PengantarStat:: Fit, sebuah aplikasi statistik Fit yang cocok distribusi analitik terhadap data pengguna, yang dimaksudkan untukmudah digunakan. Semoga operasinya sangat intuitif yang Anda tidak perlu menggunakan panduan ini. Namun, hanyajika anda ingin mencari istilah asing, atau operasi tertentu, atau menikmati membaca manual perangkat lunak,kami menyediakan dokumen hati-hati terorganisir dengan informasi yang mudah diakses.Tentang Panduan PenggunaBab 1: Gambaran UmumMerangkum Quick Start untuk menggunakan Stat:: Fit. Sebuahtinjauan operasi dasar menggunakan standarpengaturan yang diberikan.Bab 2: Data Entry dan ManipulasiMenyediakan pilihan untuk membawa data menjadiStat:: Fit dan untuk manipulasi mereka.Bab 3: Analisis StatistikMenggambarkan proses distribusi pas, yang statistikperhitungan dan Goodness of Fittes.Bab 4: GrafikMasuk ke banyak pilihan yang tersedia untukjenis grafik dan gaya grafik.Bab 5: Cetak dan Output FileMemberikan rincian tentang cara mencetak grafik danlaporan.Bab 6: TutorialAdalah tutorial dengan contoh.Lampiran: DistribusiMenyediakan deskripsi dan persamaan berbagaidistribusi.

Bab 1:IkhtisarBagian ini menjelaskan operasi dasar dari Stat:: Fit menggunakan pengaturan default program. Untuk iniMisalnya, kita asumsikan bahwa data yang tersedia dalam file teks.

Operasi Dasar

Data tersebut dimuat dengan mengklikBuka Berkas ikon, atau memilih File padamenu bar dan kemudian Open dari Submenu,

seperti yang ditunjukkan di bawah ini. Semua perintah icontersedia dalam menu.

Sebuah kotak dialog Windows standar muncul, danmemungkinkan pilihan drive, direktori dan file.Data dalam mengambil file teks yang ada secara berurutanke dalam Tabel Data (lihat Bab 2 untuk fiturTabel Data). Data juga dapat dimasukkan secara manual.Stat:: Fit memungkinkan hingga 8000 nomor.

Jumlah titik data akan muncul di bagian atasbenar, jumlah interval untuk Binning datadi kiri atas. Secara default, Stat:: Fit secara otomatismemilih jumlah minimum intervaluntuk menghindari data smoothing. Juga secara default, datapresisi 6 desimal. (Lihat Bab 2 untuklainnya interval dan opsi presisi.)

Sebuah histogram dari data input akan ditampilkandengan mengklik Grafik Inputikon. (Untuk informasi tambahan tentanggrafik gaya dan pilihan, lihat Bab 4.)

Fitting Distribusi sebuah

Kontinu dan diskrit analitisdistribusi dapat secara otomatiscocok untuk input data dengan menggunakanAuto:: Fit perintah. Perintah ini berikuthampir prosedur yang sama dijelaskan di bawah ini untukmanual pas, tapi memilih semua distribusiyang sesuai untuk data input. Distribusiadalah peringkat berdasarkan kebaikan relatif merekacocok. Sebuah indikasi penerimaan mereka sebagai representasi yang baikdata masukan juga diberikan. Ameja, seperti yang ditunjukkan di bawah ini memberikan hasilAuto:: Fit prosedur.

Manual pas distribusi analisis bagidata masukan membutuhkan urutan langkah awaldengan setup dari perhitungan dimaksud.

Dialog setup dimasukkan dengan mengklikpada ikon Setup atau Fit memilih dariMenu bar dan Setup dari Submenu.utions dengan data masukanHalaman pertama dari dialog setup menampilkan daftaranalitis distribusi. Sebuah distribusi, mengatakanErlang, dipilih dengan mengklik namanya dalamdaftar di sebelah kiri. Distribusi yang dipilih kemudianmuncul dalam daftar di sebelah kanan. Setupdipilih untuk digunakan dengan mengklik OK.

Dialog setup dimasukkan dengan mengklikpada ikon Setup atau Fit memilih dariMenu bar dan Setup dari Submenu.utions dengan data masukanHalaman pertama dari dialog setup menampilkan daftaranalitis distribusi. Sebuah distribusi, mengatakanErlang, dipilih dengan mengklik namanya dalamdaftar di sebelah kiri. Distribusi yang dipilih kemudianmuncul dalam daftar di sebelah kanan. Setupdipilih untuk digunakan dengan mengklik OK.

Ringkasan kebaikan tes cocok muncul dimeja, seperti yang ditunjukkan di bawah ini:

Sebuah grafik membandingkan distribusi dipasangdengan data input dilihat dengan mengklikGrafik Fit ikon. (Hasil lainnya grafikserta modifikasi grafik masing-masingdiuraikan dalam Bab 4.)

The Stat:: Fit proyek disimpan dengan mengklikikon Save yang mencatat tidak hanyadata input tetapi juga seluruh perhitungandan grafik.Selamat! Anda telah menguasai Stat:: FitDasar-dasar.

Bab 2:Data Entry dan ManipulasiBab ini menjelaskan lebih terinci pilihan yang tersedia untuk membawa data ke Stat:: Fit dan kemudian memanipulasiitu.

Membuat Proyek Baru

Sebuah proyek baru dibuat dengan mengklikProyek Baru ikon pada panel kontrolatau dengan memilih File dari menu bardan kemudian baru dari Submenu.

Perintah Proyek Baru menghasilkan baruStat:: Fit dokumen, dan menunjukkan Data kosongMeja dengan keterangan, xx dokumen, di mana xx adalahnomor urut tergantung pada jumlahdokumen yang dihasilkan sebelumnya. Dokumenmungkin dinamai dengan menerapkan perintah Save Asdan penamaan file proyek. Setelah itu,dokumen akan terkait dengan file ini disimpan.Dokumen baru tidak menutup dokumen lainnya.Stat:: Fit memungkinkan beberapa dokumen yang akanterbuka setiap saat. Batas hanya kebingungandisebabkan oleh banyak pandangan yang mungkindibuka.Sebuah tabel input muncul, seperti ditunjukkan di bawah ini, yangmemungkinkan manual entri data.

Atau, data dapat disisipkan dari Clipboard.

Membuka Proyek yang ada

Proyek yang ada dibuka dengan memilihFile pada Menu bar dan kemudian Opendari Submenu, atau dengan mengklikBuka ikon pada panel kontrol.

