Ch8.2 正态总体均值的假设检验

合集下载

正态总体均值的假设检验

正态总体均值的假设检验

上一段中, H0:μ=μ0 ; H1: μ≠μ0 的对立假设为H1:μ≠μ0 ,该假设称为双边对立假设。

2. 单边检验 H0: μ=μ0; H1: μ>μ0而现在要处理的对立假设为 H1: μ>μ0, 称为右边对立假设。

类似地,H0: μ=μ0; H1: μ<μ0 中的对立假设H1: μ<μ0,假设称为左边对立假设。

右边对立假设和左边对立假设统称为单边对立假设,其检验为单边检验。

例如:工厂生产的某产品的数量指标服从正态分布,均值为μ0 ;采用新技术或新配方后,产品质量指标还服从正态分布,但均值为µ。

我们想了解“µ是否显著地大于μ”,即产品的质量指标是否显著地增加了。

8.2.2 两个正态总体N(µ1, σ12) 和N(µ2, σ22)均值的比较在应用上,经常会遇到两个正态总体均值的比较问题。

例如:比较甲、乙两厂生产的某种产品的质量。

将两厂生产的产品的质量指标分别看成正态总体N(µ1, σ12) 和N(µ2, σ22)。

比较它们的产品质量指标的问题,就变为比较这两个正态总体的均值µ1和µ2的的问题。

上面,我们假定 σ12=σ22。

当然,这是个不得已而强加上去的条件,因为如果不加此条件,就无法使用简单易行的 t 检验。

在实用中,只要我们有理由认为σ12和σ22相差不是太大,往往就可使用上述方法。

通常是:如果方差比检验未被拒绝(见下节), 就认为σ12和σ22相差不是太大。

J 说明小结本讲首先介绍假设检验的基本概念;然后讨论正态总体均值的各种假设检验问题,给出了检验的拒绝域及相关例题。

正态总体均值和方差的假设检验

正态总体均值和方差的假设检验

H0 : 1 2 4, H1 : 1 2 4
选取检验统计量
( P R) t 1 1 Sw n1 n2
~ t (n1 n2 2)
当H0成立时
拒绝域为
W { t t / 2 (n1 n2 2) }
计算可得
n1 8,
p 28.25, s12 31.93 s2 44
d c 选取检验统计量为 t ~ t ( n 1) 当H0成立时 sd / n
拒绝域为
d c W {t t / 2 (n 1)} sd / n
由 n 26, d 3.192, sd 5.879,
t /2 (25) t0.025 (25) 2.0595,
t ( n1 n2 2)
2
如果统计量的观测值 t t (n1 n2 2)
2
则拒绝原假设;否则接受原假设
2 2 , (2). 当 1 2 已知时 ( U 检验 )
检验假设: H0 : 1 2 ,
H1 : 1 2
(X Y )
为已知常数,显著水平为
H 0 的接受域 H 0 的拒绝域

2

2
x 0 如果统计量的观测值 u u 2 n
则拒绝原假设;否则接受原假设
例1 假设某装配车间由加工车间供应钢轴,长期积 累的数据资料表明钢轴直径ξ服从正态分布,其标准 差σ0=0.012厘米。根据设计要求,钢轴的直径应该是 μ0=0.150厘米,而且既不希望低于也不希望高于此规 格,否则拒收。现从一大批钢轴中抽验了75件,测 得它们的直径平均值为0.154厘米,问保证每批合格 品被拒收的概率不大于10%的前提下,应该接受还 是拒收这批产品?(P164, 例1) 解 假设检验

