卜瓦松適合度檢定

卜瓦松適合度檢定用於判斷計數資料是否服從卜瓦松分配——該分配描述稀有事件在固定的時間、面積、體積或機會區間內發生的次數。若資料與卜瓦松分配配適良好,則可確認事件以恆定的平均速率隨機且獨立地發生。

最後審閱

核心要點

卜瓦松適合度檢定用於判斷計數資料是否服從卜瓦松分配,該分配描述稀有事件在固定的時間、面積、體積或機會區間內發生的次數。

本頁內容
  1. 什麼是卜瓦松適合度檢定?
  2. 何時使用卜瓦松適合度檢定?
  3. 正確使用卜瓦松適合度檢定的指南
  4. 替代方法:何時不宜使用卜瓦松適合度檢定
  5. 卜瓦松適合度檢定範例
  6. 如何進行卜瓦松適合度檢定

什麼是卜瓦松適合度檢定?

卜瓦松適合度檢定用於判斷計數資料是否服從卜瓦松分配——該分配描述稀有事件在固定的時間、面積、體積或機會區間內發生的次數。若資料與卜瓦松分配配適良好,則可確認事件以恆定的平均速率隨機且獨立地發生。

常見應用包括檢定每個單位的缺陷數、每小時的顧客到達數或每月的設備故障數是否服從卜瓦松模型——這是統計製程管制中 C 管制圖和 U 管制圖的基礎。

簡單定義:一項檢定,用於檢查計數資料是否與卜瓦松分配配適——確認稀有事件是否以穩定的平均速率隨機且獨立地發生。

何時使用卜瓦松適合度檢定?

  • 當資料由 事件計數(而非量測值)構成時使用——例如每個單位的缺陷數、每份文件的錯誤數或每臺機器每月的故障數。
  • 在應用 C 管制圖、U 管制圖或卜瓦松迴歸之前,需要 驗證卜瓦松製程的假設 時使用。
  • 當事件 相對於機會總數而言是稀有的 時使用——當單一事件的機率很低但機會數很大時,適用卜瓦松分配。
  • 用於 診斷過度離散 ——若資料顯著不符合卜瓦松配適,則變異數超過平均值,表明存在標準 C 管制圖或 U 管制圖無法發現的額外變異來源。

正確使用卜瓦松適合度檢定的指南

  • 事件必須 相互獨立 ——一個事件的發生不得影響下一個事件發生的可能性。
  • 在所有觀測期內,平均發生率必須恆定 ——若發生率隨時間變化,則卜瓦松模型不適用。
  • 確保每個計數類別的期望次數 至少為 1 至 5 ——必要時合併計數較低的類別,以得到可靠的檢定。
  • 若 p 值低於 0.05,則表示資料不符合卜瓦松分配——請調查是否由過度離散、聚集或發生率變化所致。

替代方法:何時不宜使用卜瓦松適合度檢定

  • 若計數資料 因過度離散而不符合卜瓦松配適,請使用 負二項分配 或 Laney U′ / Laney P′ 管制圖
  • 若反應為 分類型而非計數,請使用 卡方適合度檢定
  • 若反應為 連續型,請使用 常態性檢定或個別值分配識別
  • 若事件 並不稀有或事件發生率較高,卜瓦松假設可能不成立——請考慮 二項分配檢定

卜瓦松適合度檢定範例

一位品質工程師想知道每部手機的缺陷數是否服從卜瓦松分配。工程師隨機選取 300 部手機,並記錄每部手機的缺陷數。檢定步驟如下:

  1. 收集所需資料。
Poisson Goodness Of Fit — figure 1
  1.  現在,在 Zometric Statistical Software 中分析資料,網址為 https://statsai.zometric.com/。
  2.  要找到卜瓦松適合度檢定,請選擇 Statistical module> Hypothesis Test> Poisson Goodness Of Fit.
  3.  在工具中,輸入資料及其他輸入項如下:
Poisson Goodness Of Fit — figure 2

5. 使用上述工具後,得到的輸出如下:

Poisson Goodness Of Fit — figure 3Poisson Goodness Of Fit — figure 4

如何進行卜瓦松適合度檢定

操作步驟如下:

  1. 登入 Zometric Statistical Software,網址為 https://statsai.zometric.com/
  2. 在首頁選擇 Statistical Tool> Hypothesis Test >Poisson Goodness Of Fit .
  3. 接下來,手動更新資料,或從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。
  4. 填寫所需的選項。
  5. 最後,點選頁面底部的 calculate,即可得到所需結果。