Sebuah kotak dialog Open Project memungkinkan pilihandrive, direktori dan file.Stat:: Fit menerima 4 jenis file:• SFP Stat:: Fit file proyek• Input data DAT• .* Pengguna sebutan khusus untuk input data• BMP Graphics file bitmapPilih tipe file yang sesuai dan klik OK.Jika nama file memiliki ekstensi SFP menunjukkan. sebuahStat:: Fit file project, file proyek dibuka didokumen baru dan dokumen yang terkait dengan.Jika nama file memiliki ekstensi BMP menunjukkan.bitmap disimpan (graph. ..), bitmap adalahditampilkan. Jika tidak, file teks diasumsikan danproyek baru dibuka dengan membaca file untuk inputdata. Dokumen diciptakan dari sebuah file teks memilikisebuah asosiasi dengan file proyek bernama setelahfile teks tetapi dengan ekstensi SFP.. Proyekfile belum disimpan.Jika teks nomor berisi karakter non-numerik,mereka menyebabkan nomor hanya sebelum nonnumericteks yang akan dimasukkan. Sebagai contoh, 15,45%akan dimasukkan sebagai 15,45, tetapi 16.452.375 akandimasukkan sebagai tiga nomor: 16, 452 dan 375.

Menyimpan File

File proyek, input data, ataugrafik diselamatkan melalui salah satu Simpanperintah dalam submenu File, atau denganmengklik ikon Save pada panel kontrol.

Bila data input dimasukkan ke dalam Stat:: Fit apakah melalui entri manual dalam sebuah dokumen baru, membuka file data, menyisipkan data dalam Clipboard, atau membuka kembali Stat:: Fit file proyek, Stat:: Fit Dokumen dibuat yang berisi data dan semua selanjutnya perhitungan dan grafik. Jika dokumen dimulai dari file yang sudah ada, ia menganggap nama file itu dan dokumen dapat disimpan secara otomatis sebagai Stat::. Fit [proyek SFP perpanjangan] dengan perintah Save. Perintah Simpan menyimpan Stat ini:: Dokumen Fit untuk file proyek. File yang ada diganti. Jika sebuah file proyek tidak ada (jendela dokumen akan memiliki nama xx dokumen), Simpan Sebagaimana perintah akan disebut. Perintah Simpan TIDAK menyimpan input data dalam file teks, namun menyimpan dokumen lengkap, yaitu, input data, perhitungan, dan melihat informasi, ke file proyek biner, "proyek Anda nama ". SFP. Ini file biner dapat dibuka kembali di Stat:: Fit, tetapi tidak dapat diimpor ke aplikasi lain.

Jika sebuah file teks dari data input yang diinginkan, Simpan Input perintah harus digunakan. Save As perintah multiguna. Jika dokumen tidak disebutkan namanya, itu dapat disimpan sebagai baik Stat:: Fit proyek atau teks file data dengan Simpan Seperti perintah. Jika dokumen bernama, itu nama dapat diubah dengan menyimpan baik proyek atau input data ke file dengan nama baru. (Dalam situasi apapun, dokumen menganggap nama nama file digunakan.) Perintah Simpan Input menyimpan data input dalam sebuah file terpisah teks, dengan masing-masing titik data terpisah dengan carriage return. Ini mempertahankan integritas data Anda yang terpisah dari Stat:: Fit proyek file dan perhitungan. Jika sebuah asosiasi yang sudah ada dengan file teks ada, prompt akan meminta untuk menimpa izin. Jika tidak, suatu Save As dialog akan menanyakan nama file, simpan ke bahwa file, dan mengaitkan teks file dengan dokumen. Jika ekstensi tidak ditentukan, file akan disimpan dengan ekstensi. DAT.

Tabel DataSemua entri data di Stat:: Fit terjadi melaluiData Tabel. Setelah proyek dibuka, data dapatdimasukkan secara manual, dengan menempel dari Clipboard,atau dengan menghasilkan titik data dari acakmemvariasikan generator. Sebuah Stat yang ada:: Fitproyek dapat dibuka dan data yang dapat ditambahkansecara manual. Contoh dari Tabel Data ditampilkandi bawah ini:

Semua data yang dimasukkan sebagai pengukuran tunggal, tidak kumulatif data. Angka-angka di sebelah kiri pembantu untuk lokasi dan gulir dengan data. The Jumlah total poin data dan interval untuk terus menerus Data akan ditampilkan di bagian atas. Semua data dapat dilihat dengan menggunakan pusat gulir bar atau keyboard. Scroll bar dapat menangani menyeret untuk mendapatkan ke area data dengan cepat, atau gulir bar bisa diklik di atas atau di bawah pegangan untuk langkah atas atau bawah halaman data. Panah dapat diklik untuk meningkatkan atau ke bawah satu titik data. The Page Up dan Page Down kunci dapat digunakan untuk langkah atas atau bawah halaman data. Atas dan bawah tombol panah dapat digunakan untuk meningkatkan atau bawah suatu data titik. Tombol Home memaksa Tabel Data ke atas data, tombol Putus, ke bawah. manual entri data mensyaratkan bahwa akan Tabel Data jendela yang sedang aktif yang membutuhkan mengklik di jendela jika sudah tidak memiliki judul berwarna bar. Manual data entri dimulai ketika nomor diketik. Arus data dalam Data Tabel adalah berwarna abu-abu dan kotak input dibuka. The

kotak input akan tetap buka sampai tombol Enter adalah memukul kecuali tombol Esc digunakan untuk membatalkan entri. Semua nomor adalah floating point, dan dapat masuk dalam mode desimal lurus, seperti 0,972, atau notasi ilmiah, 9.72e-1 mana exx singkatan kekuatan sepuluh yang akan dikalikan dengan nomor sebelumnya. Integer disimpan sebagai pecahan titik nomor. Jika Sisipkan tidak aktif, kondisi default, data titik dimasukkan di lokasi disorot saat ini (Kotak garis putus-putus, tidak kotak berwarna). A mungkin nomor disorot dengan sekali klik dari tikus di lokasi itu. Perhatikan bahwa jumlahnya juga dipilih (kotak berwarna) meskipun hal ini tidak tidak mempengaruhi manual entri data. Jika Sisipkan aktif, titik data dimasukkan sebelum titik data dalam kotak disorot, kecuali pada akhir kumpulan data. Jika titik data yang dimasukkan dalam kotak disorot di akhir kumpulan data, titik data ditambahkan untuk kumpulan data dan kotak disorot dipindahkan ke lokasi kosong berikutnya. Dengan cara ini mungkin data dimasukkan terus-menerus tanpa relokasi data entry point. Posisi kosong pada akhir kumpulan data dapat dengan mudah dicapai dengan menggunakan tombol Putus kecuali Tabel Data penuh, nomor 8000. Sejumlah tunggal atau kelompok nomor mungkin dipilih dalam Tabel data dengan mengklik atau menyeret mouse. Angka-angka yang dipilih disorot dalam warna, biasanya biru. Jika tombol shift digunakan dengan klik mouse, kisaran angka adalah dipilih dari nomor pilihan terakhir untuk saat ini posisi. Jika tombol ctrl digunakan dengan mouse klik, posisi saat ini ditambahkan ke arus pilihan kecuali sudah dipilih, di manakasus ini terpilih.Tombol Hapus menghapus area yang dipilih saat ini(area berwarna) yang dapat nomor tunggalatau kelompok nomor. Tidak ada membatalkan penghapusan. TheHapus perintah dalam menu Edit juga mungkindigunakan. Para Potong perintah di menu Edit menghapusnomor yang dipilih dan menempatkannya di Clipboard.Salinan perintah Copy saat ini

