概率论与数理统计习题和课件(历史上最好的7-2
概率论与数理统计ppt课件 完整版
P(AB)P(A)P(B)P(A)B.
推广 P (A B C )P(A )P(B )P(C) P(A)B P(A)C P(B)C P(AB ).C
n
P (A 1 A 2 A n ) P(A i ) P(A i A j )
i1
1i jn
P(A i A j Ak )
1i jkn
17
例3. 某接待站在某一周曾接待过12次来访, 且都是在周二 和周四来访. 问是否可以推断接待时间是有规定的?
注
实际推断原理:“小概率事件在一次试 验中实际上是不可能发生的”.
18
二、几何定义:
定义若对于一随机试验,每个样本点出现是等可能的 ,
样本空间所含的样本点个数为无穷多个,且具有非 零的 ,有限的几何度量,即 0m(),则称这一随机 试验是一几何概型的 .
16
例1. 袋中装有4只白球和2只红球. 从袋中摸球两次,每次任取一球.有两种式: (a)放回抽样; (b)不放回抽样.
求: (1)两球颜色相同的概率; (2)两球中至少有一只白球的概率.
例2. 设一袋中有编号为1,2,…,9的球共9只, 现从中任取3 只, 试求: (1)取到1号球的概率,(事件A) (2)最小号码为5的概率.(事件B)
(一)条件概率: 设试验E的样本空间为S, A, B是事件, 要考虑
在A已经发生的条件下B发生的概率, 这就是条件概 率问题.
例1.老王的妻子一胎生了3个孩子,已知老大是女孩,求另 两个也都是女孩的概率(假设男孩、女孩出生率相同).
1. 定义: 设A, B是两个事件, 且P(A)>0, 称
P(B| A) P(AB) P(A)
(1) 对任一事件A,有P(A)≥0; (非负性) (2) P(S)=1;(规范性) (3) 设A1,A2,…是两两互不相容的事件,则有
概率论与数理统计完整ppt课件
在化学领域,概率论与数理统计被用于研究化学反应的速率和化 学物质的分布,如化学反应动力学、量子化学计算等。
生物
在生物学中,概率论与数理统计用于研究生物现象的变异和分布, 如遗传学、生态学、流行病学等。
在工程中的应用
通信工程
01
概率论与数理统计在通信工程中用于信道容量、误码率、调制
解调等方面的研究。
边缘分布
对于n维随机变量(X_1,...,X_n),在概 率论中,分别定义了X_1的边缘分布 、...、X_n的边缘分布。
04
数理统计基础
样本与抽样分布
01
02
03
总体与样本
总体是包含所有可能数据 的数据集合,样本是总体 的一个随机子集。
抽样方法
包括简单随机抽样、分层 抽样、系统抽样等。
样本分布
描述样本数据的分布情况 ,如均值、中位数、标准 差等。
参数估计与置信区间
参数估计
利用样本数据估计总体的 未知参数,如均值、方差 等。
点估计
用样本统计量作为总体参 数的估计值。
置信区间
给出总体参数的一个估计 区间,表示对总体的参数 有一个可信的估计范围。
假设检验与方差分析
假设检验
通过样本数据对总体参数提出 假设,然后根据假设进行检验
01
定义
设E是一个随机试验,X,Y是定义在E上,取值分别为实数的随机变量
。称有序实数对(X,Y)为一个二维随机变量。
02
分布函数
设(X,Y)是一个二维随机变量,对于任意实数x,y,二元函数
F(x,y)=P({X<=x,Y<=y})称为二维随机变量(X,Y)的分布函数。
03
边缘分布
对于二维随机变量(X,Y),在概率论中,分别定义了X的边缘分布和Y的
概率论与数理统计课件(最新完整版)
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
2020年最新
概率论与数理统计课件【】
试验者 德.摩根
n
2048
nA
1061
fn (A)
0.5181
蒲丰
4040
2048
0.5069
费勒
10000
4979
0.4979
ቤተ መጻሕፍቲ ባይዱK.皮尔逊
12000
6019
0.5016
K.皮尔逊
24000
12012
0.5005
一口袋中有6个乒乓球,其中4个白的,2个红的.有 放回地进行重复抽球,观察抽出红色球的次数。
的次数 nA
称为事件 A 发生的频 数.比值
nA n
称为事件
A 发生的频 率,并记
成 fn ( A).
