概率统计Python计算:假设检验应用——分布拟合检验

2024-08-22 22:48

本文主要是介绍概率统计Python计算:假设检验应用——分布拟合检验,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在这里插入图片描述
对来自总体 X X X的样本 X 1 , X 2 , ⋯ , X n X_1,X_2,\cdots,X_n X1,X2,,Xn,及给定的显著水平 α \alpha α检验假设 H 0 : X 的分布函数为 F ( x ) ( H 1 : X 的分布函数不是 F ( x ) ) . H_0:X\text{的分布函数为}F(x)(H_1:X\text{的分布函数不是}F(x)). H0:X的分布函数为F(x)(H1:X的分布函数不是F(x)).其中, F ( x ) F(x) F(x)是已知分布类型的分布函数(或分布律),含有 r r r个未知参数。为此,需要将 ( − ∞ , + ∞ ) (-\infty,+\infty) (,+)划分成 k ≤ n k\leq n kn个区间 A 1 , A 2 , ⋯ , A k A_1,A_2,\cdots,A_k A1,A2,,Ak,统计样本中落入每个区间 A i A_i Ai中的频数 f i f_i fi并按假设中的分布函数 F ( x ) F(x) F(x)(用未知参数的最大似然统计量值替代对应参数)计算概率 p i = P ( X ∈ A i ) p_i=P(X\in A_i) pi=P(XAi)。利用这些数据,调用scipy.stats包中的函数
chisquare(f_obs, f_exp, ddof=0) \text{chisquare(f\_obs, f\_exp, ddof=0)} chisquare(f_obs, f_exp, ddof=0)
即可算得检验假设 H 0 H_0 H0的p值。该函数的参数f_obs表示上述样本频数序列 { f 1 , f 2 , ⋯ , f k } \{f_1,f_2,\cdots,f_k\} {f1,f2,,fk},f_exp表示假设总体概率序列 { n p 1 , n p 2 , ⋯ , n p k } \{np_1,np_2,\cdots,np_k\} {np1,np2,,npk},ddof表示假设总体所含的未知参数个数 r r r,缺省值为0。该函数的返回值包括两个数据:表示检验统计量值 χ 2 = ∑ i = 1 k ( f i − n p i ) 2 n p i \chi^2=\sum\limits_{i=1}^k\frac{(f_i-np_i)^2}{np_i} χ2=i=1knpi(finpi)2的chisq,和表示检验p值 S ( χ 2 ) = 1 − F ( χ 2 ) S(\chi^2)=1-F(\chi^2) S(χ2)=1F(χ2)的p,其中 F ( x ) F(x) F(x) S ( x ) S(x) S(x)分别为 χ 2 ( k − 1 − r ) \chi^2(k-1-r) χ2(k1r)分布的分布函数和残存函数。
例1在一实验中,每隔一定时间观察一次由某种铀所放射的到达计数器上的 α \alpha α粒子数 X X X,共观察了100次,得结果如下表:

i i i01234567891011 ≥ \geq 12
f i f_i fi15161726119921210
A i A_i Ai A 0 A_0 A0 A 1 A_1 A1 A 2 A_2 A2 A 3 A_3 A3 A 4 A_4 A4 A 5 A_5 A5 A 6 A_6 A6 A 7 A_7 A7 A 8 A_8 A8 A 9 A_9 A9 A 10 A_{10} A10 A 11 A_{11} A11 A 12 A_{12} A12

其中, f i f_i fi是观察到有 i i i α \alpha α粒子的次数,从理论上考虑知 X X X应服从泊松分布 π ( λ ) \pi(\lambda) π(λ),问此判断是否符合实际(取 α = 0.05 \alpha=0.05 α=0.05)?
解: 下列代码完成本例中假设 H 0 : X H_0:X H0:X~ π ( λ ) \pi(\lambda) π(λ)的检验。

from scipy.stats import poisson, chisquare  #导入poisson, chisquare
import numpy as np                          #导入numpy
n=100                                       #样本容量
alpha=0.05                                  #显著水平
f=np.array([1,5,16,17,26,11,9,9,2,1,2,1,0]) #样本数据频数
k=f.size                                    #区间个数
r=1                                         #总体未知参数个数
x_bar=(np.arange(k)*f).sum()/n              #总体均值的最大似然估计值
p=[poisson.pmf(i,x_bar) for i in range(k-1)]#各区间内概率
p.append(1-sum(p))
p=np.array(p)
_, pv=chisquare(f, p*n, r)                  #检验p值
print('H0 is %s'%(pv>=alpha))