dipilih nomor ke Clipboard. The Tempelpasta perintah angka dalam Clipboardsebelum nomor dalam arus disorot(putus-putus kotak) lokasi, bukan lokasi yang dipilih.Perintah Hapus menghapus semua input data dan perhitungandalam dokumen saat ini, setelah konfirmasidialog. Semua pandangan yang tergantung pada inidata dan perhitungan ditutup. Data kosongTabel dibiarkan terbuka dan dokumen dibiarkan terbuka.The Stat mendasari:: File Fit proyek, jika ada, yang tersisautuh, tetapi perintah Save akan jelas itu juga.Gunakan perintah ini dengan seksama. Perintah iniTIDAK sama dengan perintah baru karenamempertahankan koneksi dokumen ke diskfile yang terkait dengan itu, jika ada.

Input PilihanInput Options memungkinkan beberapa data penangananopsi yang akan mengatur: jumlah interval untukhistogram dan kebaikan chi-kuadrat fittes, presisi dengan dimana data akanditampilkan dan disimpan, dan jenis distribusiyang akan diijinkan.

Input dialog Opsi dimasukkan olehmengklik ikon Opsi Input atau denganmemilih Masukan dari menu bar dankemudian Pilihan dari Submenu.

Sebuah kotak dialog Input Pilihan ditunjukkan di bawah ini:

Jumlah interval menentukan jumlah sampah ke dalam mana data input yang akan diurutkan. Sampah ini digunakan hanya untuk distribusi kontinu; distribusi diskrit dikumpulkan di integer nilai. Jika data input terpaksa diperlakukan sebagai diskrit, pilihan ini akan berwarna abu-abu. Perhatikan bahwa nama interval digunakan dalam Stat:: Fit untuk mewakili kelas untuk data kontinu dalam rangka untuk memisahkan penggunaannya dari kelas integer digunakan untuk data diskrit. Jumlah interval yang digunakan untuk menampilkan terus menerus data dalam histogram dan untuk membandingkan input data dengan data dipasang melalui chisquared uji. Harap dicatat bahwa interval akan panjang yang sama untuk tampilan, tapi mungkin baik sama panjang atau probabilitas sama untuk chisquared uji. Selain itu, jumlah interval untuk representasi kontinyu dari data diskrit akan selalu default ke jumlah maksimal diskrit kelas untuk data yang sama. Lima pilihan untuk menentukan jumlah interval adalah: •AUTO : Cara Otomatis menggunakan minimum jumlah interval mungkin tanpa kehilangan information.1 Kemudian interval adalah meningkat jika kecurangan sampel adalah besar. • STURGES Aturan empiris untuk menilai jumlah yang diinginkan ke dalam interval yang

distribusi data harus diamati diklasifikasikan. Jika N adalah jumlah titik data dan k jumlah interval, maka:

• LOWER BOUNDS : Lower Bounds modus menggunakan jumlah minimum interval mungkin tanpa kehilangan informasi. Jika N adalah jumlah titik data dan k adalah jumlah interval, maka:

• SCOTT Scott model didasarkan pada menggunakan Normal densitas sebagai densitas acuan bagi membangun histogram. Jika N adalah nomor titik data, sigma adalah standar deviasi dari sampel, dan k adalah jumlah interval, maka: • MANUAL Memungkinkan sewenang-wenang setelan jumlah interval, sampai batas 1000. Ketepatan data adalah jumlah desimal tempat ditampilkan untuk masukan data dan semua berikutnya perhitungan. Ketepatan default adalah 6 tempat desimal dan diatur pada awalnya. presisi dapat diatur antara 0 dan 15. Perhatikan bahwa semua data diskrit disimpan sebagai angka floating point. Harap diperhatikan Sementara semua perhitungan dilakukan pada maksimum presisi, input data dan perhitungan akan ditulis ke file dengan presisi dipilih di sini. Jika data memiliki presisi lebih besar dari presisi di sini, akan dibulatkan bila disimpan. DISTRIBUTION TYPE Jenis distribusi analitis dapat berupa kontinyu atau diskrit. Dalam umum, semua distro akan diperlakukan sebagai Jenis secara default. Namun, analisis tersebut dapat terpaksa baik distribusi kontinu atau diskrit distribusi dengan memeriksa yang sesuai kotak pada dialog Opsi Input. Secara khusus, distribusi diskrit terpaksa menjadi distribusi dengan nilai-nilai integer saja. Jika input data diskrit, tapi titik data kelipatan nilai kontinu, membagi data dengan terkecil umum penyebut sebelum mencoba untuk menganalisanya. pemotongan Input untuk menghilangkan kecil

round-off error ini juga berguna. Jumlah maksimum dari kelas untuk diskrit distribusi terbatas pada 5000. Jika jumlah kelas untuk mendukung data input lebih besar dari ini, analisis akan dibatasi untuk terus-menerus distribusi. Sebagian besar distribusi diskrit dimulai dari 0. Jika data yang memiliki nilai-nilai negatif, offset harus ditambahkan ke dalamnya sebelum analisis. Beroperasi Operasi Matematika pada data input dipilih dari dialog Mengoperasikan dengan memilih Masukan dari Menu bar dan kemudian Mengoperasikan dari Submenu.

Dialog Mengoperasikan memungkinkan pilihan tunggalmatematika standar operasi pada inputdata. Operasi ini akan mempengaruhi semua input dataterlepas dari apakah subset data inputdipilih. Matematika overflow, underflow atau

error lain akan menyebabkan pesan kesalahan dan semuainput data akan dikembalikan.

Operasi penambahan, pengurangan, perkalian,divisi, lantai dan nilai absolut dapatdilakukan. Operasi pembulatan akan bulattitik data masukan ke integer terdekat mereka. TheData juga dapat diurutkan menjadi naik atau turunorder, atau tidak disortir dengan campuran secara acak.MengubahData transformasi data input dipilihdari dialog Transform dengan memilih Inputdari Menu bar dan kemudian Transform darisubmenu.

Dialog Transformasi memungkinkan pilihan tunggalstandar matematika fungsi untuk digunakan padadata input. Operasi ini akan mempengaruhi semua masukanData terlepas dari apakah subset data inputdipilih. Matematika overflow, underflow atauerror lain akan menyebabkan pesan kesalahan dan semuainput data akan dikembalikan.