通过实践人们发现,随着试验重复次数n 的大量增加,频率fn ( A)会
越来越稳定于某一个常数, 我们称这个常数为频率的稳定值.其实这个值
就是事件A的概率f ( A).
在相同的条件下,多次抛一枚均匀的硬币,设事件 A =“正面朝上”,
1.1.4 事件间的关系与运算
1. 包含关系与相等: “事件 A发生必有事件B发生 ” 记为AB。 A=B AB且BA.
A B
A
B Ω
2. 和(并)事件: “事件A与事件B至少有一个 发生”,记作AB或A+B。
显然:AAB,BAB;若AB,则AB=B。
推广:n个事件A1, A2,…, An至少有一个发生,
1.1.3 随机事件与样本空间
❖样本空间: 试验的所有可能结果所组成的集合称为 试验E的样本空间, 记为Ω. ❖样本点: 试验的每一个可能出现的结果(样本空 间中的元素)称为试验E的一个样本点, 记为ω.
概率论与数理统计全套精品课件(PPT)
河南工业大学理学院
教材:《概率论与数理统计》第三版 王松桂 等编 科学出版社
参考书:1.《概率论与数理统计》 浙江大学 盛骤等 编 高等教育出版社
2. 《概率论与数理统计》 魏振军 编
中国统计出版社
序言
概率论是研究什么的?
人们所观察到的现象大体上分成两类: 1.确定性现象或必然现象 事前可以预知结果的:即在某些确定的条 件满足时,某一确定的现象必然会发生,或根 据它过去的状态,完全可以预知其将来的发展 状态。 2.偶然性现象或随机现象 事前不能预知结果:即在相同的条件下重 复进行试验时,每次所得到的结果未必相同, 或即使知道它过去的状态,也不能肯定它将来 的状态。
写出样本空间,指出哪些是基本事件,表示B ,C,D。
解: {1, 2,..., 6} Ai {i},i 1,..., 6 为基本事件
B {2, 4, 6} C {1,3,5} D {4,5, 6}
既然事件是一个集合,因此有关事件 间的关系、运算及运算规则也就按集合 间的关系、运算及运算规则来处理。
1.1.1 随机试验与事件
随机试验(试验)的特点: 1.可在相同条件下重复进行; 2.每次试验之前无法确定具体是哪种结果出 现,但能确定所有的可能结果。
试验常用“E”表示
(随机)试验的例子
E1: 掷一颗骰子,观察所掷的点数是几; E2 :工商管理部门抽查产品是否合格; E3: 观察某城市某个月内交通事故发生的次数; E4 :已知物体长度在a和b之间,测量其长度; E5: 对某只灯泡做试验,观察其使用寿命; E6: 对某只灯泡做试验,观察其使用寿命是否小
于200小时。
样本空间:试验的所有可能结果所组成
的集合称为样本空间。记为:
概率论与数理统计7-2
牡丹江师范学院教案教研室:教师姓名:授课时间:课程名称概率论与数理统计授课专业和班级授课内容二维随机变量函数的分布授课学时2学时教学目的了解二维随机变量函数的分布教学重点和的分布、平方和的分布教学难点最大值与最小值的分布教具和媒体使用板书教学方法讲授法、引导法、读书指导法教学过程包括复习旧课、引入新课、重点难点讲授、作业和习题布置、问题讨论、归纳总结及课后辅导等内容时间分配(90分钟) 复习旧课本课程知识的引入重点和难点讲授§2.12二维随机变量函数的分布和的分布平方和的分布最大值与最小值的分布本节小结作业布置10分钟10分钟20分钟20分钟20分钟5分钟5分钟板书设计第二章随机变量及其分布§2.12二维随机变量函数的分布1、和的分布2、平方和的分布3、最大值与最小值的分布讲授新拓展内容课后总结教研室主任签字年月日讲 稿讲 授 内 容备注§2.12二维随机变量函数的分布已知二维随机变量(X ,Y )的联合分布,怎样求随机变量函数 Z =g (X ,Y )的分布。
1.和的分布 离散随机变量X 与Y 的和两个离散随机变量X 与Y 的和,显然也是离散随机变量。
记作Z : Z =X +Y变量Z 的任一个可能值z k 是变量X 的可能值x i 与变量Y 的可能值y j 的和:z k =x i +y j 但是,对于不同的x i 及y j ,它们的和 x i +y j 可能是相等的,则()()(,)(,)Z k k i j i j i j i jp z P Z z P X x Y y p x y ======∑∑∑∑这里求和的范围是一切使 x i +y j =z k 的i 及j 的值,也可以写成: ()(,)Z k i k i i p z p x z x =-∑求和的范围可以认为是一切i 的值,如果对于i 的某一个值i 0,数0k i z x -不是变量Y 的可能值,则规定00(,)0i k i p x z x -=。
概率论与数理统计习题答案(完整版)
n1 C , 90 110 C400 C1100 所以, P1=n1/n= 200 C1500
解 (1) n= C
200 1500
90 400
C
110 1100
(2) P2=1-P{至多有一个次品} =1-P{没有次品}-P{恰有一个次品}
(2) 一个人的血型与两种抗体都发生作用的概率.
