Chapter 7 Goodness of Fit

本篇是第七章，内容是拟合优度检验。

[TOC]

1.多项分布

拟合优度检验的第一个应用是关于多项总体。那么多项总体(或者多项分布)是什么呢？

多项分布是二项分布的推广。

总体被分为几个互不相交的类别。

多项分布假设：每次试验有且仅有一个结果发生；每次试验独立；每次试验概率不变。

拟合优度检验-多项总体步骤

将所观测到的数据与理论上的期望值进行比较。

步骤：

拟合优度检验用于多项总体检验没有直接的函数，这里用R语言的自编函数实现，体会下具体的算法(当然感觉自己写的略复杂)。代码依旧是后面放出，函数具体使用说明也会附上。

2.独立性

依旧是从问题出发——性别与购物频率是否有关系

独立性检验——该统计方法常用于检验两个分类变量是否有关系。那么首先要提到两个概念——独立事件和非独立事件(independent and dependent events)。

独立事件——一个事物发生不会对其他事物发生概率造成影响。

非独立事件——一个事物发生会影响其他事物发生概率。

接着统计学构建出了一个表来进行独立性检验。这就是联立表(Contingency Tables)。

解决多总体比例问题。

之前通常用两个或两个以上特征来对样本观测值分类。

也被称为交叉表。

一般在R中，使用Table函数即可生成两个特征(分类变量)的联立表，xtabs则是根据公式创立联立表，prop.table则可以直接计算出比例。

联立表如何做独立性检验呢？首先提出假设(这里不详述，相信大家应该懂怎么建立了)，接着计算期望的联立表每个单元格的期望频次。

接着就可以对比实际频次和期望频次，然后我们用卡方(chi-square)统计量进行检验。

当然这个方法也可以用来检验顺序变量和分类变量。方法类似，这里不赘述。

3.概率分布

拟合优度检验的最重要的应用其实是探测一个数据具体的概率分布。

当然探测数据分布的第一方式——是可见即可得的可视化。主要包括前面提到过的直方图和QQ图。

QQ图——Quantile-Quantile Plots(分位数图)：

适用于小数据集。

猜测分布的基础方法。

用来绘制QQ图的数据必须落在该分布内。

如果散点图接近直线，说明数据分布接近正态分布。

这里给出绘制QQ图的原理：

对样本容量为N的样本数据按照升序排序。

计算从1到N排序的百分比。

从百分位数得分的关系找到中心分数。

找到对应于中心分数的z值(标准正态分布)。

绘制对应z值的观测点数据。

接着用R语言实现

#QQ plot

#generation of random number that fall in normal distribution

a

#plot

jpeg("plot1.jpg",width = 5000,height = 4000,units = "px",res = 1000)

qqnorm(a)

qqline(a,col="red")

dev.off()

除了QQ图之外，另外一类方法就是通过统计方法——拟合优度检验来探测数据是否正态分布。

以正态分布为例。

过程：

获取样本数据。

将样本结果分组(单元格)。

比较实际与预期值。

统计量如下：

R语言中可以用chisp.test函数进行正态分布测验。

此外对于有某种特定分布的非正态数据可以通过数学变换转变为正态分布数据。

常用的一般包括：

对数变换。

开方变换。

指数或平方变换。

这里的数学变换需要根据大家实际研究需求决定。

r语言Isfit_应用统计学与R语言实现学习笔记（七）——拟合优度检验相关推荐

  1. Python语言入门这一篇就够了-学习笔记(十二万字)

    Python语言入门这一篇就够了-学习笔记(十二万字) 友情提示:先关注收藏,再查看,12万字保姆级 Python语言从入门到精通教程. 文章目录 Python语言入门这一篇就够了-学习笔记(十二万字 ...

  2. 0.《新概念51单片机C语言教程》（郭天祥）学习笔记

    看到之前的阅读量,有标题党的嫌疑,再接再厉,加油坚持自己的文风,相信会写的越来越好:) 继续更(一个人,一个记事本,一个PDF阅读器,装备全靠打) <新概念51单片机C语言教程>(郭天祥) ...

  3. 检验杜宾 瓦森检验法R语言_应用统计学与R语言实现学习笔记（九）——线性回归...