Transformasi fungsi yang tersedia adalah: alamlogaritma, log untuk basis 10, eksponensial, kosinus,sinus, akar kuadrat, timbal balik, meningkatkan daya apapun,perbedaan dan perubahan%. Perbedaan mengambilperbedaan antara titik data yang berdekatan dengandata yang lebih rendah poin pertama. Jumlah total yang dihasilkantitik data dikurangi dengan satu. Menghitung% perubahanperubahan persen titik data yang berdekatandengan membagi perbedaan, titik yang lebih rendah pertama, olehtitik data atas dan kemudian mengalikannya dengan 100.Jumlah titik data dikurangi dengansatu.

FilterMenyaring data input dapat dipilih dariFilter dialog dengan memilih Input dari Menubar dan kemudian Filter dari submenu.

Dialog Filter memungkinkan pilihan filter tunggalakan diterapkan pada input data, membuang dataluar kendala filter. Semua filterHAPUS data yang tidak diinginkan dan mengubah statistik.

Kotak input yang sesuai dibukadengan masing-masing pilihan filter. Terkecualipositif filter yang mengecualikan nol, semua filteradalah inklusif, yaitu, mereka selalu menyertakan nomorpada batas filter.

Filter termasuk cutoff minimum, maksimumcutoff, baik celana minimum dan maksimum,menjaga hanya angka positif (negatifdan nol cutoff), sebuah cutoff non-negatif, dandekat cutoff berarti. Mean filter dekat semua datapoin, termasuk semua datakurang dari rata-rata minus standar poinkali deviasi yang ditunjukkan pengali atau lebihdari mean ditambah standar deviasi kalimenunjukkan multiplier.Terisi kembaliPerintah terisi kembali memungkinkan pengguna untukmemperluas data pembulatan tentang integer masing-masing. Setiaptitik secara acak diposisikan tentang integerdengan nilai relatif yang ditimbang dengan yang adabentuk distribusi input data. Jika lebih rendah ataubatas atas diketahui, titik-titik dibatasiuntuk daerah di atas dan di bawah batas ini, masing-masing.Perintah terisi kembali dibatasidata integer saja, dan terbatas dalam rentang dari -1000-1000.Untuk menggunakan fungsi terisi kembali, Input pilih dariMenu bar dan terisi kembali dari Submenu.

Dialog berikut akan ditampilkan.

Titik data baru akan memiliki sejumlah desimaltempat ditentukan oleh presisi yang dihasilkan.Kebaikan tes fit, Kemungkinan MaksimumEstimasi dan Moment Perkiraanmembutuhkan setidaknya tiga digit untuk memberikan yang wajarhasil. Urutan nomor yang berulang-ulang jikaaliran acak nomor yang sama digunakan (mis.stream 0). Namun, angka yang dihasilkan, danfit yang dihasilkan, dapat bervariasi dengan memilih yang berbedanomor acak stream, 0-99.

Harap diperhatikanIni repopulasi dari bagian desimal dari dataadalah tidak sama dengan data asli atau akantelah, tapi hanya mewakili informasitidak hancur karena pembulatan. Parameter estimasitidak seakurat akan diperolehdengan unrounded data asli. Dalam rangka untuk mendapatkan

perkiraan variasi parameter dipasang, cobaregenerasi kumpulan data dengan beberapa acaknomor stream.

Menghasilkan

Variates Random dapat dihasilkan dariHasilkan dialog dengan memilih Inputdari Menu bar dan kemudian Hasilkandari submenu, atau Klik di Hasilkanikon.

Dialog Hasilkan menyediakan pilihan distribusi,parameter, dan aliran angka randomuntuk generasi variates acak dari masing-masingdari distribusi ditutupi oleh Stat:: Fit. Thegenerasi dibatasi maksimal 8000 poin,batas dari tabel input yang digunakan oleh Stat:: Fit. Theurutan angka yang berulang untuk setiap distribusikarena nomor yang sama aliran acakdigunakan (stream 0). Namun, urutannomor dapat bervariasi dengan memilih yang berbedanomor acak stream, 0-99.Generator tidak akan mengubah data yang ada diData Tabel, tapi akan menambahkan data yang dihasilkanpoint ke batas 8000 poin. Dengan cara inijumlah dari dua atau lebih distribusi mungkindiuji. Sorting tidak akan dipertahankan.Generator ini dapat digunakan untuk menyediakan sebuah fileacak angka untuk program lain serta untuk menguji variasi distribusi estimasisetelah data input sudah sesuai.

Input Grafik

Sebuah grafik dari input data dapat dilihatdengan memilih Masukan dari Menu bardan kemudian Input Grafik dari Submenu,atau mengklik pada icon Grafik Input.Sebuah histogram data Anda akan ditampilkan. Sebuahcontoh ditunjukkan di bawah ini.

Jika data input pada Tabel Data kontinudata, atau terpaksa harus diperlakukan sebagai berkesinambungan dalamInput dialog Opsi, grafik akan menjadi masukanhistogram dengan jumlah interval yangdiberikan oleh pilihan tipe interval di InputPilihan. Jika data yang terpaksa harus diperlakukan sebagai diskrit,grafik input akan menjadi grafik garis denganjumlah kelas yang ditentukan oleh minimumdan nilai maksimum. Perhatikan bahwa diskritdata harus nilai integer. Data yang digunakan untukmenghasilkan Grafik Input dapat dilihat dengan menggunakanData yang Binned perintah di menu Statistik(lihat Bab 3).Grafik ini, karena dengan semua grafik dalam Stat:: Fit, mungkindiubah, disimpan disalin, atau dicetak dengan pilihanumumnya diberikan dalam Gaya Grafik, Save As, danSalin perintah dalam menu Graphics. LihatBab 4 untuk informasi mengenai Grafik Styles.Input Data

Jika Tabel Data telah ditutup, maka dapatditampilkan kembali dengan Input memilih dari menu bardan Input Data dari submenu.

Bab 3:Analisis StatistikBagian ini menggambarkan statistik deskriptif, perhitungan statistik pada data input, distribusipas proses, dan kebaikan tes fit. Manual ini tidak dimaksudkan sebagai buku teks pada statistikanalisis. Untuk informasi lebih lanjut tentang distribusi, lihat "Lampiran: Distribusi" pada halaman 55.Untuk pemahaman lebih lanjut, lihat buku referensi dalam "Bibliografi"pada halaman 97.

