Критерий Лиллиефорса

Критерий Лиллиефорса — статистический критерий, названный по имени Хьюберта Лиллиефорса, профессора статистики Университета Джорджа Вашингтона, являющийся модификацией критерия Колмогорова–Смирнова. Используется для проверки нулевой гипотезы о том, что выборка распределена по нормальному закону для случая, когда параметры нормального распределения (математическое ожидание и дисперсия) априори неизвестны.

Проверка гипотезы проводится следующим образом:

• Оценивается выборочное среднее и дисперсия;
• Так же как при использовании критерия Колмогорова, находится максимальное отклонение между выборочной и теоретической интегральными функциями распределения.
• Принимается решение, является ли статистически значимым наблюдаемое отклонение выборочной функции распределения от теоретической. В случае положительного ответа, нулевая гипотеза отвергается.

Основным источником погрешности критерия Лиллиефорса является то обстоятельство, что параметры теоретического распределения оцениваются по тем же самым данным, которые проверяются на соответствие распределению. Таким образом, максимальное отклонение будет меньше, чем в случае, когда параметры распределения оцениваются независимо. Поэтому «нулевое распределение» статистики критерия, т.е. распределение вероятности в предположении об истинности нулевой гипотезы, оказывается смещено в сторону меньших значений по сравнению с распределением Колмогорова. Оно известно как «распределение Лиллиефорса» и рассчитывается методом Монте-Карло.

Табличные значения

В оригинальной статье 1967 года^[1] Лиллиефорс даёт следующую таблицу, полученную методом Монте-Карло. В таблице указаны критические значения максимального отклонения выборочной интегральной функции распределения от теоретической. В случае, если для выборки объёмом N при уровне значимости α максимальное отклонение превышает указанную в таблице величину, нулевую гипотезу о соответствии выборки нормальному распределению следует отвергнуть.

При объёме выборки N>30 критические значения убывают обратно пропорционально квадратному корню из объёма выборки, поэтому их можно с достаточной точностью найти по формуле

$\lambda_{\alpha ,N} = \frac{\lambda_{\alpha 0}}{\sqrt{N}},$

где значения λ_α0 указаны в формулах последней строки таблицы.

Размер выборки N	Уровень значимости для D = Max|F * (X)–SN(X)|
	0,20	0,15	0,10	0,05	0,01
4	0,300	0,319	0,352	0,381	0,417
5	0,285	0,299	0,315	0,337	0,405
6	0,265	0,277	0,294	0,319	0,364
7	0,247	0,258	0,276	0,300	0,348
8	0,233	0,244	0,261	0,285	0,331
9	0,223	0,233	0,249	0,271	0,311
10	0,215	0,224	0,239	0,258	0,294
11	0,206	0,217	0,230	0,249	0,284
12	0,199	0,212	0,223	0,242	0,275
13	0,190	0,202	0,214	0,234	0,268
14	0,183	0,194	0,207	0,227	0,261
15	0,177	0,187	0,201	0,220	0,257
16	0,173	0,182	0,195	0,213	0,250
17	0,169	0,177	0,189	0,206	0,245
18	0,166	0,173	0,184	0,200	0,239
19	0,163	0,169	0,179	0,195	0,235
20	0,160	0,166	0,174	0,190	0,231
25	0,149	0,153	0,165	0,180	0,203
30	0,131	0,136	0,144	0,161	0,187
Более 30	$\frac{0,736}{\sqrt{N}}$	$\frac{0,768}{\sqrt{N}}$	$\frac{0,805}{\sqrt{N}}$	$\frac{0,886}{\sqrt{N}}$	$\frac{1,031}{\sqrt{N}}$

Сравнение с критерием Колмогорова

Для критерия Лиллиефорса, так же как и для критерия Колмогорова, критические значения для больших выборок изменяются обратно пропорционально квадратному корню из объёма выборки. Коэффициенты λ_α0, фигурирующие в этой формуле могут служит показателем относительной величины критических отклонений для этих двух распределений.

Как показывают данные, приведённые в таблице, критические значения критерия Лиллиефорса примерно в 1,5 раза меньше, чем соответствующие значения для критерия Колмогорова. Это связано с тем, что параметры теоретической кривой для критерия Лиллиефорса вычисляются исходя из той же самой исходной выборки. Таким образом, по сравнению с критерием Колмогорова, теоретическая кривая искусственно «подогнана» под выборку, что даёт заниженные значения отклонений.

Критические значения λα0 для распределений:	Уровень значимости α
	0,20	0,10	0,05	0,01
Распределение Колмогорова	1,073	1,224	1,358	1,627
Распределение Лиллиефорса	0,736	0,805	0,886	1,031

Примечания

1. ↑ Lilliefors, H. (June 1967) On the Kolmogorov–Smirnov test for normality with mean and variance unknown. Journal of the American Statistical Association, Vol. 62, No. 318

См. также

• en:Normality test
• en:Jarque–Bera test
• en:Q-Q plot

Ссылки

• US NIST Handbook of Statistics

Литература

• Lilliefors, H. (June 1967) On the Kolmogorov–Smirnov test for normality with mean and variance unknown. Journal of the American Statistical Association, Vol. 62, No. 318 (Jun., 1967), pp. 399-402.
• Lilliefors, H. (March 1969) On the Kolmogorov-Smirnov Test for the Exponential Distribution with Mean Unknown . Journal of the American Statistical Association, Vol. 64, No. 325. (Mar., 1969), pp. 387-389.
• Hervé Abdi, Paul Molin Lilliefors/Van Soest’s test of normality. In: Neil Salkind (Ed.) (2007). Encyclopedia of Measurement and Statistics. Thousand Oaks (CA): Sage.
• Dallal, G.E. and Wilkinson, L. (1986): An analytic approximation to the distribution of Lilliefors' test for normality. The American Statistician, 40, 294–296 (в платном доступе). Abstract.
• Juergen Gross Lilliefors (Kolmogorov-Smirnov) test for normality.
• Molin, P., Abdi H. (1998). New Tables and numerical approximation for the Kolmogorov-Smirnov/Lillierfors/Van Soest test of normality. Technical report, University of Bourgogne.
• Zvi Drezner, Ofir Turel, Dawit Zerom, Steven G. Mihaylo A Modifed Kolmogorov-Smirnov Test for Normality. Munich Personal RePEc Archive, 22 October 2008. MPRA Paper No. 14385, posted 31 March 2009.
• Dag J. Steinskog, Dag B. Tjøstheim, Nils G. Kvamstø (2007) A Cautionary Note on the Use of the Kolmogorov–Smirnov Test for Normality http://folk.uib.no/ngbnk/Publications/Steinskog_etal_MWR_07.pdf. Monthly Weather Review, 135, 1151–1158.
• Goodness-of-fit Test: Lilliefors Test for Exponentially. Онлайн-калькулятор теста Лиллиефорса для экспоненциального распределения.
• Razali N.M., Yap Bee Wah (2011) Power comparisons of Shapiro-Wilk, Kolmogorov-Smirnov, Lilliefors and Anderson-Darling tests. Journal of Statistical Modeling and Analytics. Vol. 2, No. 1, 21-33.

Столбчатая диаграмма · Совмещённая диаграмма · Диаграмма управления · Лесная диаграмма · Гистограмма · Q-Q диаграмма · Диаграмма выполнения · Диаграмма разброса · Стебель-листья · Ящик с усами