正态分布均值的假设检验

正态分布均值的假设检验

VS
详细描述
在单样本均值假设检验中,我们首先需要 确定一个期望的均值,然后计算样本的均 值。通过比较这两个值,我们可以判断样 本均值是否显著地偏离了期望的均值。常 用的统计量包括z分数和t分数,用于评估 样本均值与已知期望值之间的差异是否具 有统计学上的显著性。
双样本均值的假设检验
总结词
双样本均值的假设检验是检验两个独立样本的均值是否存在显著差异。
详细描述
在双样本均值假设检验中,我们需要比较两个独立样本的均值。通过计算两组样本的均值,并比较这两个值,我 们可以判断两个样本的均值是否存在显著差异。常用的统计量包括t检验和z分数,用于评估两个样本均值之间的 差异是否具有统计学上的显著性。
配对样本均值的假设检验
总结词
配对样本均值的假设检验是检验两个相关样本的均值是否存在显著差异。
Part
0(H0)
样本数据来自的总体均值等于某一固 定值。
备择假设(H1)
样本数据来自的总体均值不等于该固 定值。
选择合适的检验统计量
• 常用的检验统计量有t统计量、Z统计量等,根据具体情况选择合适的统计量。
确定显著性水平
• 显著性水平(α):在假设检验中,原假设为真但被拒绝 的概率,通常取值在0.01至0.05之间。
正态分布在统计学中的重要性
基础性
正态分布是统计学中最重要的概 率分布之一,许多统计方法和理 论都基于正态分布。
广泛应用性
正态分布在自然和社会科学领域 都有广泛的应用,如生物学、医 学、经济学、心理学等。
理论依据
正态分布在统计学中提供了理论 依据,许多统计推断和决策方法 都基于正态分布的性质和假设。
1 2
判断假设是否成立
通过假设检验,可以判断一个假设是否成立,从 而为进一步的研究或决策提供依据。

第二节 正态总体均值的假设检验8-2

第二节 正态总体均值的假设检验8-2

14
三、基于成对数据的检验(t 检验):
设X和Y是两个正态总体, 均值分别为 1 和 2 , X 和 Y不是相互独立的。取成对样本 : (X1 , Y1) , (X2 , Y2) , … , ( Xn , Yn )。 要检验: H0 : 1 = 2 , H1 : 1 ≠ 2 . 可以把这个问题转化成单个总体的假设检验 , 令Z = X - Y , 它服从 N ( , 2) , 这里 (= 1- 2) , 2 均未知。 Zi = Xi – Yi (i=1 , 2 , … , n)是来自该正态总体的样本。 显然 , 检验 H0 : 1= 2 , H1 : 1 ≠ 2 等价于检验 H0 : =0 , H1: ≠0,
11
例 2. 在平炉上进行一项试验以确定改变操作方法的建 议是否会增加钢的得率, 试验是在同一只平炉上进行 的. 每炼一炉钢时除操作方法外, 其它条件都尽可能 做到相同. 先用标准方法炼一炉, 然后用建议的方法 炼一炉, 以后交替进行, 各炼了10炉, 其得率分别为: 标准方法: 78.1 72.4 76.2 74.3 77.4 78.4 新方法: 79.1 76.0 81.0 75.5 76.7 77.3 80.0 77.3 79.1
16
解: 分别作各对数据的差 zi = xi - yi ,如上表 ,
并假设 z1 , z2 , … , z9 来自正态总体N ( , 2 ) ,
这里 , 2 均属未知 。若两台仪器的性能一样, 则各对数据的差异可看作是随机误差, 而随机误差可以认为服从正态分布, 其均值为零, 因此本题归结为检验假设: H0: =0 , H1: ≠ 0. 由前面的结论知,可取 T =
问是否有理由认为元件的平均寿命大于225小时?
解 : 按题意需检验 H 0 : 0 = 225 , H 1 : > 225 . X- 取 a = 0 .05,统计量: t = 。 S n 当 H 0 成立时,由 X - 0 S n X- S n ,

8.2正态总体均值的假设检验

8.2正态总体均值的假设检验

t t ( n1 n2 2).
x y 因为 t 4.295, 1 1 sw 10 10
t0.05 (18) 1.7341,
所以拒绝 H 0 ,
即认为建议的新操作方法较原来的方法为优.
例5 有甲、乙两台机床加工相同的产品, 从这两台机床加工 的产品中随机地抽取若干件, 测得产品直径(单位:mm)为 机床甲: 20.5, 19.8, 19.7, 20.4, 20.1, 20.0, 19.0, 19.9
X 0 P Z / n
拒绝域为 Z Z
或 H0: 0;H1:0
X 0 P Z / n
拒绝域为 Z Z
2、方差未知 问题:总体 X~N(,2),2未知 假设 H0:=0;H1:≠0 构造T统计量 T X 0 ~ t (n 1)
t检验 双边检验
X 0 由 P t 2 (n 1) S n 确定拒绝域 T t 2 (n 1) x 0 如果统计量的观测值 T t 2 (n 1) S n
则拒绝原假设;否则接受原假设
S
n
例2 化工厂用自动包装机包装化肥,每包重量服从正态 分布,额定重量为100公斤。某日开工后,为了确定包 装机这天的工作是否正常,随机抽取9袋化肥,称得平 均重量为99.978,均方差为1.212,能否认为这天的包 装机工作正常?(=0.1) 解 由题意可知:化肥重量X~N(,2),0=100 方差未知,要求对均值进行检验,采用T检验法。
得 k t / 2 (n1 n2 2).
故拒绝域为
( x y) t t / 2 ( n1 n2 2). 1 1 sw n1 n2

