一个正态总体参数的假设检验复习

合集下载

第二节单正态总体的假设检验

第二节单正态总体的假设检验


2 1
(n

1).
上述检验法为 χ2 检验法。
数理统计
例1: 某厂生产的某种型号的电池,
数理统计
其寿命长期以来服从方差 σ2 =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,
测出其寿命的样本方差 s2=9200(小时2)。
X

0
n
拒绝域为: u u
2
(2) H0 : 0 , H1 : 0
拒绝域为:x


0
n
=u

u
,
(3) H0 : 0 , H1 : 0
拒绝域为:x


0
n
=u

u
.
数理统计
2. σ2未知, 关于μ的检验 (t检验法)
设总体 X~N(μ, σ2), 其中 μ, σ2未知:
问: 根据这一数据能否推断这批电池的寿命的波动性 较以往的有显著的变化(取 α=0.02)?
解:
(n 1)s2

2 0
由观察值
11.524 或
s2=9200, 得:
(n 1)s2

2 0
(n 1)s2

2 0

44.314 46 44.314

正态总体的假设检验

正态总体的假设检验

σ
2 1
,σ
2 2
时,总体均值的假设检验
U 检验法
类型
双边 检验
原假设 H0
1 2
单边 检验
1 2 1 2
备择假设 H1
检验统计量
1 2 1 > 2 1 < 2
U X Y
σ
2 1
σ
2 2
n1 n2
拒绝域
U zα
2
U zα
U zα
2021/8/17
22
2.σ
2 1
,σ
2未知,但
2
σ
2 1
σ0 n 此时,因为 X 是μ0的无偏估计量, | X μ0不| 应太大.
P{拒绝H0|H0为真} P ( X μ0 k μ μ0 )
| P{
X
μ0
|
k } P{| U |
k } α
σ0 n σ0 n
σ0 n
所以
k σ0
n zα/2,
即: P{| U | zα / 2 } α
由此知,拒绝域为: W {| U | zα / 2 }
σ2
拒绝域:
W
{
χ2
χ
2 α
(
n
1)
}
2021/8/17
19
n=9 ,α=0.05,
χ
2 α

正态总体均值的假设检验

正态总体均值的假设检验
t 检验 用 t 分布
2 用 分布
检验
2
F 检验
用 F分布
在大样本的条件下,若能求得检验统计量的 极限分布,依据它去决定临界值C.
X / n
~N (0,1)
0
∴当原假设 H0:μ =μ
成立时,有:
X 0 ~N (0,1) / n
X 0 这时P Z / n
即P
X
0
Z ( / n )

拒绝域为 X 0 Z ( / n )
于是问题就是检验: H0:μ =μ 0 ━━即新技术或新配方对于提高产 品质量无效果. 还是 H1:μ >μ 0 ━━即新技术或新配方确实有效, 提高了产品质量.
解决问题的思路:
如果μ =μ 0,即原假设成立时,那么:
X 0
就不应该太大.反之,如果它过于大,那么想 必是原假设不成立. 求解: 方差2 已知的情况
第八章 第二节
正态总体均值的假设检验
一、单个正态总体N(,2)均值的检验
(I) H0:μ = μ
0
H1:μ ≠ μ
0
设X1,X2, ,Xn为来自总体N(,2)的样本. 求:对以上假设的显著性水平=的假设检验. 方差2已知的情况
根据第一节例1,当原假设 H0:μ =μ , 有:

