分布的拟合和检验

最新推荐文章于 2024-04-08 15:03:24 发布

adminabcd

最新推荐文章于 2024-04-08 15:03:24 发布

阅读量1.3w

点赞数 3

CC 4.0 BY-SA版权

分类专栏：数据挖掘文章标签：分布的拟合分布的检验

本文链接：https://blog.youkuaiyun.com/adminabcd/article/details/46728653

本文探讨了分布的拟合和检验方法，包括使用经验分布函数与理论分布对比来判断样本是否近似服从特定分布，通过kstest进行单个样本的分布检验，ktest2检验两个样本是否来自相同分布，以及lillietest检验样本是否服从正态分布。通过多个实例展示了如何运用这些检验，并分析了检验结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

【分布的拟合】

把样本的分布函数（也称为“经验分布函数”），与某种理论的分布函数（如正态分布）叠放在一起，进行比较。
例如：

score = xlsread('examp02_14.xls','Sheet1','G2:G52');
% 去掉总成绩中的0，即缺考成绩
score = score(score > 0);   %样本
figure;    % 新建图形窗口
% 绘制经验分布函数图，并返回图形句柄h和结构体变量stats，
% 结构体变量stats有5个字段，分别对应最小值、最大值、平均值、中位数和标准差
[h,stats] = cdfplot(score);
set(h,'color','k','LineWidth',2);    % 设置线条颜色为黑色，线宽为2

%************************绘制理论正态分布函数图******************************
x = 40:0.5:100;    % 产生一个新的横坐标向量x
% 计算均值为stats.mean，标准差为stats.std的正态分布在向量x处的分布函数值
y = normcdf(x,stats.mean,stats.std);
hold on
% 绘制正态分布