第八章假设检验

第八章假设检验
于是可以选定一个适当的正数k,
若过分大,则有理由 怀疑H0的正确性
7/51
§8.1 假设检验
当观察值 x 满足 x 0
此即假定H0正确 时的小概率事件
/ n
k时, 拒绝假设 H0 ,
反之, 当观察值 x 满足
x 0
/ n
k时, 接受假设 H0 .
如何选取k呢,先看以下事实: 由于作出决策的依据是一个样本,当实际 上H0为真时,仍可能作出拒绝H0的决策,这种 可能性是无法消除的,这是一种错误。
24/51
第八章 假设检验

§8.1 假设检验 §8.2 正态总体均值的假设检验 §8.3 正态总体方差的假设检验

§8.6 分布拟合检验
25/51
§8.2 正态总体均值的假设检验

假设检验是针对弃真这一可能犯的错误人为设定一个界限, 如果在这个界限内,认为原假设成立,否则的话,由于显 著性水平取得很小,表明小概率事件发生,根据实际推断 原理,原假设不成立。 尽管也可能犯第II类取伪的错误,这时尽管总体的性质发 生了改变但没有发现,往往影响较小。 正态总体均值的检验分为三种情况
/ n
若|z|= X 0 k,则称 x 与μ0的差异是显著的,以至
于小概率事件发生了,这时拒绝H0, 否则则称 x与μ0的差异是不显著的,这时接受H0, 选定的数α称为显著性水平,在α下对显著性判断
X 0 统计量Z= 称为检验统计量 / n
13/51
/ n
§8.1 假设检验
假设检验的相关定义: 像上例中的假设检验问题可叙述成: “在显著性水平α下,检验假设H0:μ=μ0,H1:μ≠μ0” 或“在显著性水平α下,针对H1检验H0”
例如:提出总体期望服从泊松分布的假设,然后进行判断 提出正态总体期望为μ0的假设,然后进行判断

§8.2 正态总体参数的假设检验

§8.2  正态总体参数的假设检验



202 2>02 2 i1
2 0
202 2<02
H0的拒绝域 2 2 2 (n)
或 2
2 1
2 (n)
2 2(n)
2 12(n)
2 检验
2 2 2(n1)


2=02 202
2
(n
1)S2
02
202 2>02
或2
2 1
2(n1)
22(n1)
202 2<02
212(n1)
例2.1 用热敏电阻测温仪间接测量地热,
检验法 条件 H0 H1 检验统计量
Z检 验


=0 0
0 >0
Z
X
0
0 <0
n
T检 验


=0
0 0
0 >0
<0
T
X 0
Sn
H0的拒绝域 |Z|z/2
Zz Z–z |T|t/2(n–1) Tt(n–1) T–t(n–1)
检验法 条件 H0 H1 检验统计量
2 检验
2=02 202
n
(Xi )2
故t 11.2811.26 0.46592.4469 1.13587
所以接受原假设, 认为用热敏电阻测温仪间接测量温度无系 统偏差。
例2.2 某厂生产的某种型号的电池, 其
寿命长期以来服从方差2=5000(小时2)的
正态分布。现有一批这种电池, 从它的生 产情况来看, 寿命的波动性有所改变。现 随机取26只电池, 测出其样本方差 s2=9200(小时2), 试根据这一数据能否推 断这批电池的寿命的波动性较以往的有