正态总体的假设检验

正态总体的假设检验

(a) 原假设 H 0 : μ μ0 , 备择假设 H1 : μ μ0
检验统计量: 拒绝域为:
U X μ0 σ0 n
W {U zα }
பைடு நூலகம்
(证明略)
(b) 原假设 H 0 : μ μ0 , 备择假设 H1 : μ μ0
检验统计量: 拒绝域为:
U X μ0 σ0 n
W {U zα }
小时。现从一批这种元件中随机抽取25 件,测其
寿命,算得其平均寿命950小时,设该元件的寿命
X~N(μ,1002),在显著性水平0.05下,确定这批元件
是否合格?
解: x 950 1000
原假设 H 0 : μ 1000, 备择假设 H1 : μ 1000
由σ2 =1002知,检验统计量为 U X μ0
解: 原假设 H 0 : σ 2 60, 备择假设 H1 : σ 2 60
检验统计量: χ 2 (n 1)S 2
σ2
拒绝域:
W
{
χ2
χ
2 1
α
(
n
1),χ
2
χ
2
α
(n
1)
}
2
2
n=10 ,α=0.1,
χ2 1 α
(n 1)
χ
2 0.95
(9)
3.325
2
χ

单个正态总体的假设检验

单个正态总体的假设检验

第二节 单个正态总体的假设检验

1.单个正态总体数学期望的假设检验

(1) σ2

已知关于μ的假设检验(Z 检验法(Z -test)) 设总体X ~N (μ,σ2

),方差σ2

已知,检验假设

H 0:μ=μ0;H 1:μ≠μ

(μ0为已知常数)

X ~N (μ,

n

σ

)X N (0,1),

我们选取

Z

X (8.2)

作为此假设检验的统计量,显然当假设H 0为真(即μ=μ0正确)时,Z ~N (0,1),所以对于给定的显著性水平α,可求z α/2使

P {|Z |>z α/2}=α,

见图8-1,即

P {Z <-z α/2}+P {Z >z α/2}=α.

从而有

P {Z >z α/2}=α/2, P {Z ≤z α/2}=1-α/2.

图8-1

利用概率1-α/2,反查标准正态分布函数表,得双侧α分位点(即临界值)z α/2. 另一方面,利用样本观察值x 1,x 2,…,x n 计算统计量Z 的观察值

z 0

x (8.3)

如果:(a )|z 0|>z α/2,则在显著性水平α下,拒绝原假设H 0(接受备择假设H 1),所以|z 0|>z α/2便是H0的拒绝域.

(b ) |z 0|≤z α/2,则在显著性水平α下,接受原假设H 0,认为H 0正确.

这里我们是利用H0为真时服从N (0,1)分布的统计量Z 来确定拒绝域的,这种检验法称为Z 检验法(或称U 检验法).例8.1中所用的方法就是Z 检验法.为了熟悉这类假设检验的具体作法,现在我们再举一例.

例8.2 根据长期经验和资料的分析,某砖厂生产的砖的“抗断强度”X 服从正态分布,方差σ2=1.21.从该厂产品中随机抽取6块,测得抗断强度如下(单位:kg ²cm -2): 32.56 29.66 31.64 30.00 31.87 31.03

一个正态总体均值和方差假设检验

一个正态总体均值和方差假设检验


2 0
2 (n
1)时, 则拒绝H0


2 0
2 (n
1)时,则接受H0
.
19
例5 某种导线要求其电阻的标准差不得超0.005欧. 今在生产的一批导线中取样品9根,测得s=0.007欧. 问在=0.05条件下,能认为这批导线的方差显著的 偏大吗?
解 提出原假设H0: 2 (0.005)2 ,H1: 2>(0.005)2.
解 提出原假设H0: 0=225 , H1: >225.
选择统计量
T
X S
n
如果假设H0成立,取=0.05,得t0.05(15)=1.7531,
11
那么
P{
X S
225
1.7531}
0.05
16
根据样本值计算得x =241.5, s=98.7259.所以
x 225 t0 s
16
241.5 225 98.7259
分布:T~t(n-1)
(4) 选择检验水平 ,查t-分布表,得临界值t/2(n-1),

P{|
X S
0
|
t (n 1)} 2
n
2
(5) 根据样本值计算统计量的观察值t0,给出拒绝 或接受H0的判断:当| t0 | t/2(n-1)时,则拒绝H0 ; 当| t0 |< t/2(n-1)时,则接受H0 。

