8.8: 拟合优度检验

Goodness-of-Fit Test
JoVE Core
Statistics
A subscription to JoVE is required to view this content.  Sign in or start your free trial.
JoVE Core Statistics
Goodness-of-Fit Test
Please note that all translations are automatically generated. Click here for the English version.

3,352 Views

01:16 min
May 22, 2025

Overview

拟合优度检验是一种假设检验,用于确定数据是否”拟合”特定分布。例如,人们可能会怀疑某些匿名数据可能适合二项分布。卡方检验(意味着假设检验的分布是卡方)可用于确定是否存在拟合。零假设和替代假设可以写成句子,也可以表示为方程或不等式。拟合优度检验的检验统计

量如下:

Equation1

哪里:

O = 观测值(数据),E = 预期值(来自理论)

观测值是数据值,预期值是如果原假设为 true,您期望获得的值。请务必注意,每个单元格的预期值至少需要为 5 才能使用此测试。自由度数为 Equation2其中 k = 不同数据单元格或类别的数量。

拟合优度检验几乎总是右尾的。如果观测值和相应的预期值不接近,则检验统计量将显著,并位于卡方曲线的最右尾。

本文改编自 Openstax,统计学导论,11.2 拟合优度检验

Transcript

拟合优度检验确定观测到的频率分布是否反映了声明的分布。

考虑工作日去健身房的人的数据集。可以执行拟合优度检验,以确定观察到的客户出勤率是否与预期的客户出勤频率一致。

要执行拟合优度检验,必须随机选择数据集值,并且每个类别都有一个频率值,每个类别的预期频率至少为 5。

拟合优度检验的卡方检验统计量可以使用所示公式计算。其中,O E 表示观察到的出勤率和预期的出勤率,k 是工作日数,n 是记录的样本值或出勤计数的数量。自由度数为 k 减 1。

拟合优度假设检验始终是右尾的,这意味着临界区域和临界值位于分布曲线的最右侧。

临界值和 P 值有助于确定观测值和预期值之间是否存在良好的拟合。

Key Terms and definitions​

Learning Objectives

Questions that this video will help you answer

This video is also useful for