正态总体均值的假设检验

正态总体均值的假设检验
u X 0 ~ N(0, 1) , / n
拒绝域为 u u u0.05 1.645 .
现在 u x 0 41.25 40 3.125 1.645 , / n 2 / 25
即 u 的取值落在拒绝域中,所以在显著性水
平 = 0.05下拒绝 H0,接受 H1,即认为这

2


2 0

2 0
H0:
,H1:

其中
为已知常数.检验统计量
T
1

2 0
n
(Xi )2
i 1
~ 2 (n) .
对于给定的显著性水平 ,拒绝域为
t 12 / 2 (n) 或
t


2
/
2
(n)

上述检验的统计量服从 2 分布,称此种检
验为 2 检验,类似地可以进行单边检验(见表
右边检验的拒绝域为 t k ,左边检验的拒绝域为 t k .
例2 某工厂生产的固体燃料推进器的燃烧率
服从正态分布 N (, 2 ), 40cm / s , 2cm/ s ,
现在用新方法生产了一批推进器,从中抽取 n=25 只,测得样本均值为 x 41.25cm / s .设在新方
二、两类错误
由于检验法则是依据样本作出的,因此假设 检验的结果可能犯两类错误:
第一类错误:当原假设H0为真时,作出的决 定却是拒绝H0,犯这类错误的概率记为 ,即
P{拒绝H0|H0为真}= . 第二类错误:当原假设H0不正确时,作出的决定却是接受H0,犯这类错 误的概率记为 ,即
P{接受H0|H0不正确} = .
在H0成立时,检验统计量

单个正态总体参数的假设检验

单个正态总体参数的假设检验
拒绝域为 | u | z / 2
576.2 576 x 576 0.079 其中 | U | 8 / 10 8/ n
查表 z / 2 z0.025 1.96 0.079 故未落在拒绝域之内,故接受H0 ,即可以认为 576.
综合⑴与⑵,该生跳远成绩水平与鉴定成绩无显著差异.
X -0 取统计量 t ~ t (n 1) S/ n
x -0 拒绝域为 | t | t / 2 (n 1) s/ n 计算 | t | 2.6
| t | 2.6 t0.025 (35) 2.0301
故落在拒绝域之内,拒绝H0 ,接受H1 即不能认为全体考生的平均成绩为70分。 ⑵ μ的置信水平为0.95的置信区间为
2 2 2 双边假设检验 H 0 : 2 0 , H1 : 0
拒绝域为
(n 1) s 2
2 0
12 / 2 (n 1) 或 f y

2 2
(n 1) s 2

2 0
2 / 2 ( n 1)
2 12 / 2 (n 1) / 2 ( n 1)
观测5台压缩机的冷却用水的升高温的平均值为 x 5.34,
样本方差为 s 2 0.631. ⑴ 在显著水平α=0.05下是否可以
认为冷却用水升高温度的平均值不多于5°?(2)求σ2的
置信水平为0.95的置信区间。
解: ⑴ 先提出假设 H 0 : 0 5, H1 : 0
H1 : 0 ,拒绝域为
| x -0 | | u | z / 2 / n
2. σ2未知,检验μ (t 检验法)
n 1 2 可用样本方差 S 2 ( X X ) 代替σ2 k n 1 k 1

