Poisson 分布的拟合优度检验 的方法和公式

Minitab 使用下面的迭代方法确定类别：

假设 pi = P(X xi )

假设 i = 1：如果 N*pi 2，则第一个类别定义为“ x 1”。如果 N*pi < 2，则按 1 递增 i 并重复：如果 N*p 2 2，则第一个类别定义为“ x 2”。如果 N*pi < 2，则按 1 递增 i 并重复，直到 N*pi 2。当最先满足此条件时或者当 xi 是第三大数据值时停止迭代，并将第一个类别定义为“ xi ”。如果第一个类别的值为零，则将第一个类别定义为不带“小于或等于”符号的“0”。与第一个类别相关联的概率和预期值分别是 pi 和 N*pi。第一个类别的观测值为 xi 的所有数据值的个数。

从概念上，定义最后一个类别与定义第一个类别相似，但 Minitab 将从最大的数据值开始向后计算。

最后一个类别是“ xj”，其中 xj 是大于 (1 + 第一个类别的数据值) 的最大数据值，因此该类别具有大于 2 的预期值。最后一个类别的概率和预期值分别为 pj 和 N*pj，观测值为 xj 的数据值的个数。

在确定第一个类别和最后一个类别之后，Minitab 确定它们之间的类别。假设“X k”为第一个类别，“X m”为最后一个类别。如果 (k, m) 之间的所有整数具有 2 的预期值，则它们均构成中间类别。如果相反，Minitab 将使用递归循环将多个相邻的整数组合到预期值 2 的类别中。在某些情况下（例如，数据集内只有很少的观测值），类别的预期值将小于 2。