7-23正态总体参数的假设检验

7-23正态总体参数的假设检验

(4)根据样本信息计算T观测值,决定是否接受H0 .
例2 从1975年的新生儿(女)中随机抽取20个,测得其平均体重 为3160g,样本标准差为300g.而根据过去统计资料,新生儿(女) 平均体重为3140g.问现在与过去的新生儿(女)体重有无显著
差异(假定新生儿体重服从正态分布,给定 =0.01)?
且 T X t(n 1)
S/ n
H1为真(即拒绝H0 )时,样本均值的观测值x往往偏大.
拒绝域形式: x k 或者t x 0 c
s/ n
(3)选定 ,根据P(拒绝H0 | H0为真) ,确定拒绝域.
P(拒绝H0 | H0为真)
P0 (T
c)
P
0
(
X S
/
0
n
c)
X
P0 ( S /
2 0
k1

(n 1)s2
2 0
k2
(3)选定 ,根据P(拒绝H0 | H0为真) ,确定拒绝域.
P(拒绝H0
|
H0为真)
(n 1)S2
P{(
2 0
k1 )
(n 1)S2
(
2 0
k2 )}

(n 1)S2
P{
2 0
k1)} 2 ,
(n 1)S2
P{
2 0
k2} 2

正态分布的假设检验

正态分布的假设检验

单个正态总体中参数的假设检验最为简单,也最为常见。假设总体X~N(\;「2),我们从总体中随机抽取一个简单随机样本(X^X?,…,X n),利用样本观测值(x「X2,…,x n)对参数・,「2作假设检验,列表如下:

2 2

设有两个独立总体X ~ N(~,「),丫~ N(」2,;「2 )。从两个总体中分别独立抽取容

2

量为m,n的简单随机样本(X「X2,…X m),(丫1,丫2,…£)。记X,S X为样本

(X_,,X2,…X m)的样本均值与方差,Y,S丫2为样本(丫‘丫昇…丫,)的样本均值与方差。对参

数叫,;汀;丄2,二22作假设检验,列表如下:

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

定显著性水平α,设 X1,L ,X n1是来自正态
总体
N
(u1,
2 1
)
的样本,Y1,L
,Yn2
是来自正态
总体
N
(u2,
2 2
),的样本,且设两样本独立,
分别记它们的样本均值为 x, y ,样本方差
为 s12 , s22。其中1, 2 , 2 均为未知。现在来 求检验问题:
H0:1 2 , H1 : 1 2
(n
1)S
2 0
2
2/2 (n 1)
2
,
则p{ 2 χ12 (n 1) 2 χ2 (n 1)} α
2
2
得显著性水平为的拒绝域为
2
2 1
/
2
(n
1)或
2
2 / 2 (n 1)。
例3 由以往管理生产过程的大量资料表明某自 动机床产品的某个尺寸X服从正态分布,其标 准差为σ0=10.00毫米,并且把σ0=10.00毫米 定为机床精度的标准。为控制机床工作的稳定 性,定期对其产品的标准差进行检验:每次随 机地抽验9件产品,测量结果为x1,x2,…x9。试 制定一种规则,以便能根据样本标准差s的值 判断机床的精度(即标准差)有无变化(显著 性水平为α=0.05)? 解 依题意,所考虑的产品指标X服从正态
假定切割的长度X服从正态分布, 且标准差 没有变化, 试问该机工作是否正常? ( 0.1) 解 因为 X ~ N (, 2 ), 0.15,