正态总体中参数的假设检验

正态总体中参数的假设检验

正态总体中参数的假设检验正态总体参数的假设检验是统计推断中的一种方法,用于判断总体参数是否符合我们的假设。

下面将详细介绍正态总体参数的假设检验原理和步骤。

一、假设检验原理正态总体参数的假设检验是通过收集样本数据,计算样本统计量来推断总体参数的方法,其中包括均值和标准差。

在进行正态总体参数的假设检验时,我们首先假设总体参数的值,并设立一个零假设和一个备择假设。

其中零假设(H0)是我们希望证伪的假设,备择假设(H1)是我们希望证明的假设。

然后,我们根据样本数据计算得到样本统计量,比如样本均值和样本标准差,并将其与假设中的总体参数进行比较。

通过计算假设检验统计量的值,我们可以判断是否拒绝零假设,即总体参数是否符合我们的假设。

二、假设检验步骤1.确定假设:我们首先需要确定我们要研究的总体参数是均值还是标准差,并设立零假设和备择假设。

通常情况下,零假设是总体参数等于一些特定值,备择假设可以是总体参数大于、小于或者不等于该特定值。

2.收集样本数据:我们需要从总体中取得一个样本,并记录相应的观测值。

3.计算样本统计量:根据样本数据,我们可以计算得到样本均值和样本标准差。

4.计算假设检验统计量:根据样本数据和零假设中的总体参数值,我们可以计算得到假设检验统计量的值,该值用于判断是否拒绝零假设。

5.设定显著性水平:我们需要设定一个显著性水平,通常为0.05或0.01、显著性水平表示拒绝零假设的程度,如果得到的结果小于显著性水平,则可以拒绝零假设。

6.判断拒绝或接受零假设:根据计算得到的假设检验统计量的值与临界值进行比较,如果假设检验统计量的值小于临界值,则拒绝零假设;如果假设检验统计量的值大于等于临界值,则接受零假设。

7.得出结论:根据拒绝或接受零假设的结果,我们可以得出总体参数是否符合我们的假设。

三、举例说明假设我们要研究厂生产的产品的重量是否符合标准,假设标准重量为500克。

我们收集了一个包含30个产品的样本,并计算得到样本的平均重量为495克,标准差为10克。

82两个正态总体均值差和方差的假设检验2-精选文档

82两个正态总体均值差和方差的假设检验2-精选文档

二.基于成对数据的检验
2.单边假设检验 未知方差2,H0: 0 ,H1: > 0 (1) 提出原假设H0: 0 ,H1: > 0.
(2) 选择统计量
X T S n
(4) 选择检验水平 ,查正态分布表,得临界值z/2, 即
K由下式确定:
P { ( X Y ) ( ) K } 1 2
: ,H : . 0 1 2 (1) 提出原假设 H 1 1 1 SW n1 n 2
2 2 ( n 1 ) S ( n 1 ) S 1 1 2 2 其中 S W n n 2 1 2
§8.2 两个正态总体均值差 和 方差的假设检验(2) 一.两个正态总体均值是否相等的 检验 二.未知两个正态总体方差的 检验
一.两个正态总体均值差的检验
2 2 两个正态总体 N ( , ), N ( , ) 1 1 2 2
X X 是来自于第一个 样总 本体 ;的 1, X 2,..., n 1
(≥50) 检验对象H0:μ1=μ2 X Y U 选择统计量: 2 2
S1 S2 n1 n2
~ N0,1
2 2 S S 2 于是 K 1+ Z , 否定域约为 X Y K 2 n n 1 2
(3)t检验
2 2 2 未知(称方差齐性) 1 2
检验对象H0:μ1=μ2 选择统计量:
21 . 5 18 . 0 t 2 . 245 . 30 . 02 7078 1 1 7 5 4 由于t 2 .245 2 .3646 W,因此 , 。即 t
接受原假设 H 0 即认为两矿煤的含灰率无显 著差异。
但是由于 2.245 与临界值 2.3646比较接近,

8.2正态总体均值和方差的假设检验

8.2正态总体均值和方差的假设检验
分布。要根据s的值检验假设
H0: 10.00;H1: 10.00
求检验统计量为 2 (n -1)S 2 8 s2 0.08s2
σ02
100
当H0为真时,χ2服从自由度为8的χ2分布
对于α=0.05,
查表得
2 0.975
(8)
2.180,
2 0.025
(8)
17.535
则拒绝域为
W {0.08s2 2.180 0.08s2 17.535}
f分布一般说来按照检验所用的统计量的分布分为检验用正态分布分布这一节我们讨论正态总体的参数的假设检验问题给定显著性水平确定拒绝域构造统计量根据给定的检验水平查表确定分位数某切割机在正常工作时切割每段金属棒的平均长度为105cm标准差是015cm今从一批产品中随机的抽取15段进行测量其结果如下
§8.2正态总体均值和方差的假 设检验
水平为α)
H 0:
2
02;H1: 2
2 0
在H0成立的条件下 2 (n 由上α分位点的定义可知
-1)S σ02
2
~
χ2 (n 1)
P
(n
1)S
2 0
2
2 1
/
2
(n
1)
2
,
P
(n
1)S
2 0
2
2/2 (n 1)
2
,
(n 1)S 2
P
02
2 1
/
2
(n
1)
2
,
(n 1)S 2
(1)需检验假设
H
0:
2 1
=
22;H1:12
2 2
计算可知
n1 7 x 0.1403 s12 0.0025632

