正态性检验的一般方法汇总

精品文档正态性检验的一般方法姓名：蓝何忠学号：1101200203班号：1012201正态性检验的一般方法【摘要】：正态分布是自然界中一种最常见的也是最重要的一种分布因此，人们在实际使用统计分析时，总是乐于正态假定，但该假定是否 成立，牵涉到正态性检验.在一般性的概率统计教科书中，只是把这个 问题放在一般性的分布拟合下作简短处理，而这种万精油式的检验方 法，对正态性检验不具有特效.鉴于此，该文从不同角度出发介绍正态 性检验的几种常见的方法，并且就各种方法作了优劣比较，【引言】一般实际获得的数据，其分布往往未知。在数据分析中，经 常要判断一组数据的分布是否来自某一特定的分布，比如对于连续性分布，常判断数据是否来自正态分布，而对于离散分布来说，常判断 是否来自二项分布.泊松分布，或判断实际观测与期望数是否一致， 然后才运用相应的统计方法进行分析。几种正态性检验方法的比较。2 、拟合优度检验：(1)当总体分布未知，由样本检验总体分布是否与某一理论分布一 致。H0:总体X的分布列为pX=,i=1,2,P;勒H1:总体X.的分布不为.构造统计量与小九1 台nPitil A &为真时H0发生的理为为样本中发生的实际频数，其中EL 论频数, 2)检验原理(20 A意味着对于，=，观测频数与期望频数完全一致， 若=0,则nPd即完全拟合。学资学习网a2观察频数与期望频数越接近，则值越小。n2当原假设为真时，有大数定理，与不应有较大差异，即值Pi应较小。2若值过大，则怀疑原假设。2拒绝域为R=d,判断统计量是否落入拒绝域，得出结论。 二二、Kolmogorov-Smirnov 正态性检验：Kolmogorov-Smirnov检验法是检验单一样本是否来自某一特定它的 检验方法是以样本数比如检验一组数据是否为正态分布。分布。.据的累积频数分布与特定理论分布比较，若两者间的差距很小，则推论该样本取自某特定分布族。即对于假设检验问题：H0:样本所来自的总体分布服从某特定分布H1：样本所来自的总体分布不服从某特定分布统计原理：Fo (x)表示分布的分布函数，Fn (x)表示一组随机样本 的累计概率函数。#n1,2,xx ,i i )F(x nn :x )差距的最大值，定义如下式 Fn 为 Fo(x)与(D设 D=max|Fn(x)-Fo(x)| PDnd=a.a,对于给定的位健康男性在未进食前的血糖浓度如表所示，试测验 这组35例如：=6的正态分布，标准差数据是否来自均值 底80 o87 77 92 68 80 78 84 77 81 80 80 77 92 86 76 80 81 75 77 72 8190 84 86 80 68 77 87 76 77 78 92 75 80 78 n=35检验过程如下：健康成人男性血糖浓度服从正态分布H0:假设健康成人男性血糖浓度不服从正态分布H1:学资学习网计算过程如表:血糖 浓层侬次数CD累计次 数F“k户F廿标建北值A* H 7理由好肺TO (i)D6S2-200o.o。良r餐40.1143-1.330.0934750.1714-0,330.2030.0276心Q.江瓶-0.6702514的吟个/6U04000300.30850.0 J7SJ1704857-0330370719SC623Q况口00.5000O.KS1jQ.W0 1702M7J2E34上2SO.SOCO0 67D5JS60 MS67300.E5 !1.00O.S41j15广7 a史0.91431.170.90O.U免丹J351 ,OOCO1000.9772河0.151C.H54005140.01梵530.02即F。结论：上表中的理论值(x)是根据标准化值z查表得到，实际上 00,55,35 = 0,23 po(x)|=0.1754Dn则接受H1,反之则不拒绝H0假设。