解 由已知可得: 一个人血型是AB型血的概率为0.04. (1) PA=0.34+0.04=0.38, PB=0.12+0.04=0第35页)
1. 已知随机事件A, B满足P(AB)=P(A B), 且P(A)=p,
3 1 2 n 1 2 n 1
A A ( A A ) ( A A A ) ( A A A A
A1 A2 A1 A3 A2 A1 An An1 An2 A1
)
3. 在某班学生中任选一个同学,以 A表示选到的是男同
学, B表示选到的人不喜欢唱歌, C表示选到的人是运动员.
1. 某城市共发行三种报纸A, B, C, 已知城市居民订购
A的占45%, 订购B的占35%, 订购C的占30%, 同时订购A
与B的占10%, 同时订购A与C的占8%, 同时订购B与C的占 5%, 同时订购A, B, C的占3%, 求下列事件的概率: (7) 至多订购一种报纸; P{至多订购一种报纸} =P{不订购任何报纸}+P{只订购一种报纸} =0.1+0.73=0.83 或 P{至多订购一种报纸} 或 =1-P{正好订购二种报纸}- P{订购三种报纸} =1-0.14-0.03=0.83
概率论与数理统计PDF版课件7-2
. 的一个合理解释. 但注意,并不要求包含真实值的区
间正好%,只要是大约%就是合理地,比如也可以.
第七章参数估计 §7.2 区间估计
求置信区间的步骤
=
, ⋯ , ,
(1)找一个与未知参数有关的统计量
11 0.248
3.816
第七章参数估计 §7.2 区间估计
注1 上述求解或 的置信区间时,我们选取的点估计
都是矩估计量或者最大似然估计量. 事实上,我们也可以用
贝叶斯估计量来构造置信区间.详细内容参考本章“重要补
充及扩展问题”的第五节(见教材P220)
注2 上述利用枢轴量进行区间估计的时候都要求总体服
从正态分布. 但实际中,我们考虑的总体经常不服从正态分
布. 这种情况下的区间估计采用的是大样本区间估计. 详细
内容参考本章“重要补充及扩展问题”的第六节(见教材
P220)
第七章参数估计 §7.2 区间估计
三、两个正态总体的区间估计
设 , ⋯ , 为来自正态总体 ∼ , 的简单随机
1. 当 和 已知时,求 − 的置信区间
ഥ−
ഥ 作为总体均值差 − 的点估计;
(1)选取样本均值差
X − Y − ( 1 − 2 )
(2)构造枢轴量
~ N ( 0,1) ;
2
2
(
)
1
n1
(3)选取 = − = Τ ;
+
2
n2
(4) − 的 − 的置信区间
.
