例題:
「表 1 は,ある都市の交通事故件数のデータである。これに,ポアソン分布をあてはめ,適合度の検定をせよ。」
死亡者数 | 実測値 | 相対度数 | ポアソン分布 | |
$X_{i}$ | $f_{i}$ | $f_{i}\ /\ 365$ | $f(X_i)$ | 期待度数 |
0 | 27 | 0.074 | 0.050 | 18.322 |
1 | 61 | 0.167 | 0.150 | 54.816 |
2 | 77 | 0.211 | 0.225 | 81.999 |
3 | 71 | 0.195 | 0.224 | 81.774 |
4 | 54 | 0.148 | 0.168 | 61.163 |
5 | 35 | 0.096 | 0.100 | 36.597 |
6 | 20 | 0.055 | 0.050 | 18.248 |
7 | 11 | 0.030 | 0.021 | 7.799 |
8 | 6 | 0.016 | 0.008 | 2.917 |
9 | 2 | 0.005 | 0.003 | 0.970 |
10〜 | 1 | 0.003 | 0.001 | 0.395 |
合計 | 365 | 1.000 | 1.000 | 365.000 |
R による解析:
> d <- c(27, 61, 77, 71, 54, 35, 20, 11, 6, 2, 1) > ans <- poissondist(d, 0:10) # この関数の定義を見る > ans ポアソン分布への適合度の検定 data: d, 0:10 X-squared = 14.1437, df = 8, p-value = 0.07809 sample estimates: n lambda 365.000000 2.991781 > summary(ans) 適合度 階級 度数 確率 期待値 0 27 0.0501980 18.32226 1 61 0.1501813 54.81618 2 77 0.2246548 81.99899 3 71 0.2240393 81.77434 4 54 0.1675691 61.16272 5 35 0.1002660 36.59709 6 20 0.0499957 18.24841 7 11 0.0213680 7.79932 8 6 0.0079910 2.91673 9 2 0.0026564 0.96958 10 1 0.0010805 0.39437