正态总体参数的假设检验

正态总体参数的假设检验

用U 检验法,这时拒绝条件为U u , 计算知 X 575.2,
U
/ n

2.05
u
u0.05 1.645
故拒绝H0, 即认为新生产的铜丝折断力有显著提高.
概率统计(ZYH)
例2 已知某工厂在正常情况下生产的灯泡的寿命 X服 从正态分布 ,且均值为 1600 小时 ,如果某日发生异常情况 ,可
用T 检验法,这时拒绝条件为T t ,
计算知 n 10, x 1582, s 128.6
t x 0 s/ n 1582 1600 128.6 / 10 0.443

t t0.05 1.833
故接受H0, 即认为该日生产的灯泡的平均寿命没有降低.
9.2 正态总体参数的假设检验
一、一个正态总体参数的假设检验
二、非正态总体均值的假设检验
三、两个正态总体参数的假设检验 四、两个非正态总体均值的假设检验
概率统计(ZYH)
一、一个正态总体参数的假设检验
设 X1 , X 2 , , X n 是来自总体 X ~ N ( , 2 )的样本, X , S 2 分别 是样本均值和样本方差. 则在上节,我们构造了 U 检验法( 已知)
代替. 如果 2未知, 则可用样本方差S 2或样本二阶中心距M2
概率统计(ZYH)
例4 某产品的次品率为 0.17 .现对此产品进行新工艺 试验 , 从中抽取 400 件检验 , 发现有次品 56 件.能否认为这项

正态总体下参数的假设检验

正态总体下参数的假设检验
描述数据的分布规律
正态分布广泛存在于自然界和人类社会中,如人类的身高、考试分数等。
参数估计
在正态分布下,样本均值和样本方差可以用来估计总体均值和总体方差。
假设检验
在正态分布下,可以通过比较样本统计量和假设的总体参数进行假设检验。
02
参数假设检验的基本概念
参数假设检验的定义
参数假设检验是统计学中用于检验关 于总体参数的假设是否成立的一种方 法。
在二维平面上,正态分布可以表示为散点图上的椭圆,其中心 为均值$mu$,轴比为$sigma$。
正态分布的性质
1 2
3
集中性
正态分布的曲线关于均值$mu$对称。
均匀性
正态分布的曲线在均值附近最密集,向两侧逐渐扩散。
稳定性
正态分布的方差$sigma^2$决定了曲线的宽度,方差越大 ,曲线越宽。
正态分布在统计学中的应用
它基于样本数据对总体参数进行推断, 通过比较样本统计量与假设的参数值, 判断假设是否合理。
参数假设检验的步骤
1. 提出假设
根据研究问题和数据特征,提出 关于总体参数的假设。
3. 确定临界值
根据统计量的性质和显著性水平, 确定临界值。
2. 选择合适的统计量
根据假设和总体分布选择合适的 统计量,用于检验假设。
设是否成立。
两个总体均值的比较
总结词

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

单个正态总体参数的假设检验

一、假设检验的基本概念

假设检验是统计推断的一种方法,其基本思想是通过抽样来对总体参

数进行推断,并判断总体参数是否满足其中一种假设。在进行假设检验时,我们首先提出一个原假设(H0),这是一个既定的假设,表示总体参数满

足其中一种特定的值或不满足其中一种特定的关系。同时,我们还提出一

个备择假设(H1),表示总体参数不满足原假设。通过对样本数据的统计

推断,我们可以对原假设进行拒绝或不拒绝的判断。

二、假设检验的步骤

假设检验一般包括以下步骤:

1.提出假设:根据问题的需求和背景条件,提出原假设和备择假设。

2.确定显著性水平:显著性水平(α)是指当原假设成立时,我们愿

意犯第一类错误的概率。一般情况下,我们常使用0.05作为显著性水平。

3.选择检验统计量:根据所需检验的问题,选择适当的检验统计量。

在单个正态总体参数的假设检验中,常用的检验统计量有Z检验和t检验。

4.计算检验统计量的观察值:根据样本数据计算出检验统计量的观察值。

5.根据显著性水平查找拒绝域:根据显著性水平和检验统计量的分布,查找拒绝域的临界值。

6.判断并作出结论:如果检验统计量的观察值落在拒绝域内,则拒绝

原假设,否则不拒绝原假设。

三、应用领域

1.药物临床试验:在新药物的临床试验中,可以通过对患者进行抽样,检验患者服用药物前后的药效差异是否显著,以判断药物的疗效。

2.市场调研:在市场调研中,可以通过对一定数量的顾客进行问卷调查,检验顾客对其中一种产品的满意度是否显著不同,以了解产品在市场

中的竞争力。

3.品质控制:在生产过程中,可以通过抽样检验产品的质量是否符合

5.4,5.5一个正态总体参数的假设检验

5.4,5.5一个正态总体参数的假设检验
2
( −∞ ,−1,96) U (1.96,+∞ )

