拟合优度检验

通过分析观测值与其模型中的预期值之间的差异，确定统计模型是否与数据拟合。对于连续数据，可以使用概率图直观评估拟合优度，也可以使用假设检验（如 Anderson-Darling 检验）以数量方式进行评估。对于类别数据，可以使用卡方检验或 Poisson 数据的 Minitab 拟合优度检验。Minitab 还将针对 Logistic 回归模型执行拟合优度检验。

拟合优度检验使用以下假设：

·    H0：该模型充分描述了数据

·    H1：该模型未充分描述数据

例如，您希望找到能为灯泡失效时间进行最佳建模的分布。对灯泡样本运行寿命试验，以观测其失效时间。可以使用 Minitab 的概率图来比较三种分布向数据提供的拟合优度。

指数分布的 p 值很低，足以拒绝良好拟合的原假设。当 Alpha 水平为 0.05 时，正态分布和 3 参数 Weibull 分布都提供了对数据的良好拟合。某些分析人员选择包含最高 p 值的分布，但包含不显著 p 值的任何分布都是可接受的。