n
n
2
2
第七章参数估计 §7.2 区间估计
例3( 见教材P213) 假设 轮胎的寿 命服从正 态分布
概率论与数理统计书ppt课件
条件概率与独立性
CHAPTER
随机变量及其分布
02
随机变量的概念与性质
定义随机变量为在样本空间中的实值函数,其取值依赖于随机试验的结果。
随机变量
讨论随机变量的可数性、可加性、正态性等性质。
随机变量的性质
离散型随机变量的概念
定义离散型随机变量为只能取可数个值的随机变量。
离散型随机变量的分布
讨论离散型随机变量的概率分布,如二项分布、泊松分布等。
应用
中心极限定理及其应用
CHAPTER
贝叶斯推断与决策分析
07
贝叶斯推断的基本原理
金融风险管理
贝叶斯推断在金融风险管理领域有着广泛的应用,如信用风险评估、投资组合优化等。
医疗诊断
贝叶斯推断在医疗诊断方面也有着重要的应用,如疾病诊断、预后评估等。
机器学习与人工智能
贝叶斯推断在机器学习算法和人工智能领域中也有着广泛的应用,如朴素贝叶斯分类器、高斯混合模型等。
参数估计与置信区间
01
点估计
用单一的数值估计参数的值。
02
区间估计
给出参数的一个估计区间,通常包括一个置信水平。
比较两个或多个组的均值差异,确定因素对结果的影响。
方差分析
检验两个或多个组的方差是否相等。
方差齐性检验
研究变量之间的关系,并预测结果。
回归分析
假设检验与方差分析
CHAPTER
回归分析与线性模型
应用
在现实生活中,大数定律被广泛应用于保险、赌博、金融等领域,通过统计数据来预测未来的趋势和风险。
大数定律及其应用
在独立随机变量序列中,它们的和的分布近似于正态分布,即中心极限定理。这意味着,当样本量足够大时,样本均值近似于正态分布。
概率论与数理统计课件(完整)
1.3 频率与概率
某人向目标射击, 以A表示事件“命中目标”, P( A) =? 定义:(p8) 事件A在n次重复试验中出现nA次,则 比值nA/n称为事件A在n次重复试验中
(1) P(A) ≥0;
(2) P()=1;
(3) 可列可加性:设A1,A2,…, 是一列两两互不 相容的事件,即AiAj=,(ij), i , j=1, 2, …, 有 P( A1 A2 … )= P(A1) +P(A2)+…. 则称P(A)为事件A的概率。 (1.1)
2.概率的性质 P(8-9) (1) 有限可加性:设A1,A2,…An , 是n个两两互 不相容的事件,即AiAj= ,(ij), i , j=1, 2, …, n ,则有 P( A1 A2 … An)= P(A1) +P(A2)+… P(An); (2) 单调不减性:若事件AB,则 P(A)≥P(B) (3)事件差 A、B是两个事件, 则 P(A-B)=P(A)-P(AB)
种取法.
1、抽球问题
例1:设合中有3个白球,2个红球,现从合中 任抽2个球,求取到一红一白的概率。 解:设A-----取到一红一白
N () C
2 5
1 1 N ( A) C3 C2
CC 3 P( A) 2 C5 5
1 3
1 2
答:取到一红一白的概率为3/5
一般地,设盒中有N个球,其中有M个白 球,现从中任抽n个球,则这n个球中恰有
概率论与数理统计课件()
随机变量的函数的期望与方差的应用:在统计推断、金融等领域中的应用
05
大数定律与中心极限定理
大数定律的定义与性质
大数定律的概念和定义
大数定律的性质和特点
大数定律在概率论与数理统计中的应用
大数定律与中心极限定理的统计中的重要定理之一,它描述了当样本数量足够大时,样本均值近似服从正态分布。
以上内容仅供参考,具体内容应根据您的需求和实际情况进行调整和完善。
统计量与分布
常见统计量:均值、方差、标准差、中位数、众数等
统计量的定义:统计量是样本数据的函数,用于描述样本数据的特征或规律
统计量的分类:描述性统计量、推论性统计量
分布的概念:分布是描述随机变量取值规律的函数,用于描述随机变量的概率分布情况
,a click to unlimited possibilities
概率论与数理统计课件
目录
01
添加目录标题
02
概率论的基本概念
03
随机变量及其分布
04
随机变量的函数及其性质
05
大数定律与中心极限定理
06
数理统计的基本概念
07
参数估计与假设检验
01
添加章节标题
02
概率论的基本概念
概率的定义与性质
07
参数估计与假设检验
参数估计的方法与原理
点估计与区间估计
最小二乘法
极大似然法
贝叶斯估计法
假设检验的原理与方法
输入你的智能图形项正文,请尽量言简意赅的阐述观点。
假设检验的基本思想
输入你的智能图形项正文,请尽量言简意赅的阐述观点。
假设检验的步骤
假设检验的方法
假设检验的分类 假设检验的方法
概率论与数理统计完整版课件全套ppt教学教程-最全电子讲义(最新)
四、事件的关系与运算
在一个样本空间中显然可以定义不止一个事件。概率论的重要研究课 题之一是希望从简单事件的概率推算出复杂事件的概率。为此,需要研究 事件间的关系与运算。
