正态分布的几种检验.docVIP

例10 一道工序用自动化车床连续加工某种零件，由于刀具损坏等会出现故障.故障是完全随机的，并假定生产任一零件时出现故障机会均相同.工作人员是通过检查零件来确定工序是否出现故障的.现积累有100次故障纪录，故障出现时该刀具完成的零件数如下： 459 362 624 542 509 584 433 748 815 505 612 452 434 982 640 742 565 706 593 680 926 653 164 487 734 608 428 1153 593 844 527 552 513 781 474 388 824 538 862 659 775 859 755 49 697 515 628 954 771 609 402 960 885 610 292 837 473 677 358 638 699 634 555 570 84 416 606 1062 484 120 447 654 564 339 280 246 687 539 790 581 621 724 531 512 577 496 468 499 544 645 764 558 378 765 666 763 217 715 310 851 试观察该刀具出现故障时完成的零件数属于哪种分布. 1、数据输入x=[] x1=[] x=[x1(1,:) x1(2,:) x1(3,:) x1(4,:) x1(5,:) x1(6,:) x1(7,:) x1(8,:) x1(9,:) x1(10,:)] 2、作频数直方图 hist(x,10) 3、分布的正态性检验 normplot(x) 4、参数估计： [muhat,sigmahat,muci,sigmaci] = normfit(x) 5、假设检验 已知刀具的寿命服从正态分布，现在方差未知的情况下，检验其均值 m 是否等于594. [h,sig,ci] = ttest( x ,594) 3、分布的正态性检验法2(Kolmogorov-smirnov检验) mean(x) std(x) [h,p,ksstat,cv]=kstest(X,[X,normcdf(X,1,2)],alpha)% [h,p,ksstat,cv]=kstest(x,[x,normcdf(x,594,204.1301)])% 3、分布的正态性检验法3(Bera-Jarque检验) 分布的正态性检验 大样本 [h,p,jbstat,cv] =jbtest(X,alpha) H=0 接受假设 若P小，若jbstatcv 接受正态分布 [h,p,jbstat,cv] =jbtest(x) 小样本 [h,p,lstat,cv] =lillietest(X,alpha) H=0 接受假设 若P小，若jbstatcv 接受正态分布 例2 检验下列分布是否是泊松分布并估计参数 1 4 4 2 1 3 3 1 1 2 5 1 5 2 5 2 2 3 3 7 1 2 3 6 4 4 2 0 0 3 std(x) mean(x) [h,p,ksstat,cv]=kstest(x,[x,poisscdf(x, 3.8333)]) [lambdahat,lambdaci]=poissfit(x) 练习题、非参检验 1、某校60名学生的一次考试成绩如下: 93 75 83 93 91 85 84 82 77 76 77 95 94 89 91 88 86 83 96 81 79 97 78 75 67 69 68 84 83 81 75 66 85 70 94 84 83 82 80 78 74 73 76 70 86 76 90 89 71 66 86 73 80 94 79 78 77 63 53 55 1)计算均值、标准差、极差、偏度、峰度，画出直方图； 2)检验分布的正态性； 3)若检验符合正态分布，估计正态分布的参数并检验参数 2、据说某地汽油的价格是每加仑115美分，为了验证这种说法，一位学者开车随机选择了一些加油站，得到某年一月和二月的数据如下： 一月：119 117