记 = uα , 称 临 值 为 界 λ
否定域位于接受域的两 侧 , 称为双侧 (或双边 )假设检验 .
拒绝域在接受域的一侧 , 称为单侧 ( 单边 )假设检验。 假设检验。
四、假设检验的两类错误 第一类错误 图 在原假设 H 0成立时,由于样本值的随机性,计算值也可 成立时,由于样本值的随机性, 能落入否定域,从而作出拒绝的判断, 能落入否定域,从而作出拒绝的判断,这种把客观上符合 假设而判为不符合的错误. 弃真” 假设而判为不符合的错误. “弃真”的错 误 就是犯第一类错误的概率的最大允许值
成立时: 当 H 0成立时:
57.7 − 53.6 说明“弃真” 说明“弃真”与“纳伪 ” U0 = = 2.16 6 | U 0 |= 2.16 > 1.96,故否定原假设 10 ※
X = 57.7 P{| U 0 |≥ 1.96} = 0.05
6 10
~ N (0,Fra Baidu bibliotek)
如取α = 0.01
uα = 2.58, | U 0 |= 2.16 < 2.58
称为右侧假设检验。 称为右侧假设检验。
例5.24
某厂生产灯管的寿命X(单位 服从正态分布 单位: 例5.24 . 某厂生产灯管的寿命 单位: h)服从正态分布 N(µ, 40000), 根据经验, 灯管的平均寿命不超过 , 根据经验, 灯管的平均寿命不超过1500h, 现测 , 试了25只采用新工艺生产的灯管的寿命 其平均值为1575h, 只采用新工艺生产的灯管的寿命, 试了 只采用新工艺生产的灯管的寿命, 其平均值为 , 试问新工艺是否提高灯管的寿命?(显著性水平 试问新工艺是否提高灯管的寿命 显著性水平α=0.05) . 建立原假设H 解 建立原假设 0: µ≤1500 已知, ,x= 已知, µ0=1500, σ0=200, n=25, =1575, 给定α=0.05, , , = , , . , 查附表uα=1.645, 计算可得 查附表 . ,

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。

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
故未落在拒绝域之内,接受H0,可以认为冷却用水 升高温度的均值不多于5°.
⑵ 置信水平为0.95 的σ2的置信区间为
2 2 2 2 ( n 1) s ( n 1) s 4 s 4 s , 2 , 2 2 2 (n 1) 1 (n 1) 0.025 (4) 0.975 (4) 2 2
而 20.025 (4) 11.143, 20.975 (4) 0.484
所求置信区间为(0.2265, 5.2149)。
例3 某次考试的考生成绩 X ~ N ( , 2 ), , 2 未知, 从中随机地抽取36位考生的成绩,平均成绩为63.5分, 标准差 s =15分。⑴ 问在显著水平0.05下是否可以认为 全体考生的平均成绩为70分? ⑵ 求μ的置信水平为 0.95的置信区间。 解: ⑴ 提出假设 H 0 : 0 70, H1 : 70
X ~ N ( , 2 ), 2未知. 现从该厂生产的一批产品
中抽取6件, 得尺寸数据如下:
32.56, 29.66, 31.64, 30.00, 31.87, 31.03
( = 0.01) 假定方差保持不变,问这批产品是否合格? 解: 先提出假设 H 0 : 0 32.5, H1 : 32.5
三、单个正态总体均值的假设检验(单边检验) 1. 已知σ2,检验μ (U 检验法) 右边假设检验 H 0 : 0

正态总体参数的假设检验.

