数学建模——正态分布检验
正态分布检验
雅克-贝拉检验(Jarque-Bera test)——JB检验(大样本)
对于一个随机变量(Xi),假设其偏度为S,峰度为K,那么我们可以构造JB统计量:
JB=n6[S2+(K−3)24]JB=\frac{n}{6}[S^2+\frac{(K-3)^2}{4}] JB=6n[S2+4(K−3)2]
可以证明:如果(Xi)是正态分布,那么在大样本的情况下(样本量>30)JB−χ2(2)JB-\chi^2(2)JB−χ2(2)(自由度为2的卡方分布)
注:正态分布的偏度为0,峰度为3
那么进行假设检验的步骤如下:
H0:该随机变量服从正太分布,H1:该随机变量不服从正态分布
然后计算该变量的偏度和峰度,得到检验值JB∗JB^*JB∗,并计算出其对应的p值,将p值于0.05进行比较,如果小于0.05则可拒绝原假设,否则我们不能拒绝原假设。
偏度:
E[(X−μσ)3]E[(\frac{X-\mu}{\sigma})^3] E[(σX−μ)3]
正态分布的偏度为0,左偏为偏度>0,正偏态;右偏为偏为<0,负偏度。
skewness(x) %偏度
峰度:
E[(X−μσ)4]或E[(X−μσ)4]−3E[(\frac{X-\mu}{\sigma})^4]或E[(\frac{X-\mu}{\sigma})^4]-3 E[(σX−μ)4]或E[(σX−μ)4]−3正态分布的偏度为3(有些地方定义的正态分布偏度为0)Matlab软件中使用的是第一种定义。
高于标准正态分布的为峰度大于3,高尖;低于标准正态分布的为峰度小于3,矮胖。
kurtosis(x) %峰度
使用matlab进行正态分布检验
% 检验第一列数据是否为正态分布[h,p] = jbtest(Test(:,1),0.05)% matlab中进行JB检验的语法:[h,p]=jbtest(x,alpha)
% 当输出h=1时,表示拒绝原假设,当h=0时表示不能拒绝原假设。
% alpha就是显著性水平,一般取0.05,此时置信水平为1-0.05=0.95
% x就是我们要检验的随机变量,注意这里的x只能是向量。
% 检验第一列数据是否为正态分布
[h,p] = jbtest(Test(:,1),0.05)
当检验所有列数据时,需要用到循环进行JB检验
% 用循环检验所有列的数据
n_c = size(Test,2); % number of column 数据的列数
H = zeros(1,6); % 初始化节省时间和消耗
P = zeros(1,6);
for i = 1:n_c[h,p] = jbtest(Test(:,i),0.05);H(i)=h;P(i)=p;
end
disp(H)
disp(P)
Shapiro–wilk夏皮洛-威尔克检验(小样本)
H0:该随机变量服从正态分布H_0:该随机变量服从正态分布H0:该随机变量服从正态分布
H1:该随机变量不服从正态分布H_1:该随机变量不服从正态分布H1:该随机变量不服从正态分布
计算出威尔克统计量后,得到相应的p值
将p值与0.05比较,如果小于0.05则可拒绝原假设,否则我们不能拒绝原假设。
这里我们使用spss就可以得到p值:
首先选择分析——描述统计——探索
点击图——勾选含检验的正态图,就可以看到通过夏皮洛-威尔克检验得到的p值。
Q-Q图(要求数据量非常大)
在统计学中,Q-Q图(Q代表分位数Quantile)是一种通过比较两个概率的分位数对这两个概率分别进行比较的概率图方法。
首先选定分位数的对应概率区间集合,在此概率区间上,点(x,y)对应于第一个分布的一个分位数x和第二个分布在和x相同概率区间上相同的分位数。
这里,我们选择正态分布和要检验的随机变量,并对其做出Q-Q图,可想而这,如果要检验的随机变量是正态分布,那么Q-Q图就是一条直线。
要利用Q-Q图鉴别样本数据是否近似于正态分布,只需要看Q-Q图上的点是否近似地在一条直线附近。
% Q-Q图
qqplot(Test(:,1))
数学建模——正态分布检验相关推荐
- Python数学建模 正态分布检验
文章目录 基于Python的数学建模 数据生成 散点图/直方图 QQ图(Quantile-Quantile Plot) JB检验(大样本 n>30) Shapior-wilk检验(小样本 3 基 ...
