个自由度的 2 个自由度的 分 χ χ 布.
2 2
如果根据所给的样本值 X1,X2, …,Xn算得 2 的实测值落入拒绝域， 统计量 χ 的实测值落入拒绝域，则拒绝原假 否则就认为差异不显著而接受原假设. 设，否则就认为差异不显著而接受原假设
皮尔逊定理是在n无限增大时推导出来 皮尔逊定理是在 无限增大时推导出来 无限 因而在使用时要注意n要足够大 要足够大， 的，因而在使用时要注意 要足够大，以及 npi 不太小这两个条件 不太小这两个条件 这两个条件. 根据计算实践，要求 不小于 不小于50， 根据计算实践，要求n不小于 ，以及 npi 都不小于 5. 否则应适当合并区间，使 否则应适当合并区间， npi满足这个要求 .
2 2
根据这个定理， 根据这个定理，对给定的显著性水平α ， 2 2 查χ 分布表可得临界值 χα ，使得
P(χ > χα ) = α
2 2
得拒绝域: 得拒绝域
χ > χα (k −1) (不需估计参数 不需估计参数) 不需估计参数
2 2
估计r χ > χα (k − r −1) (估计 个参数 估计 个参数)
( fi − npi ) χ =∑ npi i=1
k 2
2
是k个近似正态的变量的平方和 个近似正态的变量的平方和. 个近似正态的变量的平方和 这些变量之间存在着一个制约关系： 这些变量之间存在着一个制约关系：
npi 2 2 渐近(k-1)个自由度的 χ 分布 故统计量 χ 渐近 个自由度的 分布.
i=1
假设检验( 第八章 假设检验(续)
§4. 分布拟合检验 在前面的课程中， 在前面的课程中，我们已经了解了假 设检验的基本思想， 设检验的基本思想，并讨论了当总体分布 为正态时， 为正态时，关于其中未知参数的假设检验 问题 . 然而可能遇到这样的情形， 然而可能遇到这样的情形，总体服从何 种理论分布并不知道， 种理论分布并不知道，要求我们直接对总体 分布提出一个假设 .
实测频数
fi − npi
理论频数
标志着经验分布与理论分布之间的差异的大小. 标志着经验分布与理论分布之间的差异的大小
皮尔逊引进如下统计量表示经验分布 与理论分布之间的差异: 与理论分布之间的差异 在理论分布
( fi − npi ) 2 χ =∑ npi i=1
k
k
2
已知的条件下, 已知的条件下 npi是常量
年的432年间 年间， 例1. 从1500到1931年的 年间，每年爆 到 年的 发战争的次数可以看作一个随机变量，椐统计, 发战争的次数可以看作一个随机变量，椐统计 年间共爆发了299次战争 数据如下: 次战争, 这432年间共爆发了 次战争 数据如下 年间共爆发了
战争次数X 战争次数 发生 X次战争的年数 次战争的年数 223 0 142 1 48 2 15 3 4 4
又如， 又如，某钟表厂对生产的钟进行精确性检 抽取100个钟作试验，拨准后隔 小时 个钟作试验， 查，抽取 个钟作试验 拨准后隔24小时 以后进行检查，将每个钟的误差（快或慢） 以后进行检查，将每个钟的误差（快或慢） 按秒记录下来. 按秒记录下来
问该厂生产的钟的误差是否服从正态 分布？ 分布？
解决这类问题的工具是英国统计学家 K.皮尔逊在 皮尔逊在1900年发表的一篇文章中引进 皮尔逊在 年发表的一篇文章中引进 2 检验法. 的所谓 χ 检验法 这是一项很重要的工作，不少人 这是一项很重要的工作， 把它视为近代统计学的开端. 把它视为近代统计学的开端
在概率论中，大家对泊松分布产生的一 在概率论中， 般条件已有所了解，容易想到，每年爆发战 般条件已有所了解，容易想到， 争的次数， 争的次数，可以用一个泊松随机变量来近似 也就是说， 描述 . 也就是说，我们可以假设每年爆发战 争次数分布X近似泊松分布 近似泊松分布. 争次数分布 近似泊松分布 现在的问题是： 现在的问题是： 上面的数据能否证实X 上面的数据能否证实 具有 泊松分布的假设是正确的？ 泊松分布的假设是正确的？
让我们回到开始的一个例子， 让我们回到开始的一个例子，检验每 年爆发战争次数分布是否服从泊松分布. 年爆发战争次数分布是否服从泊松分布 根据观察结果， 根据观察结果，得参数 λ 的极大似然估计为 提出假设H 提出假设 0: X服从参数为λ 的泊松分布 服从参数为
ˆ λ = X =0.69
按参数为 的泊松分布， 按参数为0.69的泊松分布，计算事件 的泊松分布 计算事件X=i 的 概率p p 概率 i ， i的估计是 −0.69 i ， ˆ pi = e 0.69 i ! i=0,1,2,3,4 将有关计算结果列表如下: 将有关计算结果列表如下
孟德尔
…
黄色纯系
… 子一代 子二代
绿色纯系
根据他的理论，子二代中 根据他的理论，子二代中, 黄、绿之比 近似为3:1， 近似为 ， 他的一组观察结果为： 他的一组观察结果为： 黄70，绿27 ， 近似为2.59:1，与理论值相近. ，与理论值相近 近似为
由于随机性，观察结果与 总有些差 由于随机性，观察结果与3:1总有些差 距，因此有必要去考察某一大小的差异是否 已构成否定3:1理论的充分根据 理论的充分根据， 已构成否定 理论的充分根据，这就是如 下的检验问题. 下的检验问题 检验孟德尔的3:1理论 检验孟德尔的 理论: 理论 提出假设H0: p1=3/4, p2=1/4 提出假设 这里，n=70+27=97, k=2, 这里， 理论频数为： 理论频数为： np1=72.75, np2=24.25 实测频数为70， 实测频数为 ，27.
