两个总体参数的检验
合集下载
两个独立总体样本均值的t检验
1、单击Analyze Compare Means Independent-sample T Test，打开 Independent-sample T Test 主对话框如图。 2、选择要检验的变量“综合得分”进入检验框中, 选择分组变量“性别”进入分组框中 。
3、然后单击Define Group按纽，打开分组对话 框如图所示，确定分组值后返回主对话框，如果 没有分组，可以选择Cut point单选项，并在激 活的框内输入一个值作为分组界限值。
人中抽取30人，将他们培训前后的数据每加工
500个零件的不合格品数进行对比，得到数据表， 见表3。试根据表中数据检验培训前后工人的平 均操作技术水平是否有显著提高，也就是检验培 训效果是否显著。
工人培训前后不合格品数据表3
序号 培训前 培训后 序号 培训前 培训后
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Test Value = 10000 95% Confidence Interval of the Difference Mean Difference 置信区间 Lower Upper 均值差 3559.90323 1795.5916 5324.2148
t值 国有单位 4.121
Sig. df (2-tailed) 自由度 P值 30 .000
单个总体均值的 t 检验（One-Sample T Test）； 两个独立总体样本均值的 t 检验 （Independent-Sample T Test）；
两个有联系总体均值均值的 t 检验（PairedSample T Test）；
单因素方差分析（One-Way ANOVA）；
双因素方差分析（General Linear ModelUnivariate）。
两个正态总体的假设检验
两个正态总体的假设检验
有时，我们需要比较两总体的参数 有时，我们需要比较两总体的参数 是否存在显著差异。比如， 是否存在显著差异。比如，两个农作物 品种的产量，两种电子元件的使用寿命， 品种的产量，两种电子元件的使用寿命， 两种加工工艺对产品质量的影响， 两种加工工艺对产品质量的影响，两地 区的气候差异等等。 区的气候差异等等。
Fα2 (n1 − 1, n2 − 1) 和 F12 α (n1 − 1, n2 − 1) ，使 −
2
( P (F
P F < Fα (n1 − 1, n2 − 1) =
2 2
2
2
> F12 α −
2
）、（3） 由（2）、（ ）式可得检验的拒绝域为 ）、（
F < F1−(α 2) ( n1 − 1, n2 − 1) 及 F > Fα 2 ( n1 − 1, n2 − 1)
拒绝H 两种灯泡的平均寿命 所以拒绝 假设， 所以拒绝 0假设，即认为 A、B两种灯泡的平均寿命 、 两种灯泡的 有统计意义。 有统计意义。
两个正态总体的方差检验 问题： 问题： X ~ N µ , σ 2 , Y ~ N µ ,σ 2 1 1
(
)
未知
µ1 , µ2 ，检验假设 0：σ 12 = σ 22 检验假设H
所以拒绝原假设 H20，即认为两种玉米的产量差异 有统计意义。 有统计意义。
(
2
2
)
F检验 检验
S12 σ 12 F = 2 2 ~ F ( n1 − 1, n2 − 1) 由抽样分布知 S2 σ 2 2 S 若假设H 成立， 若假设 0成立，则 F = 12 ~ F ( n1 − 1, n2 − 1) S2
f (x )
有时，我们需要比较两总体的参数 有时，我们需要比较两总体的参数 是否存在显著差异。比如， 是否存在显著差异。比如，两个农作物 品种的产量，两种电子元件的使用寿命， 品种的产量，两种电子元件的使用寿命， 两种加工工艺对产品质量的影响， 两种加工工艺对产品质量的影响，两地 区的气候差异等等。 区的气候差异等等。
Fα2 (n1 − 1, n2 − 1) 和 F12 α (n1 − 1, n2 − 1) ，使 −
2
( P (F
P F < Fα (n1 − 1, n2 − 1) =
2 2
2
2
> F12 α −
2
）、（3） 由（2）、（ ）式可得检验的拒绝域为 ）、（