程序的第3~5行按题面设置各项数据。第6行计算区间个数k,第7行设置未知参数个数r,第8行计算假设中总体所含未知参数 λ \lambda λ的最大似然估计值x_bar。第9行计算概率 p i = λ i i ! e − λ , i = 0 , 1 , ⋯ , k − 2 p_i=\frac{\lambda^i}{i!}e^{-\lambda},i=0,1,\cdots,k-2 pi=i!λieλ,i=0,1,,k2,第10行计算 p k − 1 = 1 − ∑ i = 0 k − 2 p i p_{k-1}=1-\sum\limits_{i=0}^{k-2}p_i pk1=1i=0k2pi,第11行将算得的 p 0 , p 1 , ⋯ , p k − 1 p_0,p_1,\cdots,p_{k-1} p0,p1,,pk1构造成数组p。第12行调用函数chisquare,传递参数f(各区间内样本数据频数),n*p(序列 n p 0 , n p 1 , ⋯ , n p k − 1 np_0,np_1,\cdots,np_{k-1} np0,np1,,npk1)和r(未知参数个数),计算假设 H 0 : X H_0:X H0:X~ π ( λ ) \pi(\lambda) π(λ)的检验p值(由于此处我们并不需要检验统计量值,故用下划线将chisq屏蔽)。运行程序,输出

H0 is True.

表示接受假设 H 0 : X H_0:X H0:X~ π ( λ ) \pi(\lambda) π(λ)
写博不易,敬请支持:
如果阅读本文于您有所获,敬请点赞、评论、收藏,谢谢大家的支持!
代码诚可贵,原理价更高。若为AI学,读正版书好
返回《导引》

这篇关于概率统计Python计算:假设检验应用——分布拟合检验的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1097621

相关文章

Python Transformers库(NLP处理库)案例代码讲解

《PythonTransformers库(NLP处理库)案例代码讲解》本文介绍transformers库的全面讲解,包含基础知识、高级用法、案例代码及学习路径,内容经过组织,适合不同阶段的学习者,对... 目录一、基础知识1. Transformers 库简介2. 安装与环境配置3. 快速上手示例二、核心模

Python正则表达式语法及re模块中的常用函数详解

《Python正则表达式语法及re模块中的常用函数详解》这篇文章主要给大家介绍了关于Python正则表达式语法及re模块中常用函数的相关资料,正则表达式是一种强大的字符串处理工具,可以用于匹配、切分、... 目录概念、作用和步骤语法re模块中的常用函数总结 概念、作用和步骤概念: 本身也是一个字符串,其中

Python使用getopt处理命令行参数示例解析(最佳实践)

《Python使用getopt处理命令行参数示例解析(最佳实践)》getopt模块是Python标准库中一个简单但强大的命令行参数处理工具,它特别适合那些需要快速实现基本命令行参数解析的场景,或者需要... 目录为什么需要处理命令行参数?getopt模块基础实际应用示例与其他参数处理方式的比较常见问http

python实现svg图片转换为png和gif

《python实现svg图片转换为png和gif》这篇文章主要为大家详细介绍了python如何实现将svg图片格式转换为png和gif,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录python实现svg图片转换为png和gifpython实现图片格式之间的相互转换延展:基于Py

Python中的getopt模块用法小结

《Python中的getopt模块用法小结》getopt.getopt()函数是Python中用于解析命令行参数的标准库函数,该函数可以从命令行中提取选项和参数,并对它们进行处理,本文详细介绍了Pyt... 目录getopt模块介绍getopt.getopt函数的介绍getopt模块的常用用法getopt模

Python利用ElementTree实现快速解析XML文件

《Python利用ElementTree实现快速解析XML文件》ElementTree是Python标准库的一部分,而且是Python标准库中用于解析和操作XML数据的模块,下面小编就来和大家详细讲讲... 目录一、XML文件解析到底有多重要二、ElementTree快速入门1. 加载XML的两种方式2.

Python如何精准判断某个进程是否在运行

《Python如何精准判断某个进程是否在运行》这篇文章主要为大家详细介绍了Python如何精准判断某个进程是否在运行,本文为大家整理了3种方法并进行了对比,有需要的小伙伴可以跟随小编一起学习一下... 目录一、为什么需要判断进程是否存在二、方法1:用psutil库(推荐)三、方法2:用os.system调用

使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)

《使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)》PPT是一种高效的信息展示工具,广泛应用于教育、商务和设计等多个领域,PPT文档中常常包含丰富的图片内容,这些图片不仅提升了... 目录一、引言二、环境与工具三、python 提取PPT背景图片3.1 提取幻灯片背景图片3.2 提取

Python实现图片分割的多种方法总结

《Python实现图片分割的多种方法总结》图片分割是图像处理中的一个重要任务,它的目标是将图像划分为多个区域或者对象,本文为大家整理了一些常用的分割方法,大家可以根据需求自行选择... 目录1. 基于传统图像处理的分割方法(1) 使用固定阈值分割图片(2) 自适应阈值分割(3) 使用图像边缘检测分割(4)

Java中的Lambda表达式及其应用小结

《Java中的Lambda表达式及其应用小结》Java中的Lambda表达式是一项极具创新性的特性,它使得Java代码更加简洁和高效,尤其是在集合操作和并行处理方面,:本文主要介绍Java中的La... 目录前言1. 什么是Lambda表达式?2. Lambda表达式的基本语法例子1:最简单的Lambda表