chapt8-2 正态总体的假设检验

chapt8-2 正态总体的假设检验

1 2 1 > 2 1 < 2
U
X Y σ σ n1 n2
2 1 2 2
U zα
U zα
1 2
T 检验法 σ ,σ 未知,但 σ σ ) (
2 1 2 2 2 1 2 2
类型 原假设 备择假设 H0 H1
检验统计量
( X Y ) T 1 1 Sw n1 n2
双边 检验
单边 检验
0 0 0
0 > 0 < 0
U X μ0 σ0 / n
U zα
U zα
U 推导: 当H0为真时,
X μ0 σ0 n
~N(0, 1)
| 此时,因为 X 是μ0的无偏估计量, | X μ0 不应太大.
P ( X 0 k ) P {
检验统计量: T X μ0
S n
拒绝域:
W { T t(n 1) } α
2
n=10, α=0.05,
t / 2 ( n 1 ) t0.025 ( 9 ) 2.2622
W { T t / 2 ( n 1 )} {|T | 2.2622 }
由样本值计算得: x 67.4 ,
( n 1 )S 2
02
2 W { χ 2 χ α (n 1) }
n=9 , α=0.05,
W { χ 2 15.507}
2 2 χ α ( n 1) χ 0.05 (8) 15.507
2
( n 1 )S 2
02
8 0.007 2 15.68 15.507 2 0.005
练习作业3(1) 检查一批保险丝,抽取10根,在通过强 电流后熔化后需时间(秒)为:65 42 78 75 71 69 68 57 55 54, 在 0.05 下,问(已知熔化时间服从

假设检验0604

假设检验0604
t1 (n 1)
1- t1 (n 1)
3 H0 : 0, H1 : 0
拒绝域: T t (n 1)
32
1- t (n 1)
例1 以往一台机器生产的垫圈的平均厚度为0.050厘米, 为了检查这台机器是否处于正常工作状态,现抽取10个垫 圈,测得其平均厚度为0.053厘米,样本方差为0.00322, 在 显著水平=0.01下,检验机器是否处于正常工作状态。
解 : H0 : =0 0.050
H1 : 0.050
未知,
检验统计量:T
X 0 ,拒绝域:T
Sn

t
1

(n

1)
2
又x
0.053,n 10,
2
0.005, t10.005 (9)
3.2498
T 0.053 0.050 2.96 3.2498 0.0032 10
11
如何检验 假设?
通常的办法是进行抽样检查.
如抽查9袋,得样本X1,…,X9,根据这些
值来判断生产是否正常.
假设 H0 : 0 100 (机器工作正常)
H1 : 100
(机器工作不正常)
12
假设 H0 : 0 100 (机器工作正常)
H1 : 100

