解释 Poisson 的拟合优度检验 的主要结果

请完成以下步骤来解释 Poisson 拟合优度检验。主要输出包括 p 值和多个图形。

步骤 1:确定数据是否不服从 Poisson 分布

要确定数据是否不服从 Poisson 分布,请将 p 值与显著性水平 (α) 进行比较。通常,显著性水平(用 α 或 alpha 表示)为 0.05 即可。显著性水平 0.05 表示当数据实际上服从 Poisson 分布时,断定数据不服从 Poisson 分布的风险为 5%。
P 值 ≤ α:数据不服从 Poisson 分布(否定 H0
如果 p 值小于或等于显著性水平,则决策为否定原假设并得出数据不服从 Poisson 分布的结论。
P 值 > α:无法得出数据不服从 Poisson 分布的结论(无法否定 H0
如果 p 值大于显著性水平,则决策为无法否定原假设,因为没有足够的证据得出数据不服从 Poisson 分布的结论。

Poisson 拟合优度检验: 缺陷数

方法 观测值 中的频率
描述性统计量 N 均值 300 0.536667 缺陷数 的观测和期望计数 观测 对卡方 缺陷数 Poisson 概率 计数 期望计数 的贡献 0 0.584694 213 175.408 8.056 1 0.313786 41 94.136 29.993 2 0.084199 18 25.260 2.086 >=3 0.017321 28 5.196 100.072
卡方检验 原假设 H₀: 数据遵循 Poisson 分布 备择假设 H₁: 数据不遵循 Poisson 分布

自由度 卡方 P 值 2 140.208 0.000

主要结果:P 值

在这些结果中,原假设声明数据服从 Poisson 分布。由于 p 值为 0.000,小于 0.05,因此决策为否定原假设。您可以得出数据不来自 Poisson 分布的结论。

步骤 2:检查每个类别的观测值和预期值之间的差值

可使用观测值与预期值的条形图确定对于每个类别而言观测值数目是否不同于预期值数目。如果观测值与预期值之间的差值较大,则表明数据不服从 Poisson 分布。

该条形图显示 0 个缺陷、1 个缺陷和 3 个以上缺陷所对应的观测值不同于预期值。因此,该条形图以可视形式确认 p 值所表示的内容,即,数据不服从 Poisson 分布。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策