正态总体参数的假设检验.

由例1可见: 对问题的提法不同(把哪个假 设作为原假设),统计检验的结果也会不同。
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. 上述两种解法的立场不同,因此得到不同 的结论.第一种假设是不轻易否定厂方的结论; 第二种假设是不轻易相信厂方的结论。
§7.2
正态总体参数的假设检验
一、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 ; H 1 : 0 构造统计量
X 0 U ~ N (0,1) n
P(拒绝H0|H0为真)
解二 :H0 : 0.8 ;
选用统计量:Байду номын сангаас
X T ~ T (15) S / 16
H1 : < 0.8
查表得 t0.05(15) = 1.753, 故拒绝域
0.32 x 0.8 1.753 x 0.8 1.753 0.66 s/ n 4
现 x 0.92 0.66 故接受原假设, 即否定厂方断言.
取统计量
2 ( n 1 ) S 2 2 ~ (n 1) 2 0
  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)。

代入样本值计算统计量的值
(41.25 40) 25
U
3.125 >1.645
2
拒绝H0,接受H1,即在水平α= 0.05下,认为革新后的质 量有显著提高.
3、方差σ2已知时,在水平α下检验假设
H0 := 0 H1 : < 0 哪一个成立
__
取U ( X 0 ) n 作为检验统计量
对给定的水平α,求临界点Zα使 -Zα
§2 一个正态总体参数的假设检验
设X
~
N (, 2 ) ,(X1
,
X2
,
,
X
)是其
n
样本.
一、方差σ2已知时,对均值μ的假设检验
二、方差σ2未知时,对均值μ的假设检验
三、方差σ2的假设检验
复习: 置信区间
2已知,估计 用U X ~ N(0,1)
/ n
2未知,估计 用 T X ~ t(n 1).
,
2
n
)
___
取 U ( X 0 ) n ~ N (0,1) 作为检验统计量。
注:寻求一个含有μ(当H0为真时,不含任何未知参数)且 分布已知的检验统计量U.
对给定的检验水平α,由 标准正态分布上α分位点的定 义可知:
H0的 拒绝域
Z
2
Z
2
由于α很小,故事件 “U Z ” 是小概率事件。
2
s
129
0.44 t 9 2.262
2
在水平=0.05下, 接受H0.
即认为该工厂生产的灯泡寿命为 = 1600小时.
三、方差σ2的假设检验
假设的提法
(1)H0
:
2
2 0
,
H1
:
2
2 0
(2)H0
:
2
2 0
,
H1
:
2
2 0
(3)H0
: 2
2 0
,
H1
:
2
2 0
f ( y)
第一种类型的假设检验 称为双边检验,第二、 三种类型的检验称为单 边检验。
解: 此题为在水平 =0.05下检验假设 H0 : = 0=1600 是否成立
由于方差未知,所以我们选 T ( X 0 ) n
s
作为检验统计量. 对给定的水平=0.05, 由t分布表查得t0.025(9)=2.262
由样本算得:
x 1582; s 129
代入样本值计算统计量t的值
__
t ( x 0 ) n (1582 1600) 10
技术革新后,随机抽取25只,测得寿命均值 x 41.25
设技术革新后方差不变,问革新后产品质量较以前是 否显著提高?(=0.05)
分析: 质量显著提高的含义是寿命均值μ>40. 解:这个问题即在水平=0.05下,检验假设
H0 :=0=40 H1 : >u0= 40 哪一个成立
作为检验统计量.
对给定的水平=0.05,查表知: Z0.05=1.645
检验统计量 T ( X 0 ) n ~ t(n 1).
S
T t (n 1);
2
T t (n 1) T t (n 1)
参看P143表
此方法称为T检验法