( n1

1)
S
2 X
(n2
1)SY2
n1 n2 2
9.21082
(机器工作不正常)
那么,如何判断原假设H0 是否成立呢?
由于 是正态分布的期望,其估计量可以是
样本均值 X ,因此可以根据 X 与 0的差距
X 0 来判断H0 是否成立.
  1. 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. 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. 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)。
统计量得出的检验法称为t 检验法. 上述利用 t 统计量得出的检验法称为 检验法
类似可以给出正态总体 N ( µ , σ 2 ), 当σ 2未知时, 关于µ的单边检验的拒绝域.
在实际中, 正态总体的方差常为未知, 在实际中 正态总体的方差常为未知 所以 我们常用 t 检验法来检验关于正态总体均值的检 验问题. 验问题
n = 15,
x = 10.48, α = 0.05,
x − µ 0 10.48 − 10.5 = −0.516, 则 = σ / n 0.15 / 15
查表得
z0.05 2 = 1.96,
x − µ0 拒绝区域为 ≥ z0.05 2 =1.96, σ/ n x − µ0 而 = 0.516 < z0.025 = 1.96, σ/ n
等)时,我们可用 Z 检验法来检验两正态总体均值 时 我们可用 差的假设问题, 见表8.1 . 差的假设问题 见表
例3 在平炉进行一项试验以确定改变操作方 建议是否会增加钢的得率, 法的 建议是否会增加钢的得率,试验是在同一只 平炉上进行的。每炼一炉钢时除操作方法外, 平炉上进行的。每炼一炉钢时除操作方法外,其它 条件都尽可能做到相同。先用标准方法炼一炉, 条件都尽可能做到相同。先用标准方法炼一炉,然 后用建议的新方法炼一炉,以后交替进行,各炼了 后用建议的新方法炼一炉,以后交替进行, 10炉,其得率分别为 炉 标准方法 78.1 72.4 76.2 74.3 77.4 78.4 76.0 75.5 76.7 77.3 新方法 79.1 81.0 77.3 79.1 80.0 79.1 79.1 77.3 80.2 82.1
X − µ0 ~ t ( n − 1), 当H 0为真时, S/ n
X − µ0 P{ 拒绝 H 0 H 0 为真 } = Pµ0 ≥ k = α , S/ n
得 k = tα / 2 ( n − 1),
x − µ0 拒绝域为 t = ≥ tα / 2(n −1) . s/ n
问是否有理由认为元件的平均寿命大于225(小时 小时)? 问是否有理由认为元件的平均寿命大于 小时 解 依题意需检验假设
H 0 : µ ≤ µ 0 = 225, H 1 : µ > 225,
取 α = 0.05, n = 16, x = 241.5, s = 98.7259,
查表得
x − µ0 t0.05 (15) = 1.7531 > t = = 0.6685 s/ n
故接受 H 0 , 认为元件的平均寿命不 大于 225小时 .
2 二、两个总体 N ( µ1 ,σ 12 ), N ( µ2 ,σ 2 ) 的情况
利用t检验法可以检验具有相同方差的两正 利用 检验法可以检验具有相同方差的两正 检验法可以检验具有相同方差 均值差的假设 态总体均值差的假设. 态总体均值差的假设
在上节中讨论过正态总 体 N ( µ ,σ 2 )
当σ 2为已知时 关于 = µ0的检验问题: , µ
(1) 假设检验 H0 : µ = µ0 , H1 : µ ≠ µ0 ; (2) 假设检验 H0 : µ ≤ µ0 , H1 : µ > µ0 ; (3) 假设检验 H0 : µ ≥ µ0 , H1 : µ < µ0 .
正态总体均值、 正态总体均值、方差的检验法见下表
( 显著性水平为α )
原假设H 0
1
µ ≤ µ0 µ ≥ µ0 µ = µ0 (σ 2已知) µ ≤ µ0 µ ≥ µ0 µ = µ0 (σ 2未知)
µ1 − µ 2 ≤ δ µ1 − µ 2 ≥ δ µ1 − µ 2 = δ 2 (σ 12 , σ 2已知) µ1 − µ 2 ≤ δ µ1 − µ 2 ≥ δ µ1 − µ 2 = δ 2 2 (σ 1 = σ 2 = σ 2未知)
检验统计量
X − µ0 σ/ n
备择假设H1
µ > µ0 µ < µ0 µ ≠ µ0
拒绝域
z ≥ zα z ≤ − zα z ≥ zα / 2
t ≥ tα ( n − 1) t ≤ −tα ( n − 1) t ≥ tα / 2 ( n − 1)
Z=
2
X − µ0 t= S/ n
µ > µ0 µ < µ0 µ ≠ µ0
µ − µ0 > δ µ − µ0 < δ µ − µ0 ≠ δ µ − µ0 > δ µ − µ0 < δ µ − µ0 ≠ δ
