Modele si metode statistice in ingineria informatiei

Tema de casa 2

Magheru Ana-Maria
Mihai Andreea-Atena
Grupa IISC

Facultatea de Electronica, Telecomunicatii si Tehnologia Informatiei

 -2011-

Cuprins
1. Notiuni teoretice

1.1 Testul de concordanta Kosmogorov-Smirnov

2. Rezultatele experimentale

1
 1. Notiuni teoretice

1.1. Testul de concordanta Kosmogorov-Smirnov

Acest test de concordanta se poate aplica pentru variabile aleatoare continue, pentru care densitatea de
probabilitate si functia de repartitie sunt functii continue.

Etapele testului Kolmogorov-Smirnov:

1. Pe baza datelor experimentale se construieste functia de repartitie experimental, care este, cu o buna
aproximatie, de forma:

unde i=1,...,N-1

2. Se face diferenta dintre Fex(x) si Fx(x) si se ia maximul dintre aceste diferente in modul, in raportul cu x.

3. Se formeaza astfel o noua variabila aleatoare , ale carei valori experimentale sunt diferentele din fiecare
punct anterior determinate,

4. Se determina alfa-cuantilele pentru noua variabiala notata Z=

5. Se determina alfa-cuantila de forma:

6. Se aplica verificarea ipotezelor:

- H0: variabila are functia de repartitie Fx(x) si
- H1: variabila are alta functie de repatitie diferita de F x(x).
7. Conditia pentru a accepta ipoteza H0 este : . Altfel se respinge ipoteza.

2. Rezultatele experimentale
 Punctul a)
Etapa1: Pentru α=0.05 si , s-a dimensionat experimentul la N=2042.

Etapa 2: S-au generat N date experimentale de distributie gaussiana standard N(0,1).

2
 Figura 1. Densitatea de probabilitate pentru v.a. X
In Figura 2 sunt prezentate comparativ functia de repartitie teoretica, marcata cu rosu, si functia de repartitie
experimentala, marcata cu negru. Se observa ca cele doua functii urmaresc aceeasi traiectorie. Pe grafic mai este
marcat vectorul diferentelor, , in culoarea verde. Se observa ca diferentele sunt foarte mici.

Figura 2. Functia de repartitie teoretica si experimentala

Etapa 3: Se aplica testul Kolmogorov-Smirnov descris mai sus.

Pentru testul aplicat cu se obtine δ=0.0125, care fiind mai mic decat se poate spune

ca datele confirma legea teoretica Fx(x).

Etapa 4: Se repeta etapele 2 si 3 de 500 de ori si se evalueaza proportia de H0 acceptate. Pentru pragul de
semnificatie α=0.05 ales se observa ca datele confirma H0 in proportie de 99.6% din cazuri.

Punctul b)
Etapa1: Pentru aceleasi date α=0.05 si dimeniunea experimentului ramane N=2306.

Etapa 2: S-au generat N date experimentale de distributie gaussiana standard N(0.2,1).

3
 Figura 3. Densitatea de probabilitate pentru v.a. X

In Figura 2 sunt prezentate comparativ functia de repartitie teoretica, marcata cu rosu, si functia de repartitie
experimentala, marcata cu negru. Se observa ca cele doua functii nu mai urmaresc aceeasi traiectorie. Pe grafic mai
este marcat vectorul diferentelor, , in culoarea verde. Se observa ca de data aceasta diferentele sunt
semnificative.

Figura 4. Functia de repartitie teoretica si experimentala

Etapa 3: Se aplica testul Kolmogorov-Smirnov descris mai sus.

Pentru testul K-S aplicat o singura data cu se obtine δ=0.089, care fiind mai mare decat

se spune ca datele sunt respinse ca fiind semnificative pentru pragul  de semnificatie ales.

4
 Etapa 4: Se repeta etapele 2 si 3 de 500 de ori si se evalueaza proportia de H0 acceptate. Pentru pragul
de semnificatie α=0.05 ales se observa ca datele confirma H0 doar in proportie de 0% din cazuri, deci
respingem datele ca fiind semnificative pentru pragul  de semnificatie ales.

In figura de mai jos s-a reprezentat vectorul delta mic de distante maxime obtinute in cele 500 de
repretari. Se observa ca acesta nu are o distributie anume.

Figura 5. Vectorului delta obtinut

Functia de repartitie a acestui vector de distante maxime este:

Figura 6. Functia de repartitie pentru delta

Concluzie: Testul de concordanta K-S este un test cu o precizie ridicata care, in functie de pragul de
semnificatie ales si de valoare lui Δα (abaterea maxima acceptata), ne indica daca datele au legea de repartitie
presupusa.

5
Bibliografie:

1. Adriana Vlad, Bogdan Badea, Mihai Mitrea - Metode statistice in prelucrarea informatiei
(Compediu si aplicatii), Metropol, 1999.
2. Adriana Vlad, Bogdan Eugen Badea –Metode statistice in prelucrarea datelor(Estimarea
statistica), Paideia, 2002