wk.baidu.com
-t
t
例1 在正常情况下,某工厂生产的灯泡的寿命X服从正态分 布,今测得10个灯泡寿命为:1490 1440 1680 1610 1500 1750 1550 1420 1800 1580 。问能否认为该工厂生产的灯 泡寿命为1600(=0.05)? (注:此题是第141页例3)
2 1 2
)
1
2
(2)H0
:
2
2 0
,
H1
:
2
2 0
检验统计量 K (n 1)S 2
2 0
f ( y)
2 1
2
y
(3)H0
:
2
2 0
,
H1
:
2
2 0
参看P145表
例1:某种电子元件的寿命X~ N(,2),合格标准
为: ≥2000, 2 ≤1302,现从一批该种元件中任
抽25只,测得寿命均值为 x 1950,方差s2 1482
试在水平=0.05下,检验是否合格. (注:此题是 第145页例6)
①解: 此题为在水平= 0.05下,检验假设 H0: =2000 H1: <2000 哪一个成立?
取T X 0 ~ t(n 1) 作为检验统计量. S/ n
拒绝域为:T<-t (n-1) 对给定的水平= 0.05,查表知t 0.05(24)=1.7109
代入样本值计算统计量U的值u
当u Z时,就拒绝H0; 当u Z时, 就接受H0 .
1-
Z
小结:方差σ2已知,对均值μ的假设检验
拒绝域
假设提法
① H0 := 0 ② H0 : =0 ③ H0 : =0
H1 : ≠ 0 H1 : > 0 H1 : < 0
u Z ;
2
u Z u Z
代入样本值,计算t 1950 2000 1.689
148/ 5 ∴t= -1.689> - 1.7109, 应接受H0 , 即认为元件寿命不低于2000小时.
②在水平在水平 =0.05下,检验假设
H0: 2 = 1302 H1: 2 >1302 哪一个成立?
取K
n 1S 2
2 0
~
2 n 1
小概率事件发生的概率α称为显著性检验水平。
下面我们学习具体的假设检验方法
一、方差σ2已知时,对总体均值μ的假设检验
关于μ的假设检验有三种不同类型的提法:
① H0 := 0 ② H0 := 0 ③ H0 := 0
H1 : ≠ 0 H1 : > 0 H1 : < 0
第一种类型的假设检验称为双边检验,第
2
以上方法称为U检验法。
小结:U检验法的一般步骤
(1)提出假设 H0: = 0 H1: ≠ 0
(2)选定检验统量:
(3)对给定的显著水平α,确定临界值点
P(U Z )
2
(4)计算检验统计量的观察值 u
Z ,使
2
(5)下结论 当 u Z 时, 接受H0 2
当 u Z时, 拒绝H0
2
例1:某车间用一台包装机装箱,额定标准为每箱 重100kg,设每箱重量服从正态分布,且σ=1.15,某 日开工后,随机抽取10箱,测得重量为(kg):
2
代入样本值计算统计量U的值u
u ( x 0 ) n (100.27 100) 10
1.15
__
0.74 1.96 , ( x 100.27)
结论:接受H0 即认为在水平α=0.05下,包装机工作正常。
小结:求解具体检验题目的一般步骤 (1)提出假设 (2)选定检验统量 (3)确定临界点 (4)代入样本值计算统计量的值 (5)下结论
检验统计量 U ( X 0 )
n
~ N (0,1).
参看P143表
H0的 拒绝域
此方法称为U检验法
Z
2
Z
2
二、方差σ2未知,对均值μ的假设检验
拒绝域
与方差σ2已知的情况类似
假设提法
① H0 := 0 ② H0 : =0 ③ H0 : =0
H1 : ≠ 0 H1 : > 0 H1 : < 0
2
~
2 (n 1)
当H0为真时,取
K
(n 1)S 2
2 0
~
2(n 1)
作为检验统计量.
对给定的水平α,查 2 分布表,找到临界点
( 2 n - 1)和12-( n - 1),使得
2
2
由于α很小,故事件
是小概率事件. 代入样本值计算统计量K的值k.
f ( y)
2 1 2
2
