如何在Matlab中针对指定均值执行Chi^2拟合优度检验？

chi2gof默认会自动从输入数据中估计分布参数，要基于预设均值进行拟合检验，核心是通过自定义累积分布函数（CDF）来固定均值参数，而非让函数自动估算。以下是具体实现方法：

正态分布示例（固定预设均值） #

假设你要检验数据是否符合**均值为预设值mu0**的正态分布，步骤如下：

1. 准备数据与预设参数
2. 定义使用预设均值的自定义CDF
3. 传入chi2gof执行检验

% 1. 准备示例数据（实际替换为你的数据）
x = randn(100, 1) + 1; % 生成均值接近1的正态样本
mu0 = 1; % 你的预设均值
sigma = std(x); % 可使用样本标准差，也可替换为预设的固定标准差

% 2. 定义使用预设均值的自定义CDF
custom_norm_cdf = @(z) normcdf(z, mu0, sigma);

% 3. 执行卡方拟合优度检验
[h, p_val, test_stats] = chi2gof(x, 'CDF', custom_norm_cdf);

泊松分布示例（固定预设均值） #

泊松分布的均值等于其参数lambda，若要检验数据是否符合均值为lambda0的泊松分布：

% 1. 准备示例数据
x = poissrnd(2, 100, 1); % 生成均值为2的泊松样本
lambda0 = 2; % 预设均值

% 2. 定义自定义CDF
custom_poisson_cdf = @(z) poisscdf(z, lambda0);

% 3. 执行检验
[h, p_val, test_stats] = chi2gof(x, 'CDF', custom_poisson_cdf);

关键说明 #

• 'CDF'参数是核心：通过传入自定义CDF，强制检验使用你指定的预设均值，而非函数自动估算的参数。
• 检验结果解读：
  • h=1：拒绝“数据服从该预设均值分布”的原假设
  • h=0：不拒绝原假设
  • p_val是检验的p值，test_stats包含卡方统计量、自由度等细节
• 若需控制分组区间，可额外添加'Edges'参数自定义区间边界。

内容的提问来源于stack exchange，提问作者Mori