- 应用计算机解数学模型之我见,计算机模拟算法在数学建模中的应用
金渤淏 摘 要:随着世界科学技术水平的普遍提高,电子计算机技术逐渐发展成熟,其中计算机模拟算法在其他学科中有着十分广泛的应用,从而给这些学科的研究提供了算法基础.电子计算机技术中的计算机模拟算法是指安 ...
- 浅尝辄止_数学建模(笔记_对数据进行正态分布检验)
文章目录 对数据进行正态分布检验 一.正态分布 J B JB JB检验(大样本 n > 30 n>30 n>30) 1.偏度 2.峰度 3.Matlab中偏度和峰度的计算 4. J ...
- 数学建模竞赛知识点汇总(四)——相关性检验
数学建模竞赛知识点汇总(四)--相关性检验 文章目录 数学建模竞赛知识点汇总(四)--相关性检验 简介 皮尔逊相关系数 总体person相关系数 样本person相关系数 皮尔逊相关系数假设检验 前提 ...
- 《数学建模:基于R》一一2.2 方差分析
本节书摘来自华章计算机<数学建模:基于R>一书中的第2章,第2.2节,作者:薛 毅 更多章节内容可以访问云栖社区"华章计算机"公众号查看. 2.2 方差分析 方差分析是 ...
- 《数学建模:基于R》一一2.1 回归分析
本节书摘来自华章计算机<数学建模:基于R>一书中的第2章,第2.1节,作者:薛 毅 更多章节内容可以访问云栖社区"华章计算机"公众号查看. 2.1 回归分析 在许多实际 ...
- 适合利用计算机模拟的是,计算机模拟在数学建模中的应用
计算机模拟在数学建模中的应用 计算机模拟是按时间来划分的,因为计算机模拟实质上是系统随时间变化而变化的动态写照,以下是小编搜集整理的一篇探究计算机模拟在数学建模应用的论文范文,供大家阅读参考. [摘要 ...
- 数学建模7 多元线性回归分析
1.回归思想 相关性(不是因果性) Y:因变量,常常是我们需要研究的核心变量,分为连续值型,0-1型,定序变量,计数变量,生存变量 X:自变量(解释变量) 回归分析:研究x和y之间的相关性的分析,尝试 ...
- 如何使用计算机建模,计算机模拟在数学建模中的应用
[摘要]本文主要阐述了如何利用计算机模拟来解决数学建模中的实际问题.首先,提出问题,根据问题的具体模式对其进行分析整理.其次,对上述问题进行数学建模.然后,利用计算机进行模拟,主要分为随机模拟(蒙特― ...
- 2022年数学建模国赛c题论文+代码(附详解)
古代玻璃制品化学成分的分析与研究 摘要 古代玻璃极易受埋藏环境的影响而风化,并且在风化过程中,内部元素与环境元素进行着大量交换,导致其成分比例会发生变化,从而会影响对其类别的正确判断.玻璃在炼制的过程 ...
最新文章
- Label的作用是什么?是怎么用的?
- Android系统编译时集成三方APK
- “金主爸爸快回来交学费吧!”疫情让中国留学生难以返校,国外高校面临资金短缺...
- 开关灯(jzoj 3926)
- 卡尔曼滤波实例之系统逆辨识
- 7-6 顺序存储的二叉树的最近的公共祖先问题 (10 分)
- Java基础练习之流程控制(二)
- mysql db for python_Python使用MySQLdb for Python操作数据库教程
- quarz设置定时器任务的有效时间段_Quartz动态指定定时时间,每秒钟执行一次
- java注册表添加键值_Java通过CMD方式读取注册表任意键值对
- 关于6月20日PMP认证考试准考信下载及考场规定的通知
- 一个草根码农的拼搏历程
- 感恩节特辑丨这个世界有无限可能
- 页面在微信端禁止缩放
- effective c++ 23NVI手法
- android 运行apk时崩溃,从Android Studio运行时安装APK时应用程序崩溃完美无缺
- Java多线程超时判断
- 如何使用转义字符 \a 在C++中输出响铃
- scrapy如何获取network请求相关信息
- 网络经济与企业管理【一】之企业管理概论