如何使用 Anderson-Darling 统计量来评估分布拟合

Anderson-Darling 统计量可测量数据服从特定分布的程度。通常，分布与数据拟合越好，AD 统计量越小。

AD 统计量用于计算拟合优度检验的 p 值，它可以帮助确定能够最佳拟合您数据的分布。例如，当您执行 个体分布标识  时将计算每个分布的 AD 统计量。从此统计量计算的 p 值可帮助您确定要用于能力分析或可靠性分析的分布模型。AD 统计量也可用于检验数据的样本是否来自具有指定分布的总体分布。例如，您可能需要检验数据是否符合 t 检验的正态性假设。

如果 Anderson-Darling 检验的 p 值低于选定的显著性水平（通常为 0.05 或 0.10），则可以得出数据不服从指定分布的结论。Minitab 并不始终为 Anderson-Darling 检验显示 p 值，因为某些情况下它在数学意义上并不存在。

如果您正在比较多个分布的拟合，其中具有最大 p 值的分布通常最紧密地拟合数据。如果多个分布具有类似的 p 值，则根据实际知识选择其中一个分布。

某些命令会生成调整的 Anderson-Darling（或 AD*）统计量。未调整的 Anderson-Darling 统计量使用基于计算标绘点的 Kaplan-Meier 方法的非参数阶梯函数，而调整的 Anderson-Darling 统计量使用其他方法来计算标绘点。