Statistik Deskriptif

Statistik deskriptif untuk data input dapatdilihat oleh Statistik memilih pada Menu barkemudian Deskriptif dari Submenu dan. Berikutjendela akan muncul:

Statistik Deskriptif perintah menyediakanstatistik dasar pengamatan dan perhitungan padamasukan data, dan menyajikan secara sederhana initampilan seperti yang ditunjukkan di atas. Harap dicatat bahwa selamajendela ini terbuka, perhitungan akandiperbarui saat data input berubah. Secara umum,semua jendela yang terbuka akan diperbarui saatinformasi di atas mana mereka bergantung perubahan.Oleh karena itu, adalah ide yang baik, pada mesin lebih lambat,

untuk menutup jendela perhitungan tersebut sebelum mengubahdata.

Binned DataHistogram / data kelas yang tersedia dengan memilihStatistik pada Menu bar dan kemudian BinnedData dari Submenu.

Jumlah interval yang digunakan untuk data kontinuditentukan oleh pilihan interval di InputPilihan dialog. Secara default, angka ini ditentukansecara otomatis dari jumlahtitik data. Sebuah keluaran khas ditunjukkan di bawah ini:

Untuk kenyamanan, frekuensi dan frekuensi relatifdiberikan. Jika data dirasakan akan diskrit(integer semua), maka kelas untuk diskritrepresentasi juga diberikan, setidaknya hingga 1000kelas. Ketersediaan data interval atau kelasdapat dipengaruhi dengan memaksa distribusitipe berupa kontinyu atau diskrit.Karena tabel bisa besar, ditinjau terbaikdiperluas ke layar penuh dengan memilih panah ataskotak di sudut kanan atas layar. Abaris gulir memungkinkan Anda untuk melihat sisa meja.Ini pengelompokan data input yang digunakan untuk menghasilkan

perwakilan grafik. Untuk data kontinu,turun naik distribusi kumulatifpertandingan endpoints sesuai. Kepadatansesuai dengan titik-titik tengah yang tepat. Untukdistribusi diskrit, data tersebut dikelompokkan sesuaiuntuk kelas individu, dengan penambahan sebesar satupada sumbu x.

Kemerdekaan PengujianSemua rutinitas pas mengasumsikan bahwa dataindependen, identik didistribusikan (Iid), yangadalah, setiap titik independen dari semua data lainpoin dan semua titik data diambil dari identikdistribusi. Stat:: Fit menyediakan tiga jenistes untuk kemerdekaan.Para Pengujian Kemerdekaan dipilih dengan memilihStatistik pada Menu bar dan kemudian Kemerdekaandari Submenu. Submenu berikut ini akanditampilkan:

Scatter Plot:Ini adalah plot titik yang berdekatan di urutaninput data terhadap satu sama lain. Jadi setiap diplottitik merupakan sepasang titik data [Xi +1, Xi].Ini diulang untuk semua pasangan data yang berdekatanpoin. Jika data masukan yang agak tergantungsatu sama lain, maka plot ini akan menunjukkan bahwaketergantungan. Time series, dimana saat ini datamungkin tergantung pada titik terdekat sebelumnyaNilai (s), akan menunjukkan pola yang di sini sebagai terstrukturkurva bukan tampaknya independenpencar poin. Sebuah contoh ditunjukkan di bawah ini.

Struktur data dependen dapat dilihatgrafis dengan memulai secara acakdata, memilih plot ini, dan kemudian menempatkan datadalam urutan dengan Input / perintah Beroperasi.Posisi setiap titik sekarang tergantungpada poin-poin sebelumnya dan plot ini akandekat dengan garis lurus.Autokorelasi:Perhitungan autokorelasi digunakan di sinimengasumsikan bahwa data tersebut diambil dari stasionerproses, yaitu, data akan muncul yang sama(statistik) untuk setiap subset yang wajar daridata. Dalam kasus time series, ini menunjukkan bahwaasal waktu dapat berubah tanpa mempengaruhidengan statistik karakteristik seri. Demikianvarians untuk seluruh sampel dapat digunakan untukmerupakan varians dari subset apapun. Untuk simulasipenelitian, ini berarti membuang sebuah awalwarm-up period (lihat Hukum & Kelton1). Di banyakaplikasi lain yang melibatkan seri berlangsung,termasuk keuangan, transformasi cocokdata mungkin harus dibuat. Jika prosesditeliti tidak stasioner, perhitungan dan diskusi autokorelasi lebih kompleks (Lihat box1). Tampilan grafis autokorelasi dapat ditampilkan dengan memetakan tersebarnya data yang berhubungan poin. Scatter Plot, sebagaimana telah dijelaskan sebelumnya,

adalah plot titik data yang berdekatan, yaitu, pemisahan atau lag 1. Scatter plot untuk titik-titik data lebih lanjut dihapus dari satu sama lain dalam seri, yaitu, untuk lag j, bisa juga diplot, tetapi autokorelasi yang lebih instruktif. The autokorelasi, rho, dihitung dari persamaan: dimana j adalah jeda antara titik data, s adalah standar deviasi dari populasi, didekati dengan standar deviasi sampel, dan xbar adalah mean sampel. Perhitungan dilakukan untuk 1 / 5 dari panjang kumpulan data mana pasangan berkurang mulai membuat perhitungan diandalkan. autokorelasi bervariasi antara 1 dan -1, antara korelasi positif dan negatif. Jika autokorelasi dekat baik ekstrim, data adalah autocorrelated. Catatan, bagaimanapun, bahwa autokorelasi yang dapat mengasumsikan nilai hingga karena keacakan data walaupun tidak ada yang signifikan autokorelasi ada.

Angka-angka dalam tanda kurung sepanjang sumbu-x adalah positif dan negatif korelasi maksimum. Untuk kumpulan data besar, plot ini bisa memerlukan waktu untuk sampai ke layar. Layar keseluruhan menggambar ulang dapat ditingkatkan dengan melihat ini plot dan penutupan itu sesudahnya. Perhitungan disimpan internal dan tidak perlu dihitung ulang kecuali data input

perubahan. Berjalan Pengujian Menjalankan Perintah Test menghitung dua yang berbeda menjalankan tes untuk keacakan data dan menampilkan pemandangan hasilnya. Hasil uji masing-masing baik JANGAN MENOLAK hipotesis bahwa Seri acak atau MENOLAK bahwa hipotesis dengan tingkat signifikansi yang diberikan. Tingkat signifikansi adalah probabilitas bahwa hipotesis ditolak sebenarnya benar, yaitu, bahwa ujian menolak keacakan dari seri ketika seri sebenarnya acak. Sebuah dijalankan dalam serangkaian pengamatan adalah terjadinya dari suatu urutan nomor terganggu dengan atribut yang sama. Misalnya, satu set berturut-turut meningkatkan atau menurunkan angka dikatakan untuk memberikan menjalankan 'up' atau 'turun' masing-masing. Secara khusus, kejadian terisolasi tunggal dianggap sebagai lari dari satu. Jumlah berjalan dalam serangkaian pengamatan menunjukkan keacakan dari pengamatan. Terlalu sedikit berjalan menunjukkan korelasi yang kuat, titik titik. Terlalu banyak berjalan menunjukkan perilaku siklik. Tes berjalan pertama adalah tes median yang mengukur jumlah berjalan, yaitu, urutan dari angka, di atas dan di bawah median (lihat Brunk2). jalankan bisa menjadi nomor satu di atas atau di bawah median jika nomor yang berdekatan dengan berada dalam arah yang berlawanan. Jika ada terlalu banyak atau terlalu sedikit berjalan, secara acak dari seri ditolak. median ini percobaan menggunakan normal pendekatan untuk penerimaan / penolakanyang mengharuskan jumlah titik dataatas / bawah rata-rata lebih besar dari 10. Sebuahpesan kesalahan akan dicetak jika kondisi initidak terpenuhi.Di atas / di bawah rata-rata percobaan tidak akan bekerjajika ada terlalu sedikit titik data atau untuk diskrit tertentudistribusi.Tes berjalan kedua adalah tes titik balik yangmengukur berapa kali perubahan seriarah (lihat Johnson1). Sekali lagi, jika ada terlalu