3
Z=
X −Y −δ
σ 12
n1
+
2 σ2
z ≥ zα z ≤ − zα z ≥ zα / 2
n2
4
X −Y −δ 1 1 Sw + n1 n2 2 (n − 1) S12 + (n2 − 2) S 2 2 Sw = 1 n1 + n2 − 2 t=
得 k = tα / 2 ( n1 + n2 − 2).
( x − y) −δ 故拒绝域为 t = ≥tα / 2 ( n1 + n2 − 2). 1 1 sw + n1 n2
关于均值差的单边检验问题的拒绝域见表 8.1,
常用δ = 0的情况.
当两个正态总体的方差均为已知(不一定相 当两个正态总体的方差均为已知 不一定相
10.9 10.6 10.8 10.5 10.7 10.2 10.7 假定切割的长度服从正态分布, 假定切割的长度服从正态分布 且标准差没 有变化, 试问该机工作是否正常? 有变化 试问该机工作是否正常 (α = 0.05)
解 因为 X ~ N ( µ ,σ 2 ), σ = 0.15,
要检验假设 H 0 : µ = 10.5, H 1 : µ ≠ 10.5,
因为S2 是σ 2 的无偏估计, 故用 S 来取代 σ ,
X − µ0 即采用 t = 来作为检验统计量 . S/ n
x − µ0 当观察值 t = 过分大时就拒绝 H 0 , s/ n x − µ0 拒绝域的形式为 t = ≥k . s/ n
根据第六章§2定理三知, 定理三知 根据第六章§ 定理三 第六章
概率论与数理统计
第二节 正态总体均值的假设检验
单个正态总体 均值的检验 两个正态总体均值差的检验 小结
一、单个总体 N(µ ,σ )均值
2
µ的检验
1.
σ
2
已知, 已知,关于
的检验( 检验 检验) µ 的检验(Z检验)
在上一小节中已讨论过正态总体 N(µ ,σ 2 ) , 当
σ
2 已知时关于
µ = µ0
F ≥ Fα (n1 − 1, n2 − 1) F ≤ F1−α (n1 − 1, n2 − 1) F ≥ Fα / 2 (n1 − 1, n2 − 1)或 F ≥ F1−α / 2 (n1 − 1, n2 − 1)
7
µD ≤ 0 µD ≥ 0 µD = 0
(成对数据)
D−0 t= SD / n
t ≥ tα (n1 + n2 − 2) t ≤ −tα (n1 + n2 − 2) t ≥ tα / 2 (n1 + n2 − 1)
原假设H 0
2 σ 2 ≤ σ0 2 σ 2 ≥ σ0 2 σ 2 =σ0 ( µ未知)
检验统计量
备择假设H1
拒绝域
2 χ 2 ≥ χα (n − 1) χ 2 ≤ χ12−α (n − 1) 2 χ 2 ≥ χα / 2 (n − 1)或 χ 2 ≤ χ12−α / 2 (n − 1)
2 2 2
求检验问题 H0 : µ1 − µ2 = δ , H1 : µ1 − µ2 > δ ( δ 为已知常数)的拒绝域.
取显著性水平为 2 2 ( X −Y ) − δ (n1 −1)S1 + (n2 −1)S2 2 t= , 其中Sw = . 1 1 n1 + n2 − 2 Sw + n1 n2
设 X 1 , X 2 ,⋯, X n 为来自正态总体 N ( µ1 ,σ 2 ) 的样本 , Y1 ,Y2 ,⋯,Yn 为来自正态总体 N ( µ 2 ,σ 2 )的 样本, 且设两样本独立 . 注意两总体的方差相等 .
又设 X ,Y 分别是总体的样本均值 , S1 , S 2 是样本 方差, µ1 , µ 2 , σ 均为未知,
n2 = 10,
y = 79.43, s2 = 2.225,
2
且s
2 w
(10 −1)s + (10 −1)s = = 2.775, 10 + 10 − 2
2 1 2 2
查表可知 t0.05 (18) = 1.7341,
查表8.1知其拒绝域为 查表 知其拒绝域为 t ≤ − tα ( n1 + n2 − 2). x− y = −4.295, 因为 t = 1 1 sw + 10 10
5
χ =
2
(n − 1) S 2
σ 02
σ >σ σ 2 <σ σ2 ≠σ
2
2 0 2 0 2 0
6
2 σ 12 ≤ σ 2 2 σ 12 ≥ σ 2 2 σ 12 = σ 2 ( µ1 , µ 2未知)
S12 F= 2 S2
2 σ 12 > σ 2 2 σ 12 < σ 2 2 σ 12 ≠ σ 2
某种电子元件的寿命X(以小时计 以小时计)服 例2 某种电子元件的寿命 以小时计 服 从正态分布, 均为未知. 测得16只元件的 从正态分布 µ ,σ 2 均为未知 现测得 只元件的 寿命如下: 寿命如下
159 280 101 212 224 379 179 264 222 362 168 250 149 260 485 170
≤ − t 0.05 (18) = −1.7341,
相关文档
最新文档