日至1971年2月9日共 日共2231天 例3. 自1965年1月1日至 年 月 日至 年 月 日共 天 记和5级以上的 中，全世界纪录到里氏震级4记和 级以上的 全世界纪录到里氏震级 记和 地震162次，统计如下 次 地震
相继两次地震间 0-4 隔的天数xi 出现的频数f 出现的频数 i 50 10-14 5-9 31 26 15-19 17 10 20-24 25-29 8 6 30-34 35-39 6 8(1) ≥40
例2. 我们以遗传学上的一项伟大发现为例 说明统计方法在研究自然界和人类社会的规律 性时，是起着积极的、主动的作用. 性时，是起着积极的、主动的作用 奥地利生物学家孟德尔进行了长 达八年之久的豌豆杂交试验, 达八年之久的豌豆杂交试验 并根据 试验结果,运用他的数理知识 运用他的数理知识, 试验结果 运用他的数理知识 发现了 遗传的基本规律. 遗传的基本规律
战争次数 x 实测频数 fi
ˆ pi ˆ n pi
0 1 2 223 142 48 0.58 0.31 0.18 216.7 149.5 51.6
3 15 0.01 12.0
4 4 0.02 2.16
∑
14.16 ( fi − npi )2 0.183 0.376 0.251 1.623 2.43 npi 的组予以合并， 次及4次 将n pi<5的组予以合并，即将发生 次及 次 ˆ 的组予以合并 即将发生3次及 战争的组归并为一组. 战争的组归并为一组 因H0所假设的理论分布中有一个未知 参数，故自由度为4-1-1=2. 参数，故自由度为
∑
k
pi ( fi − npi )
=0
尚未完全给定的情况下， 在F(x)尚未完全给定的情况下，每个未知 尚未完全给定的情况下 参数用相应的估计量代替， 参数用相应的估计量代替，就相当于增加一个 制约条件，因此，自由度也随之减少一个. 制约条件，因此，自由度也随之减少一个. 若有r个未知参数需用相应的估计量来代 个未知参数需用相应的估计量来代 自由度就减少r个 替，自由度就减少 个. 渐近(k-r-1)个自由度的 χ 分布 此时统计量 χ 渐近 个自由度的 分布.
2
( fi − npi ) χ =∑ npi i =1
k 2
2
为了便于理解， 为了便于理解，我们对定理作一 点直观的说明. 点直观的说明
在理论分布F(x)完全给定的情况下，每个pi 完全给定的情况下，每个 在理论分布 完全给定的情况下 都是确定的常数. 棣莫佛－ 都是确定的常数 由棣莫佛－拉普拉斯中心极 限定理， 充分大时 渐近正态， 限定理，当n充分大时，实测频数 fi 渐近正态， 充分大时， 因此
K.皮尔逊 皮尔逊
χ2检验法是在总体 的分布未知时， 检验法是在总体 的分布未知时， 是在总体X 根据来自总体的样本， 根据来自总体的样本，检验关于总体分 布的假设的一种检验方法. 布的假设的一种检验方法
检验法对总体分布进行检验时 对总体分布进行检验时， 使用 χ 检验法对总体分布进行检验时，
2
检验假设H 若在H 在用 χ2检验法 检验假设 0时，若在 0下 分布类型已知，但其参数未知， 分布类型已知，但其参数未知，这时需要先 用极大似然估计法估计参数，然后作检验. 用极大似然估计法估计参数，然后作检验 分布拟合的 χ 检验法 的基本原理和步 骤如下: 骤如下