由f分布引发的故事

昨天晚上臭汪汪说考考我最近学了啥，随便翻了翻，
问：F分布是干嘛的

答：两个卡方分布的比服从的分布，F分布是建立在卡方分布的基础上，卡方分布建立在正态分布基础上。
指定f值有对应的p值，指定P值也有对应f值。
在涉及两个总体的方差比的参数估计和假设检验都会用到它。

概率分布用法总结

此汪并不懂统计学，6年前学的概率论早已还给老师。
汪：你说的好长好多，我听不懂也记不住你在说什么，你可以凝练一下这些各种分布的用法口诀吗
答：服从正态分布，大样本小样本均用正态分布；不服从正太分布，大样本用正态分布，小样本用t分布。服从正态分布平方和用卡方分布，两个卡方分布比用f分布。

正态分布

汪似懂非懂：那么我要怎么看样本是否服从正态分布呢？
答：通常可以把样本【频数分布直方图】或【茎叶图】画出来，看它是否和正态分布曲线相似
汪激动了起来：你这也太不专业了吧！这怎么能感觉它是不是服从正态分布呢？
狡辩答：这可是很常用的一种方法
汪不屑：那有没有很准确的方法呢
小声答：有，其中一种通吃大小样本的方法–KS检验法
汪：今天不早了，你明天总结一下KS吧

K-S检验

K-S检验使用场合

Shapiro-Wilk也可以用来做正态分布检验，但是它适用于小样本，有一定局限性，K-S检验既可以用于大样本，也可以用于小样本。

K-S检验理论

K-S可以检验总体是否服从某种已知的理论分布，通过比较实际频数和期望频数，来检验拟合程度。

原假设和备择假设：
H₀:S（x）=F( x )， H₁:S（x）!=F( x )

大样本：
Z=n^0.5 D
计算P值，若P<0.05（显著性水平a），拒绝原假设，否则不拒绝原假设

K-S检验在python中用法

import numpy as np
from scipy.stats import kstest
data=np.random.randn(100)
#ks检验：正态分布
pv=kstest(data,'norm')
print(pv)
print(pv.pvalue-0.05)   //是否大于显著性看着更明显一点

值得注意的一点是，如果data是dataframe的时候要取出values,再带入函数中。

import numpy as np
from scipy.stats import kstest
data=DataFrame(np.random.randn(100),columns=['a'])
#ks检验：正态分布
pv=kstest(data['a'].values,'norm')
print(pv)
print(pv.pvalue-0.05)   //是否大于显著性看着更明显一点

K-S检验在spss中用法

把要检验的变量拖到检验变量列表，勾选要检验的分布点击【确定】

根据P值决定是否拒绝原假设

课程门数P值<0.05,拒绝原假设，支持备择假设，不服从正态分布。数据挖掘成绩P值>0.05,不拒绝原假设，没有证据表明数据挖掘的分数分布不服从正态分布。
我们再看看这两组数据的频数分步直方图吧：

总结

KS在检验模型拟合优度方面发挥了重要作用，在后续的工作和学习中如果有更多的了解和体验，我们再继续交流

概率分布总结及正态分布检验K-S检验用法相关推荐

结合实例，直观理解正态分布、卡方分布、t分布、F分布和对应的Z检验、卡方检验、t检验、F检验
1 正态分布与Z检验 1.1 理论 Z检验的目的是为了验证:已知一个总体服从均值,方差的正态分布,现在有一些样本,这些样本所代表的总体的均值是否为. 则构建一个统计量Z, (1) 式中,为样本均值,为 ...
通俗理解T检验与F检验的区别【转】
转自:http://blog.sina.com.cn/s/blog_4ee13c2c01016div.html 1,T检验和F检验的由来一般而言,为了确定从样本(sample)统计结果推论至总体时所 ...
T检验与F检验的区别和关系
转自于:http://www.cdadata.com/9116 1,T检验和F检验的由来一般而言,为了确定从样本(sample)统计结果推论至总体时所犯错的概率,我们会利用统计学家所开发的一些统计方 ...
t检验与F检验 /统计常识 / 统计学笔记（2）--随机抽样与统计推断的逻辑
1,T检验和F检验的由来一般而言,为了确定从样本(sample)统计结果推论至总体时所犯错的概率,我们会利用统计学家所开发的一些统计方法,进行统计检定. 通过把所得到的统计检定值,与统计学家建立了 ...
T检验与F检验的区别（通俗理解）
转载自: 一抹新绿的博客(新浪) http://blog.sina.com.cn/s/blog_4ee13c2c01016div.html 1,T检验和F检验的由来一般而言,为了确定从样本(samp ...
python数据分析 - T检验与F检验：二组数据那个更好？（一）
T检验,F检验 1.导语 2.假设检验 2.1 原假设与备择假设 2.2 接受域与拒绝域 2.3 两类错误 3.单样本的假设检验 3.1 选择零假设和对立假设 3.2 选择显著水平α 3.3 决定检验 ...
KS检验、t检验、f检验、Grubbs检验、狄克逊(Dixon)检验、卡方检验小结
1. KS检验 Kolmogorov-Smirnov检验是基于累计分布函数的,用于检验一个分布是否符合某种理论分布或比较两个经验分布是否有显著差异. 单样本K-S检验是用来检验一个数据的观测经验分布是 ...
用Python底层编写进行计量经济分析（四）：自相关（原因、结果、检验：DW检验、补救：广义线性回归）
系列前面的文章: 多元线性回归和显著性检验(参数估计.T检验.F检验.拟合优度) 多重共线性(导致结果.检验--方差膨胀因子.补救措施--岭回归) 异方差(导致结果.检验--White.补救措施--广 ...
ks检验与s-w 检验_R统计检验函数汇总
资料来源:<R 语言核心技术手册>和 R 文档数据基本来自胡编乱造和 R 文档本文基本囊括了常用的统计检验在 R 中的实现函数和使用方法. 连续型数据基于正态分布的检验均值检验 ...
卡方分布的期望和方差_T检验、F检验、卡方检验详细分析及应用场景总结
本文从什么是?有什么用?怎么用?以及注意事项?四个角度来介绍常用的几种统计分析方法:T检验.F检验.卡方检验一.T检验 (一)什么是T检验 T检验是一种适合小样本的统计分析方法,通过比较不同数据的均 ...

概率分布总结及正态分布检验K-S检验用法

概率分布总结及正态分布检验&K-S检验用法