事件是一个集合,因此事件间的关系和运算自然按照集合之间的关系 和运算来处理。
1 事件的包含与相等
若 A B ,则称事件 B 包含事件 A ,这里指的是事件 A 发生必然导致事件 B 发生, 即属于 A 的样本点都属于 B ,如图1-2所示。显然,对任何事件A,必有 A 。
若 A B 且 B A ,则称事件 A 与 B 相等,记为 A B。
图1-2 A B
事件 A B {x | x A或x B},称为事件A与事件B的和事件,即当且仅当事件 A 或 事件 B 至少有一个发生时,和事件 A B 发生。它由属于 A 或 B 的所有公共样本点构 成,如图 1-4 所示。
图 1-4 A B
4 事件的差
事件 A B {x | x A且x B}称为事件 A 与事件 B 的差事件,即当且仅当事件 A 发 生但事件 B 不发生时,积事件A B发生。它是由属于 A 但不属于 B 的样本点构成的集 合,如图1-5所示。差事件 A B 也可写作 AB 。
定义1 在相同的条件下重复进行了 n 次试验,如果事件 A 在这 n 次试验中出现
了 nA
次,则称比值
nA n
为事件 A
发生的频率,记为fn ( 源自) ,即fn( A)
nA n
显然,频率 fn ( A) 的大小表示了在 n 次试验中事件 A 发生的频繁程度。频率 大,事件 A 发生就频繁,在一次试验中 A 发生的可能性就大,也就是事件 A 发
《概率论于数理统计》PPT课件
若样本容量足够大,则不论把哪个假设作为原假设所得检验结果基本上应该是一样的.否则假设检验便无意义了!
由于假设检验是控制犯第一类错误的概率, 使得拒绝原假设 H0 的决策变得比较慎重, 也就是 H0 得到特别的保护. 因而, 通常把有把握的, 经验的结论作为原假设, 或者尽量使后果严重的错误成为第一类错误.
查表得 F0.05( 17, 12 ) = 2.59,
F0.95( 17, 12 ) =
拒绝外,故接受原假设, 即认为内径的稳定程度相同.
8.2.4 样本容量的选取
虽然当样本容量 n 固定时, 我们不能同时控制犯两类错误的概率, 但可以适当选取 n 的值, 使犯取伪错误的概率 控制在预先给定的限度内.
8.2 正态总体的参数检验
8.2.1 单个正态总体情况
1. 方差 已知,关于 的检验(u检验法)
(2) 选取检验统计量
~ N(0,1)
(1)
(3) 对给定的显著性水平 ,可以在N(0,1)表中查到分位点的值 ,使
得拒绝域为
W:
(4) 由样本观察值算出统计量的实测值
假设检验与置信区间对照
接受域
置信区间
检验统计量及其在 H0为真时的分布
枢轴量及其分布
0
0
( 2 已知)
( 2 已知)
原假设 H0
备择假设 H1
待估参数
接受域
置信区间
检验统计量及其在 H0为真时的分布
枢轴量及其分布
原假设 H0
备择假设 H1
待估参数
0
0
0
0
0
概率论与数理统计 课件
05
多元统计分析
多元正态分布
01
多元正态分布的定义
多元正态分布是多个连续随机变量的 联合分布,其概率密度函数是多元高 斯函数。
02
多元正态分布的性质
多元正态分布具有旋转对称性、椭球 等高性、最大似然估计等性质。
03
多元正态分布的应用
在多元统计分析中,多元正态分布被 广泛用于描述多维数据的分布特征, 例如在回归分析、主成分分析、因子 分析等中都有应用。
正态分布与指数分布
正态分布
一种常见的连续概率分布,其概率密 度函数呈钟形曲线,对称轴为均值, 形状由标准差决定。
指数分布
描述随机事件在单位时间内发生的次 数,其概率密度函数为指数函数。
均匀分布与对数正态分布
均匀分布
在一定区间内随机变量取值的可能性相等,其概率密度函数 为常数。
对数正态分布
描述随机变量取值的对数服从正态分布的情况,其概率密度 函数在对数尺度上呈正态分布。
因子分析
因子分析的定义
因子分析是一种探索性 统计分析方法,通过寻 找隐藏在数据中的公共 因子来解释变量之间的 相关性。
因子分析的步骤
包括确定因子个数、因 子旋转、因子得分计算 等步骤。
因子分析的应用
在多元统计分析中,因 子分析被广泛应用于市 场细分、顾客满意度分 析、社会问题研究等方 面。
06
随机过程与时间序列分析
描述随机变量取离散值的概率规 律。
02
离散概率分布的特 点
随机变量取值有限或可数,概率 质量函数定义了每个可能取值的 概率。
03
离散概率分布的表 示方法
列表法、图示法、概率质量函数 。
二项分布与泊松分布
1 2
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
拒绝域 : t t0.975 (22) 2.074
Sw (n 1) S (m 1) S
2 1 2 2
nm2
T 3 . 568 2 . 074
0.718
统计量值
. 落在内,
拒绝H0 即蛋的长度与不同鸟巢有关.