2
y
2
注意:P ( K
由实际推断原则,小概率事件在一次试验中几乎是不可
能发生的.如果发生了,我们就认为是不合理的,从而
拒绝假设H0 ,因而我们把由事件
所确定的
区域W称为H0的拒绝 域,其余的便是接受域,称 为临界点。
代入样本值计算统计量U的值u,当u落入
拒绝域时,则拒绝H0 。
当 u Z时,就拒绝H0; 2
当 u Z时,就接受H0;
作为检验统计量.
对给定的水平 =0.05,查表知2 0.05(24)=36.415
计算k
24 1482 1302
31.106 ;
k<36.415,
接受H0 , 即认为标准差不超过130小时. 由以上说明在水平 =0.05下,认为这批元件合格.
复习 一、概率的计算、事件间关系 二、一维与二维随机变量的概率分布问题 三、会求随机变量函数的概率分布 四、数学期望、方差、协方差的定义、性质及计算 五、会求矩估计量与极大似然估计量 六、会求置信区间 七、会判断估计量的无偏性 八、掌握假设检验的基本步骤
2、方差σ2已知时,在水平α下,检验假设
H0 := 0 H1 : > 0 哪一个成立。
与第1种情况类似, 作为检验统计量.
对给定的检验水平α,求临界点Zα使
1-
接受域
Z
拒绝域
代入样本值计算U的值u 当 Z时,拒绝H0;
当u Z时,接受H0 .
例2: 某工厂产品寿命X~N(,2),正常情况下0=40, 0=2,
99.3 98.9 101.5 101.1 99.6 98.7 102.2 100.8 99.8 100.9 试在水平α=0.05下,检验假设
H0 : 0 100
是否成立?
__
解: 取U ( X 0 ) n 作 为 检 验 统 计 量.
对给定的水平α=0.05,查表知: Z Z0.025 1.96
2 1 2
2
2
y
2
三、方差σ2的假设检验 假设的提法
(1)H0
:
2
2 0
,
H1
:
2
2 0
(2)H0
:
2
2 0
,
H1
:
2
2 0
(3)H0
:
2
2 0
,
H1
:
2
2 0
第一种类型的假设检验 称为双边检验,第二、 三种类型的检验称为单 边检验。
(1)在水平α下,检验假设
H0
:
2
2 0
是否成立?
解:考虑到
(n 1)S 2
sn
估计2
用Y
(n 1)S 2 2
~
2(n 1);
由上节课我们知道,假设检验就是先对总体的未知 参数提出某种假设H0,然后再根据小概率事件是否发 生作出拒绝假设H0 或是接受假设H0 的。
弃真错误的概率α即为小概率事件发生的概率。
我们把只关心犯第一类错误而不考虑犯第二类错误 的检验称为显著性检验。
二、三种类型的检验称为单边检验。并将H0称 为原假设, H1称为备择假设。
一、方差σ2已知时,对总体均值μ的假设检验 1、方差σ2已知时,在水平α下,检验假设 H0 := 0 (0为已知) 是否成立
考虑到 样本均值X 是 μ的一个无偏估计量,
若H 0成立, 则X
~
N (0 ,
2 ), 从而X
~
N
(0
由观察值s2=9200 得
(n 1)S2 02
46 44.314
结论:拒绝H0, 认为这批灯泡的 寿 命的波动性较以往有显著变化。
例2:某厂生产某种型号的电池,其寿命服从 方差σ2=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。现随机抽取26只,测出其寿命的 样本方差S2=9200(小时2),问根据这批数据能 否推断这批电池的寿命的波动性较以往有显著 变化。(α=0.02)
分析:寿命的波动性由方差反应。
解:本题要在显著水平α=0.02 下检验假设
H0 : 2 5000 , H1 : 2 5000
n
26,
2
(n
1)
2 0.01
(25
)
44.314
,
2
2 1
(n
1)
2 0.99
(25)
11
.524
,
2 0
5000
2
拒绝域为:
(n 1)S 2
2 0
11.524
,
(n 1)S 2
2 0
44.324
相关文档
最新文档