2拟合优度检验与K-S正态检验的比较：2拟合优度检验与K-S正态检验都采用实际频数与期望频数进而后者 主它们之间最大的不同在于前者主要用于类别数据，行检验。.要用于有计量单位的连续和定量数据，拟合优度检验虽然也可以用于定量数据，但必须先将数据分组得到实际观测频数， 并要求多变量之 间独立，而K-S正态检验法可以不分组直接把原始数据的 n个观测值 进行检验，所以它对数据的利用较完整。三、Lilliefor 正态分布检验该检验是对Kolmogorov-Smirnov检验的修正，当总体均值和方差未 知时，Lilliefor提出用样本均值和标准差代替总体的期望和标准差，然后使用Kolmogorov-Smirnov正态性检验法，它定义了一个 D统计 量；口 = X, 5 |参数未知，由计算得x) |x Fn () - Fo (D=ma洌统计量，查表得 Lilliefor检验的临界值，确定拒绝域，得出结论。四、偏度峰度检验法：(一)偏度检验：.二/ L 1，为XX设随机变量的具有数学期望 和方差偏度，所谓偏度检验就 是检验如下假设：.二三 二一；=0 :接受原则可以认为样本不是来自正态总体。，拒绝原假设注意到，口。假设，并不等价于接受原假设“样本来自正态总 体”。这是因为任一对称分布的偏度都为 0,无法排除样本来自非正 态的对称分布的可能。因此，偏度检验只能检验数据分布的对称性。由于总体分布未知，无法直接得到总体的偏度，故可以利用样本偏度作为检验上述假设的检验统计量，记学资学习网定义1设 为随机变量X的n个相互独立的样本，偏度检内L次，,小验的检验统计量为61(*)常被用于双尾检验，因为非正态分布可能出现左偏，也可能出展 “翼E0,l),在显著性水平现右偏。在原假设成立时，下取定、瓜 1历12%。，则拒绝原假设。事实上的分布是对分位点 若。周称 的，因此采取双尾检验的做法是合理的。历 阿i 式中定义的偏度检验统计量，则渐进服从均设为 (*)定理1的正态分布，即6,方差为0值为质、N(0,6) (Nt 8)样本容量有限的情形，使用渐进情形下的结论就会导致较高的出错率, 这也是偏度检验的一个缺陷。需要指出的是，只有在确定对称性是唯 一影响分布的形态时，偏度检验才是合适的选择，否则应该避免使用 偏度检验。(二)峰度检验.二一 ,为X设随机变量X具有数学期望的峰和方差度，所谓峰度检验,实际上是将正态性检验转化为检验如下假设：Wo:/?2 = 3： /?2 3如同偏度检验一样，峰度为3的非正态分布也是存在的。所以， /接受原假设并不能表明X 一定服从正态分布，这一事实也导致对数据的正态性检验会有一定的出错率。定义2设为随机变量X的n个相互独立的样本，峰度工1,莅,，检验的检验统计量为(*2)(*2) 2 定理式中定义的峰度统计量，则设为瓦(人 一 3) M(0,24) ri - 8 b2.，同偏度统计量一样的收敛速度也是比较慢的 W检验五、小样本场合 (3n %设。.六、大样本场合(50n100)的D检验检验统计量：nn 1 )(i X (i)21 i D32Xn)(孙。1i 再令(D - 0.28209479MY= 0.2998598V三匕或Y之匕时，拒绝域为。其中则在显著性水平r w匕也和丫之匕一口修1 一 y/2 a/2 丫分别为和的分位数。总结2检在各种正态性检验方法中，一般通用的方法有K检验以及偏度检验对非对称、长尾分布较敏感；峰度验，但检验精度较低。检验对各种分布（特别对非对称分布）都检验对对称分布较敏感； 正态检 Lilliefor 很敏感。 当总体均值和方差未知且无先验信息时用检验是比较好的检验方法。但我们要知道，检验D.验大样本情况下 方法的功效性都是随着样本量的增大而增大的。