ch8 27
例5 在平炉上进行一项试验以确定改变操作方法
2< 2 0
~ ( n)
( 已知)
( n)
2 2
2> 02
2
2 1
( n)
14
ch8
原假设 备择假设 检验统计量及其在 H0为真时的分布 H0 H1
拒绝域
1 (n 1)
2 2
2
2= 02 2 02
2
(n 1) S
拒绝域
t t1
2
~ t ( n m 2)
t t1
12, 22未知 12 = 22
( n 1) S1 (m 1) S 2 nm2
2 2
t t1
其中
ch8
Sw
24
例4
杜鹃总是把蛋生在别的鸟巢中,现从两种鸟
巢中得到杜鹃蛋24个.其中9个来自一种鸟巢, 15个 来自另一种鸟巢, 测得杜鹃蛋的长度(mm)如下:
原假设 备择假设 H0 H1 检验统计量及其 H0为真时的分布
拒绝域
u u 1
0 0
0
U
< 0
X 0
2
/ n ~ N (0 , 1)
u u 1 u u 1
4
0
ch8
> 0
例1 某切割机在正常工作时, 切割每段金属棒的
解 设x为一袋食盐的净重, 则x~N(,2). 今需假设
H0:=500以及H0':2102是否成立? H0:=500 :查表求临界值t0.95(91)=2.306, 计算得
ch8
x 499, s 16.03
19
如H0成立, 则有
T X 500 S/ 9 ~ t (9 1)
7
例2 某厂生产小型马达,说明书上写着:在正常负
载下平均消耗电流不超过0.8 安培。 随机测试16台马达, 平均消耗电流为0.92安培,
标准差为0.32安培.
设马达所消耗的电流 服从正态分布, 取显著 性水平为 = 0.05, 问根据此样本, 能否否定厂方 的断言? 解 根据题意待检假设可设为
ch8 8
ch8
13
(2)关于
2
的检验 检验法
2
原假设 备择假设 检验统计量及其在 H1 H0为真时的分布 H0
2
拒绝域
( n)
2
2
2= 02 2 02
2
(X
i 1 2
n
i
)
2 0
2
2
或 1 ( n)
2
2
2 2 0 2 2 0
ch8
故接受原假设 H0 , 即不能否定厂方断言。
9
解二
H0 : 0.8 ;
H1 : < 0.8
选用统计量 T
X S / 16
~ T (15)
x 0.8 拒绝域 : T 1.753 t0.95 (15) s/ n
现
T 1.5 1.735 , 落在拒绝域 外
2
再算得
8 16.03 10
2
2
20.56 15.5
由此拒绝H 0 , 即方差过大, 该天打包机工 作不正常
ch8 21
两个正态总体
设 X ~ N ( 1 1 2 ), Y ~ N ( 2 2 2 ) 两样本 X , Y 相互独立, 样本 (X1, X2 ,…, Xn ), ( Y1, Y2 ,…, Ym )
ch8 18
课堂练习: 机器包装食盐, 假设每袋盐的净重服
从正态分布, 规定每袋标准重量为500g,标准差不超
过10g. 某天开工后, 为检查其机器工作是否正常, 从 装好的食盐中随机取9袋, 测其净重(单位:g)为
497,507,510,475,484,488,524,491,515
问这天包装机工作是否正常(=0.05)?
y 21.12 s2 0.5689
2
ch8
25
试判别两个样本均值的差异是仅 由随机因素造成的还是与来自不同的 鸟巢有关 ( 0.05 ). 解
H 0 : 1 = 2 ; H 1 : 1 2
X Y t ~ t (n m 2) 取统计量 1 1 Sw n m
样本值 ( x1, x2 ,…, xn ), ( y1, y2 ,…, ym )
显著性水平
ch8 22
(1) 关于均值差 1 – 2 的检验
原假设 备择假设检验统计量及其在 拒绝域 H0为真时的分布 H0 H1
1 = 2 1 2 1 2
ch8
1 2 1 < 2 1 >2
ch8
29
解
需要检验假设
H 0 : 1 2 0, H 1 : 1 2 0.
