Utente:Pino723/Sandbox/s5
Test di adattamento di Kolmogorov-Smirnov per dati continui
modificaConsiderando un campione di dati proveniente da una distribuzione continua si vuole verificare l'ipotesi nulla che la relativa funzione di ripartizione sia una certa assegnata; a tal scopo si definisce la funzione di ripartizione empirica:[1]
dove # indica la cardinalità o il numero di elementi dell'insieme.
In base a tale definizione, è uguale alla frazione dei dati del campione minori o uguali a , e quindi rappresenta la funzione di ripartizione della variabile aleatoria discreta che può assumere gli valori osservati con uguale probabilità, e risulta essere una funzione a gradini.[2]
Poiché è uno stimatore della probabilità che un'osservazione sia minore o uguale a , cioè della funzione di ripartizione reale dei dati, se l'ipotesi nulla fosse vera, allora e non devono scostarsi più di quanto sia ragionevole aspettarsi.[2]
Per valutare l'entità di tale scostamento si definisce la statistica del test di Kolmogorov-Smirnov:[2]
Chiamato il valore assunto dalla statistica , si definisce il p-dei-dati come:[3]
essendo la probabilità che sia maggiore o uguale a nell'ipotesi che sia la vera distribuzione della popolazione.
Poiché è dimostrabile che la distribuzione di , e quindi anche , non dipende dalla scelta di , si può stimare simulando una qualunque distribuzione continua su , anche quella uniforme su (0, 1).[3]
Per effettuare un test con significatività che in prima approssimazione non dipenda da si può definire la quantità :
per cui i valori critici sono quelli che soddisfano la relazione:
Perciò, in un test con significatività si rifiuta l'ipotesi nulla che sia la distribuzione reale della popolazione se il valore ottenuto dai dati risulta maggiore di .[4]
Livello di significatività | 0,10 | 0,05 | 0,025 | 0,01 |
---|---|---|---|---|
Valore critico | 1,224 | 1,358 | 1,480 | 1,626 |
- Sheldon M. Ross, Probabilità e statistica : per l'ingegneria e le scienze, a cura di Francesco Morandin, 3. ed, Maggioli, 2015, ISBN 978-88-916-0994-6, OCLC 918982377.
- ^ Ross (2015), pp. 503-504
- ^ a b c Ross (2015), p. 504
- ^ a b Ross (2015), p. 506
- ^ Ross (2015), p. 507