在卜瓦松適合度檢定的工具介面中,視窗分為兩部分。

Poisson Goodness Of Fit — figure 5

左側是資料窗格(Data Pane)。在 Data Pane 中,每一列構成一個子群組。可手動輸入資料,也可從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。

Load example: 將載入範例資料。

Load File: 用於直接載入 Excel 資料。

右側提供以下選項:

  • Variable 選擇包含待檢定的 計數資料 的欄——例如每個單位的缺陷數、每份文件的錯誤數,或每臺機器每個檢驗週期的故障數。該欄中的每個值表示在規定的機會或時間區間內事件發生的次數。這是檢定用來評估資料是否服從卜瓦松分配的主要輸入。此欄位為必填。
  • Frequency Variable 選擇包含 每個計數值的次數 的欄——即每個具體計數在資料集中出現了多少次。此欄位為可選,適用於資料已彙總為次數表,而非逐條列出單一觀測值的情形。
  • 例如,若資料顯示缺陷數為 0 的情況出現了 15 次,缺陷數為 1 的情況出現了 22 次,缺陷數為 2 的情況出現了 8 次——則應在 Variable 欄中輸入計數值(0、1、2),並在 Frequency Variable 欄中輸入相應的次數(15、22、8)。若資料為原始形式,每列一個觀測值,請將此欄位留空。
  • Bar Chart of Observed and Expected Values 啟用後,顯示並排條形圖,比較 實際觀測計數與卜瓦松分配下的期望計數。這是資訊量最豐富的視覺化輸出——它可立即顯示觀測資料的形狀是否與理論卜瓦松曲線吻合,或是否存在顯著偏離,以及偏離的方向(比預期更分散、更集中,或偏斜方式不同)。
  • Bar Chart of Each Category Contribution to the Chi-Square Value 啟用後,顯示條形圖,展示每個計數值 對總體卡方檢定統計量的貢獻有多大。最高的條形代表偏離卜瓦松期望最大的計數值——幫助您準確找出分配在哪裡失效,而不僅僅是知道整體配適不佳。這對於診斷是過度離散、離散不足,還是某個特定的異常計數導致了該結果尤為有用。
  • Display Bars from Largest to Smallest 啟用後,將貢獻圖中的條形按 降序 排列,從貢獻最大的到最小的。這樣可以立即看出哪些計數值對偏離卜瓦松分配的影響最大——先關注最顯著的偏離,而不是按計數順序逐個閱讀條形。
  • Display Test Results 啟用後,直接在圖表旁邊顯示完整的統計檢定輸出——包括 卡方統計量、自由度、估計的卜瓦松平均值(lambda)和 p 值。這使您可以在同一處同時檢視視覺化結果和數值結果,無需在不同的輸出面板之間切換,更便於解讀整體結論。

常見問題

什麼是卜瓦松適合度檢定?

卜瓦松適合度檢定用於判斷計數資料是否服從卜瓦松分配,該分配描述稀有事件在固定的時間、面積、體積或機會區間內發生的頻率。配適良好支援以下結論:事件以恆定的平均速率隨機且獨立地發生,例如每個單位的缺陷數或每月的故障數。

何時應使用卜瓦松適合度檢定?

當資料是事件計數而非量測值,且希望在應用 C 管制圖、U 管制圖或卜瓦松迴歸之前驗證卜瓦松假設時使用。它還可用於診斷過度離散:若資料明顯不符合卜瓦松配適,則變異數超過平均值,表明存在標準 C 管制圖或 U 管制圖無法發現的額外變異來源。

如何解讀卜瓦松適合度檢定的 p 值?

p 值低於 0.05 表示資料不符合卜瓦松分配,因此請調查是否由過度離散、聚集或發生率變化所致。輸出報告卡方統計量、自由度、估計的卜瓦松平均值(lambda)和 p 值,而各類別對卡方貢獻的圖表則顯示哪些計數值偏離卜瓦松期望最大。

如果計數資料不符合卜瓦松分配,應該怎麼辦?

若資料因過度離散而不符合卜瓦松配適,請考慮負二項分配或 Laney U′ 或 Laney P′ 管制圖。若事件並不稀有,請考慮二項分配檢定。同時檢查每個計數類別的期望次數是否至少為 1 至 5,必要時合併計數較低的類別,以得到可靠的檢定。