一位保险代理人想用 U 控制图来监测某个特定十字路口每月发生的交通事故数。由于 U 控制图假定数据服从 Poisson 分布,因此该代理人需要评估事故数是否服从 Poisson 分布。该代理人记录了此十字路口一共 50 个月的每月事故数据。
1 打开工作表“事故数.MTW”。
2 选择统计 > 基本统计 > Poisson 分布的拟和优度检验。
3 在变量中,输入事故数。
4 单击确定。
会话窗口输出
Poisson 分布的拟和优度检验
数据列: 事故数
事故数 的 Poisson 均值等于 2.24
对卡方 事故数 观测 Poisson 概率 期望 的贡献 0 7 0.106459 5.3229 0.52839 1 8 0.238467 11.9234 1.29097 2 13 0.267083 13.3542 0.00939 3 10 0.199422 9.9711 0.00008 >=4 12 0.188569 9.4285 0.70136
N N* 自由度 卡方 P 值 50 0 3 2.53020 0.470 |
图形窗口输出
Minitab 是用类别的观测值与期望值的差值平方除以该类别的期望值,来计算每个类别对卡方值的贡献的。观测值与期望值之间最大差值用于有 1 次事故的类别,并且对卡方统计量的贡献最大。但是,该贡献不足以否定原假设。如果选择 0.05 作为 a 水平,此检验的 p 值将为 0.470,大于 0.05。因此,可以断定没有足够证据否定特定十字路口的事故数服从 Poisson 分布。
注意 |
卡方检验是一种近似检验,当某一类别的期望值小于 5 时,该检验结果可能无效。如果一个或多个类别的期望值都小于 5,则可将它们与邻近类别结合起来,以获得所需的最小期望值。 |