banyak titik balik atau terlalu sedikit, acak yangdari seri ditolak. Ini titik balik berjalantes menggunakan pendekatan normal untuk penerimaan /penolakan yang mengharuskan jumlahtitik data lebih besar dari 12. Pesan kesalahanakan dicetak jika kondisi ini tidak dipenuhi.Walaupun ada lain berjalan tes untuk keacakan,beberapa yang paling sensitif memerlukan data yang lebih besarset, lebih dari 4000 angka (lihat Knuth2).Contoh Tes Runs ditunjukkan di bawah ini dalammeja. Panjang berjalan dan distribusi merekadiberikan.

Distribusi FitOtomatis pas distribusi kontinu dapatdilakukan dengan menggunakan Auto:: Fit perintah.Perintah ini mengikuti prosedur yang sama seperti

dibahas di bawah ini untuk pas manual, tetapi memilihyang sesuai untuk data input distribusi. Inijuga peringkat distribusi menurut mereka relatifkebaikan fit, dan memberikan indikasipenerimaan mereka sebagai representasi yang baik dariinput data. Untuk lebih jelasnya, lihat bagian tentangAuto:: Fit pada akhir bab ini.Pemasangan manual distribusi analitis untukinput data di Tabel Data mengambil tiga langkah.Pertama, sesuai dengan input data distribusiharus dipilih dalam Fit Setup dialog bersama dengankebaikan yang diinginkan tes cocok. Kemudian, perkiraanparameter untuk setiap distribusi yang dipilih harus dihitung dengan menggunakan baik saatpersamaan atau persamaan maksimum likelihood.Akhirnya kebaikan tes cocok dihitung untuksetiap distribusi dipasang dalam rangka untuk memastikanrelatif baik kecocokan. (Lihat Breiman1, Hukum &Kelton2, Bank & Carson3, Stuart & Ord4.)

Mulai proses distribusi yang pas denganmemilih Fit pada Menu bar dan kemudianSetup dari Submenu, atau dengan mengklikFit ikon Setup. Halaman Distribusi dialog Setup Fit menyediakandaftar distribusi untuk pilihan distribusiuntuk pas berikutnya. Semua distribusidipilih di sini akan digunakan secara berurutan untuk estimasidan kebaikan tes fit. Mengklik padadistribusi nama dalam daftar distribusi dimeninggalkan memilih bahwa distribusi dan bergerak bahwa distribusinama ke kotak distribusi yang dipilihdi sebelah kanan kecuali sudah ada. Mengkliknama distribusi dalam distribusi yang dipilihkotak di sebelah kanan menghilangkan distribusi. Semuadistribusi mungkin akan dipindahkan ke distribusidipilih kotak dengan mengklik tombol Pilih Semua.Kotak distribusi yang dipilih akan terhapus olehmengklik tombol Hapus.Jika pilihan distribusi tidak pasti ataudata minimal, gunakan panduan dalam berikutBantuan direktori:

• Dipandu pilihan distribusi• Tidak ada pilihan data distribusiPanduan ini harus memberikan beberapa ide tentang yang tepatmodel untuk data input. Juga, setiap distribusidijelaskan secara terpisah dalam Lampiran,bersama dengan contoh-contoh.Setelah memilih distribusi (s), pergi ke berikutnyajendela kotak dialog untuk memilih perhitunganuntuk dilakukan.

Perkiraan dapat diperoleh dari baik Momentsatau Estimasi Kemungkinan Maksimum (MLEs). ThePengaturan standar untuk perhitungan adalah MLE.Untuk distribusi kontinu dengan batas bawahatau minimum seperti eksponensial, yang lebih rendahterikat dapat dipaksa untuk mengasumsikan nilai pada ataudi bawah nilai minimum data. Ini lebih rendahterikat akan digunakan baik untuk saat danestimasi maksimum likelihood. Secara default, itu diketahui kiri yang menyebabkan semua prosedur memperkirakan untuk memvariasikan batas bawah dengan yang lain parameter. Jika data baru ditambahkan di bawah preset batas bawah, yang terikat akan dimodifikasi untuk menganggap nilai integer terdekat di bawah ini masukan semua data.

Akurasi Fit menggambarkan tingkat presisi dalam estimasi iteratif. Standarnya adalah 0,0003, tetapi dapat diubah jika akurasi yang lebih baik adalah diinginkan. Perhatikan bahwa akurasi yang lebih besar dapat berarti jauh lebih besar waktu perhitungan. Beberapa distribusi telah baik perkiraan saat-saat dan / atau maksimum kemungkinan perkiraan yang tidak memerlukan estimasi iteratif, dalam kasus ini, akurasi tidak akan membuat perbedaan dalam estimasi. Tingkat Signifikansi mengacu pada tingkat signifikansi pengujian. Chi-Squared, Kolmogorov- Smirnov dan Anderson-Darling tes semua meminta untuk menolak cocok untuk tingkat signifikansi tertentu. Pengaturan default adalah 5%, namun hal ini dapat diubah menjadi 1% atau 10% atau nilai yang Anda keinginan. Nomor ini adalah kemungkinan bahwa jika distribusi ditolak, bahwa itu adalah hak distribusi anyway. Dinyatakan dalam cara yang berbeda, maka kemungkinan bahwa Anda akan membuat kesalahan dan menolak bila Anda tidak seharusnya. Oleh karena itu, lebih kecil nomor ini, semakin kecil kemungkinan Anda menolak ketika Anda harus menerima. The Goodness of Fit tes dijelaskan kemudian dalam bab, dapat dipilih. Kolmogorov-Smirnow adalah tes standar. Estimasi maksimum likelihood dan perkiraan saat dapat dilihat independen kebaikan tes fit. Perintah MLE adalah dipilih oleh Fit memilih dari Menu, lalu Maximum Likelihood dari Submenu.