    Chapter 9 Linear Regression 本篇是第九章,内容是回归分析(主要以线性回归为主).回归分析是数理统计.数理分析中最基础(也可以说是最重要)的一个分析,所以这一章内容相对来说也 ...

  4. 用R语言拟合Eurogenes G25祖源坐标的学习笔记

    Eurogenes Global 25(简称G25)是一种基于SmartPCA的Score值的祖源分析算法,有Scaled与Unscaled之分.与用百分比数值表示各成分祖源结果的普通祖源计算器的不同 ...

  5. 0-c语言入门这一篇就够了-学习笔记(一万字)

    内容来自慕课网,个人学习笔记.加上了mtianyan标签标记知识点. C语言入门 -> Linux C语言编程基本原理与实践 -> Linux C语言指针与内存 -> Linux C ...

  6. R语言与Markov Chain Monte Carlo(MCMC)方法学习笔记(2)

    前面已经大致的叙述了MCMC方法.今天来分享一下R中的一个实现MCMC算法的包mcmc. mcmc包的一个核心函数就是metrop,其调用格式为: metrop(obj, initial, nbatc ...

  7. 《啊哈C语言——逻辑的挑战（修订版）》学习笔记

    第一章 梦想启航 第1节 让计算机开口说话 1.基础知识 1)计算机"说话"的两种方式 显示在屏幕上 通过喇叭发出声音 2)计算机"说话"之显示在屏幕上 格式: ...

  8. 《C# 语言入门详解（刘铁锰） - 学习笔记 - Lambda表达 / Linq查询》

    Lambda表达 / LINQ查询 文章目录 Lambda表达 / LINQ查询 前言 一.Lambda表达式 二.LINQ查询 前言 Lambda表达式: 匿名方法.inline(内联)方法.(简化 ...

  9. scala语言的底层是java实现的_Scala学习笔记一（与Java、Jvm的关系以及程序执行流程分析）...

    一.Scala语言与Java.Jvm的关系分析 Scala语言是马丁奥德斯基接触Java语言后,针对Java语言的特点,将函数式编程语言的特点融合到Java中,由此发明的.Scala语言和Java语言 ...

  10. 初探swift语言的学习笔记七(swift 的关健词)

    作者:fengsh998 原文地址:http://blog.csdn.net/fengsh998/article/details/32133809 转载请注明出处 如果觉得文章对你有所帮助,请通过留言 ...

最新文章

  1. 《评人工智能如何走向新阶段》后记（再续12）
  2. UI+Class Object
  3. 银行办理业务观察者模式解析
  4. angularjs文档下载
  5. 3D景深排序碰到的问题
  6. spark streaming 的 Job创建、调度、提交
  7. 1602: [Usaco2008 Oct]牧场行走
  8. UVa 401 - Palindromes
  9. 淘宝推荐系统简介分享总结
  10. 《锋利的jQuery》随笔（一）
  11. css滚动条设置图标,更改滚动条上下箭头图标
  12. ToLua 入门06_LuaCoroutine
  13. 挑战华为社招：智慧树java程序设计答案
  14. 计算机颜色偏蓝,电脑整个屏幕颜色不正常偏蓝怎么调回正常颜色？
  15. 低配置的电脑应该用哪个系统？
  16. 和讯网分行业和分省份社会责任指数（2010-2020年）
  17. hacksudo FOG
  18. Airsim动态 | 带你了解Airsim结构框架
  19. VC 清除IE缓存、cookie、历史记录等
  20. win10下Anaconda中tensorflow2.4.1的下载

热门文章

  1. 私活之安卓论坛Demo
  2. 电驱产品销售准入的基本要求
  3. UE4针对特殊的透明物体不应用后期效果
  4. TLC5615输出256点正弦波（振幅和频率可调）
  5. 企业—pacemaker基本概念及其原理
  6. ps中怎么导出tif_PS导入文件和导出文件教程-tif文件
  7. Java蓝桥杯——Fibonacci数列
  8. 用C语言实现PID控制代码
  9. Primer设计PCR引物的方法，在线引物设计网站汇总整理
  10. apktool反编译apk，并重新打包