分别求出标准方法和新方法下的样本均值和样本 方差:
n 1 10 , n 2 10 ,
x 76 . 23 ,
s 1 3 . 325 , s 2 2 . 225 ,
2
2
2
y 79 . 43 ,
这里固然有把哪个假设作为原假设从而引起 检验结果不同这一原因;除此外还有一个根本的 原因,即样本容量不够大。
若样本容量足够大,则不论把哪个假设作为 原假设所得检验结果基本上应该是一样的.否则 假设检验便无意义了!
ch8 12
由于假设检验是控制犯第一类错误的 概率, 使得拒绝原假设 H0 的决策变得比较 慎重, 也就是 H0 得到特别的保护。因而, 通常把有把握的, 经验的结论作为原假设, 或者尽量使后果严重的错误成为第一类错 误。
假定切割的长度服从正态分布, 且标准差没有变 ( 0 . 05 ) 化, 试问该机工作是否正常? 解
因为 X ~ N ( , ) , 0.15,
2
要检验假设 H 0 : 10 . 5 ,
ch8
H 1 : 10 . 5 ,
5
0 . 05 , 查表得
u 0 . 975 1 . 96 ,
§7.2
正态总体的参数检验
一个正态总体 (1)关于 的检验 拒绝域的推导 给定显著性水平与样本值(x1,x2,…,xn )
设 X ~N ( 2),2 已知,需检验:
H0 : 0
ch8
;
H1 : 0
1
构造统计量
U X 0
~ N (0,1)
n
P(拒绝H0|H0为真)
具体算得 | t | 499 500 16.03 / 9 0.187 2.306
故接受H 0 , 即认为平均每袋食盐净重为500 g 机器没有系统误差.
ch8
20
当2=102时, 必有
2
(9 1) S 10
2 2 0.95
2
~ (9 1)
2
查得
(8) 15.5
的建议是炼一炉钢时除操作方法外, 其它条件都
尽可能做到相同.先采用标准方法炼一炉, 然后用建
议的新方法炼一炉, 以后交替进行, 各炼了10炉, 其
得率分别为(1)标准方法: 78.1, 72.4, 76.2, 74.3, 77.4,
78.4, 76.0, 75.5, 76.7, 77.3;
21.2 21.6 21.9 22.0 22.0 22.2 22.8 22.9 23.2 19.8 20.0 20.3 20.8 20.9 20.9 21.0 21.0 21.0 21.2 21.5 22.0 22.0 22.1 22.3
x 22.20 s 0.4225
2 1
n=9
m = 15
(2)新方法:
ch8 28
79.1, 81.0, 77.3, 79.1, 80.0, 78.1, 79.1, 77.3, 80.2, 82.1; 设这两个样本相互独立, 且分别来自正态总体
N ( 1 , ) 和 N ( 2 , ),
2 2
1 , 2 , 均为未知 ,
2
问建议的新操作方法能否提高得率? ( 取 0 . 05 )
原假设 备择假设 检验统计量及其 H0 H1 H0为真时的分布 拒绝域
t t 1 ( n 1)
2
0 0 0
ch8
0 < 0 > 0
X 0 T S n ~ t ( n 1)
t t 1 ( n 1)
t t 1 ( n 1)
知老工艺生产的活塞直径的方差为0.00040. 问进一
步改革的方向应如何?
解
一般进行工艺改革时,若指标的方差显著
增大,则改革需朝相反方向进行以减少方差;若
方差变化不显著,则需试行别的改革方案。
ch8
16
设老工艺生产的活塞直径
, 2 ) 2 0 .00040 X ~ N(
需考察改革后活塞直径的方差是否不大于改 革前的方差?故待检验假设可设为: H0 : 2 0.00040 ; H1 : 2 > 0.00040. 此时可采用效果相同的单边假设检验 H0 : 2 =0.00040 ;H1 : 2> 0.00040.