Estimasi maksimum likelihood dari parameteruntuk semua distro analitis dipilih dalamdialog setup cocok dihitung menggunakan kemungkinan log

persamaan dan turunannya untuk masing-masing pilihan.Parameter demikian estimasi ditampilkan dalamtampilan baru seperti berikut:

Beberapa distribusi tidak memiliki maksimum likelihoodperkiraan untuk memberikan batasan sampelsaat karena perkiraan awal dari distribusi'sparameter yang bisa diandalkan. Hal ini terutamajelas untuk banyak dibatasidistribusi kontinu bila kecurangan sampeladalah negatif. Ketika situasi seperti ini terjadi, sebuahpesan kesalahan, daripada parameter, akanditampilkan dengan nama distribusi analitis.Banyak MLEs memerlukan perhitungan yang signifikan,dan karena itu, waktu yang signifikan, bahkan padakomputer dengan Math coprocessor. Karenaini, dialog Batal, ditunjukkan di bawah ini, akan munculdengan perhitungan masing-masing.Selain tombol Batal, itu akan menampilkan nilai-nilaiparameter pada kemungkinan arus maksimumperhitungan.

Jika tombol Cancel diklik,perhitungan akan berhenti pada iterasi berikutnya dan pesan kesalahan akan ditampilkan di Maximum Likelihood melihat sebelah yang sesuai

distribusi. Pilihan lain untuk estimasi adalah Moments. Ketika Moment Perkiraan perintah dipilih, perkiraan parameter untuk semua dipilih analitis distribusi yang dipilih dihitung menggunakan persamaan momen untuk masing-masing pilihan bersama dengan saat-saat sampel dari perhitungan pada data masukan dalam Tabel Data. Parameter sehingga estimasi ditampilkan sebagaimana ditunjukkan di bawah ini:

Beberapa distribusi tidak memiliki perkiraan saat untuk diberikan rentang saat sampel. Ini adalah terutama jelas untuk banyak terus dibatasi distribusi saat kecurangan sampel adalah negatif. Ketika situasi seperti ini terjadi, kesalahan pesan daripada parameter akan ditampilkan dengan nama distribusi analitis. Perhatikan bahwa semua dipilih perkiraan (MLEs atau Moments) harus selesai sebelum Hasil yang Grafik dapat ditampilkan atau Goodness of Fit Tes dapat dilakukan. Setiap kali pilihan estimasi berubah, semua yang terlihat pemandangan Hasil yang Grafik dan Goodness Fit tes akan ditampilkan kembali dengan perkiraan dihitung baru. Perkiraan saat telah dimasukkan sebagai bantuan untuk proses pemasangan, kecuali untuk yang paling sederhana distribusi, mereka TIDAK memberikan perkiraan yang baik

parameter dari suatu distribusi dipasang. Kebaikan Pengujian Fit Pengujian untuk baik kecocokan hanyalah perbandingan dari input data untuk distribusi dipasang di secara statistik signifikan. Setiap pengujian membuat hipotesis bahwa sesuai dengan baik dan menghitung suatu statistik uji untuk dibandingkan dengan standar. The Goodness of Fit tes meliputi: • Chi-squared test • Kolmogorov Smirnov • Anderson Darling test Jika pilihan uji tidak pasti, bahkan setelah konsultasi uraian di bawah ini, gunakan Kolmogorov Smirnov yang berlaku selama jangkauan terluas data dan parameter dipasang. Chi Squared Test Uji Chi Squared adalah tes dari kebaikan fit dari kepadatan dipasang dengan data masukan dalam Tabel data, dengan data tepat dipisahkan ke dalam interval (data kontinu) atau kelas (diskrit data). Pengujian dimulai dengan pengamatan lapangan di kelas (interval). Sedangkan jumlah kelas untuk data diskrit ditentukan oleh jangkauan bilangan bulat, pilihan nomor yang sesuai dari interval untuk data kontinu tidak ditentukan dengan baik. Stat:: Fit memiliki perhitungan otomatis yang memilih sedikitnya jumlah interval yang tidak oversmooth data. Empiris aturan beberapa popularitas, aturan Sturges ', bisa juga bisa digunakan. Jika tidak muncul memuaskan, jumlah interval dapat ditetapkan secara manual. The interval ditetapkan pada dialog Opsi Input dari Input menu. Tes ini kemudian menghitung nilai yang diharapkan untuk setiap interval dari distribusi dipasang, dimana nilai-nilai yang diharapkan dari interval akhir meliputi jumlah atau integral untuk (+/-) infinity atau terdekat terikat. Dalam rangka untuk membuat tes yang valid, interval

(Kelas) dengan kurang dari 5 titik data bergabung ke tetangga sampai interval tersisa memiliki setidaknya 5

titik data. Kemudian Chi Squared statistik untuk data ini dihitung menurut persamaan: mana χ2 adalah statistik chi kuadrat, n adalah jumlah jumlah titik data, ni adalah jumlah data poin dalam interval kontinyu i atau engan diskrit kelas, k adalah jumlah interval atau kelas yang digunakan, dan pi adalah probabilitas diharapkan terjadinya dalam interval atau kelas untuk distribusi dipasang. Uji statistik yang dihasilkan kemudian dibandingkan dengan standar nilai Chi Squared dengan yang sesuai jumlah derajat kebebasan dan tingkat signifikansi, biasanya berlabel alpha. Dalam Stat:: Fit, jumlah derajat kebebasan selalu diambil untuk menjadi nomor bersih bins data (interval, kelas) yang digunakan dalam perhitungan dikurangi 1; karena ini adalah tes yang paling konservatif, yaitu, yang paling mungkin menolak sesuai dengan salah. Jumlah aktual derajat kebebasan adalah suatu tempat antara nomor dan jumlah yang sama dikurangi dengan jumlah parameter yang ditaksir dengan memperkirakan prosedur. Sementara uji Chi Squared adalah asimtotik tes yang berlaku hanya sebagai nomor titik data akan besar, itu masih dapat digunakan dalam arti komparatif (lihat Hukum & Kelton1, Brunk2, Stuart & Ord3).

