什么是拟合优度？
拟合优度检验是一种统计假设检验，用于查看样本数据与正态分布总体的分布拟合程度。 换句话说，该测试将显示样本数据是否代表您希望在实际总体中找到的数据，或者该数据是否偏斜。 拟合优度建立了观测值与正态分布情况下模型预期值之间的差异。
确定拟合优度的方法有多种。 统计中使用的一些最流行的方法包括卡方检验，Kolmogorov-Smirnov检验，Anderson-Darling检验和Shipiro-Wilk检验。
重要要点
- 拟合优度检验是统计检验，旨在确定一组观察值是否与适用模型下的预期值相符。拟合优度检验有多种类型，但最常见的是卡方检验。测试可以向您显示样本数据是否适合具有正态分布的总体中的预期数据集。
了解拟合优度
拟合优度测试通常用于业务决策中。 为了计算卡方拟合优度，必须首先陈述原假设和替代假设，选择显着性水平（例如α= 0.5）并确定临界值。
最常见的拟合优度检验是卡方检验，通常用于离散分布。 卡方检验专门用于放入类（箱）中的数据，并且它需要足够的样本量才能产生准确的结果。
拟合优度检验通常用于检验残差的正态性或确定是否从相同分布中收集了两个样本。
拟合优度测试示例
例如，一个小型社区体育馆可能在以下条件下运作：星期一，星期二和星期六的出勤率最高，星期三和星期四的平均出勤率，以及星期五和星期日的出勤率最低。 基于这些假设，体育馆每天雇用一定数量的员工来登记会员，提供清洁设施，提供培训服务和上课。
但是，健身房的财务状况不佳，业主希望知道这些出勤率假设和人员配备水平是否正确。 拥有者决定在六个星期内每天计算参加健身房的人数。 然后，他可以使用卡方拟合优度检验来比较健身房的假定出勤率和观察到的出勤率。 利用新数据，他可以确定如何最好地管理体育馆并提高盈利能力。