Kebaikan pandang fit juga melaporkan REJECTatau JANGAN MENOLAK keputusan untuk setiap ChiSquared tes berbasis pada perbandingan antarauji statistik dihitung dan statistik standaruntuk tingkat signifikansi tertentu. Tingkatsignifikansi dapat diubah dalam Perhitunganhalaman dialog Setup Fit.Untuk memvisualisasikan proses ini untuk data kontinu,mempertimbangkan dua grafik di bawah ini:

Yang pertama adalah grafik perbandingan normalhistogram data masukan versus terus menerusplot dari kepadatan dipasang. Perhatikan bahwa frekuensi,frekuensi relatif tidak digunakan, ini adalahsebenarnya jumlah titik data per interval. Namun,untuk uji Chi Squared, perbandingan itudibuat antara histogram dan nilaiarea di bawah kurva kontinu antara masing-masinginterval titik akhir. Hal ini diwakili dalam keduagrafik dengan membandingkan data yang diamati,atas setiap interval histogram, dengan yang diharapkandata yang ditampilkan sebagai titik persegi. Perhatikan bahwainterval dekat 6 memiliki kurang dari 5 sebagai yang diharapkan

nilai dan akan dikombinasikan dengan berdekataninterval untuk perhitungan. Hasilnya adalah jumlah yang

dari kuadrat kesalahan dinormalisasi untuk setiap interval. Dalam hal ini, data dipisahkan ke dalam interval dengan panjang yang sama. Hal ini memperbesar kesalahan dalam interval pusat yang memiliki poin lebih banyak data dan Selisih lebih besar dari nilai yang diharapkan. Sebuah alternatif, dan banyak lagi cara yang akurat, untuk memisahkan data adalah memilih interval dengan probabilitas yang sama sehingga jumlah titik data yang diharapkan dalam interval masing-masing adalah sama. Sekarang yang dihasilkan interval TIDAK panjang yang sama, pada umumnya, tetapi kesalahan adalah ukuran relatif sama untuk setiap interval. Teknik ini memberikan kemungkinan yang sama lebih baik uji, terutama dengan data yang sangat memuncak. The Chi Squared uji dapat dihitung dengan interval dengan panjang yang sama atau probabilitas sama oleh memilih kotak centang yang sesuai dalam Perhitungan halaman dialog Setup Fit. Yang sama pilihan yang mungkin adalah default.

Sedangkan statistik uji untuk uji Chi Squaredbisa berguna, nilai p lebih berguna dalam menentukankebaikan fit. Nilai p adalahdidefinisikan sebagai probabilitas bahwa sampel lainakan menjadi seperti biasa sebagai sampel saat ini diberikanyang sesuai dengan sesuai. Sebuah nilai p kecil menunjukkanbahwa sampel saat ini sangat tidak mungkin,dan karena itu, sesuai harus ditolak. Sebaliknya,suatu p nilai yang tinggi menunjukkan bahwa sampelmungkin dan akan diulang, dan oleh karena itu,cocok tidak harus ditolak. Dengan demikian, para TINGGIp-value, semakin besar kemungkinan yang sesuai dengan sesuai.Ketika membandingkan dua distribusi dipasang berbeda,distribusi dengan nilai-p lebih tinggi adalahmungkin menjadi lebih cocok terlepas dari tingkatsignifikansi.Kolmogorov Smirnov TestUji Kolmogorov Smirnov (KS) adalah statistikuji kebaikan fit dari akumulasi dipasangdistribusi data masukan dalam Data

Tabel, poin demi poin. Uji KS menghitungterbesar absolut selisih antara akumulasidistribusi untuk data input dan dilengkapidistribusi menurut persamaan:, i = 1,..., n, i = 1,..., ndimana D adalah statistik KS, x adalah nilaimenunjukkan engan n titik data total, dan F (x) adalahdipasang kumulatif distribusi. Perhatikan bahwa perbedaanditentukan secara terpisah untuk positif dannegatif perbedaan pada titik dengan basis poin.Uji statistik yang dihasilkan kemudian dibandingkan denganstandar nilai statistik Kolmogorov Smirnovdengan jumlah titik data yang sesuaidan tingkat signifikansi, biasanya berlabel alpha.Sementara uji KS hanya berlaku jika tidak adaparameter dalam ujian telah diperkirakan daridata, dapat digunakan untuk distribusi dipasangkarena ini adalah tes yang paling konservatif, yaitu,paling tidak mungkin untuk menolak sesuai dengan salah. KS ujidapat diperpanjang secara langsung ke beberapa distribusi tertentu,dan ini, khusus yang lebih ketat, tesmengambil bentuk penyesuaian ke lebih umumKS statistik. (Lihat Hukum & Kelton1, Brunk2, Stuart& Ord3)Kebaikan pandang fit juga melaporkan REJECTatau JANGAN MENOLAK keputusan untuk setiap tes KSberdasarkan perbandingan antara dihitunguji statistik dan statistik standar untukdiberikan tingkat signifikansi. Untuk memvisualisasikan proses ini untuk data kontinu, mempertimbangkan dua grafik di bawah ini:

Yang pertama adalah plot P-P normal, kumulatif probabilitas data input versus terus menerus plot distribusi kumulatif dipasang. Namun, untuk tes KS, perbandingan dibuat antara probabilitas data input memiliki nilai pada atau di bawah titik tertentu dan probabilitas distribusi kumulatif pada saat itu. Hal ini diwakili dalam grafik kedua dengan membandingkan probabilitas kumulatif untuk mengamati data, garis lurus, dengan yang diharapkan probabilitas dari distribusi kumulatif dipasang sebagai titik persegi. Uji KS mengukur perbedaan terbesar antara dengan berhati-hati account untuk sifat diskrit pengukuran. Perhatikan bahwa uji KS dapat diterapkan untuk diskrit data dalam cara yang sedikit berbeda, dan yang dihasilkan tes bahkan lebih konservatif dari KS test untuk data kontinu. Juga, tes mungkin lebih diperkuat untuk data diskrit (lihat Gleser1). Sedangkan statistik uji untuk Kolmogorov- Smirnov bisa berguna, nilai p lebih berguna dalam menentukan baik kecocokan. pvalue The didefinisikan sebagai probabilitas bahwa lain sampel akan seperti biasa sebagai sampel saat ini mengingat yang sesuai dengan sesuai. Sebuah nilai p kecil menunjukkan bahwa sampel saat ini sangat tidak mungkin, dan karena itu, sesuai harus ditolak. Sebaliknya, nilai p yang tinggi menunjukkan bahwa sampel mungkin dan akan diulang, dan karena itu, sesuai dengan tidak harus ditolak. Jadi, TINGGI p-value, semakin besar kemungkinan yang sesuai dengan sesuai. Ketika membandingkan dua distribusi dipasang berbeda, distribusi dengan pvalue tinggi mungkin menjadi lebih cocok terlepas dari tingkat signifikansi. Anderson Darling Test Uji Anderson Darling adalah uji kebaikan fit dari distribusi kumulatif dipasang data masukan dalam Tabel Data, tertimbang berat di ekor dari distribusi. Tes ini menghitung

integral dari selisih kuadrat antara data input dan distribusi dipasang, dengan peningkatan bobot untuk ekor distribusi, oleh persamaan: dimana Wn 2 adalah statistik AD, n adalah jumlah titik data, F (x) adalah distribusi kumulatif dipasang, dan Fn (x) adalah distribusi kumulatif