F < F1−(α 2) ( n1 − 1, n2 − 1) 及 F > Fα 2 ( n1 − 1, n2 − 1)
拒绝H 两种灯泡的平均寿命 所以拒绝 假设， 所以拒绝 0假设，即认为 A、B两种灯泡的平均寿命 、 两种灯泡的 有统计意义。 有统计意义。
两个正态总体的方差检验 问题： 问题： X ~ N µ , σ 2 , Y ~ N µ ,σ 2 1 1
(
)
未知
µ1 , µ2 ，检验假设 0：σ 12 = σ 22 检验假设H
所以拒绝原假设 H20，即认为两种玉米的产量差异 有统计意义。 有统计意义。
(
2
2
)
F检验 检验
S12 σ 12 F = 2 2 ~ F ( n1 − 1, n2 − 1) 由抽样分布知 S2 σ 2 2 S 若假设H 成立， 若假设 0成立，则 F = 12 ~ F ( n1 − 1, n2 − 1) S2
f (x )
第四章_两个总体的假设检验
net
1
net
2
两个总体比率之差的检验
(例题分析)
H0 ：1- 2 0 H1 ：1- 2 < 0 = 0.05 n1=200 , n2=200
临界值(c):
拒绝域
检验统计量:
z
0.27 0.35
1 1 0.31 (1 0.31) 200 200 1.72976
两个总体均值之差的估计 (例题分析)
【例】为检验两种方法组装产品所需时间的差异，分别对两种 不同的组装方法各随机安排 12 个工人，每个工人组装一件产 品所需的时间(分钟)下如表。假定两种方法组装产品的时间服 从正态分布，但方差未知且不相等。取显著性水平0.05，能否 认为方法1组装产品的平均数量明显地高于方法2？
2 ( d d ) i i 1 n
d
di
i 1
n
nd
sd
nd 1
匹配样本
(数据形式)
观察序号 样本1 样本2 差值
1 2 M i M n
x11 x12 M x1i M x 1n
x21 x22 M x 2i M x 2n
d1 = x11 - x21 d2 = x12 - x22 M d i = x 1i - x 2i M dn = x1n- x2n
拒绝域
P值决策
z z / 2
z z
z z
P 拒绝H0
两个总体比率之差的检验
(例题分析)
【例】一所大学准备采取一项学生 在宿舍上网收费的措施，为了解男 女学生对这一措施的看法是否存在 差异，分别抽取了 200 名男学生和 200名女学生进行调查，其中的一个 问题是：“你是否赞成采取上网收 费的措施？”其中男学生表示赞成 的比率为 27% ，女学生表示赞成的 比率为 35% 。调查者认为，男学生 中表示赞成的比率显著低于女学生 。取显著性水平 =0.01 ，样本提供 的证据是否支持调查者的看法？
8.3两个正态总体参数的假设检验
方差
12
2 2
2
未知
1.H0 : 1 2 0 H1 : 1 2 0
由于
Sw2
1 n1 n2
n1
[ 2 i1
(Xi
X )2
n2 i1
(Yi
Y )2]
是
2 的无偏估计
检验统计量：T
Sw
X Y 1 n1
1 n2
~ t(n1 n2 2)
检验问题的拒绝域为：| T | t (n1 n2 2)
X Y H0
2 1
2 2
~ N (0,1)
n1 n2
检验问题的拒绝域为：|U | Z
2
方差
12 ,
2 2
已知
2.
检验统计量：U
X Y
2 1
2 2
n1 n2
检验问题的拒绝域为：U Z1
3. H0 : 1 2 0
方差
12 ,
2 2
已知
H1 : 1 2 0
检验统计量：U
X Y
2 1
2 2
n1 n2
检验问题的拒绝域为：U Z
例：设可乐厂车间使用灌装机生产的可乐容量服从正态分布， 方差为1。某天计量检验人员随机抽取10瓶可乐，容量数据如下 （单位：毫升）：
499.5 496.3 500.5 499.1 499.3 499.2 499.0 500.2 500.1 499.8 另一可乐厂生产的可乐容量服从正态分布，方差为1.5。计 量检验人员随机抽取了的9瓶可乐，容量数据如下（单位：毫 升）：
2. H0 : 1 2 0 H1 : 1 2 0
3. H0 : 1 2 0 H1 : 1 2 0
问题1称为双侧检验问题，问题2、3称为单侧检验问题。
两个正态总体参数的假设检验 推导
两个正态总体参数的假设检验推导一、引言假设检验是统计学中常用的方法，用于检验两个正态总体参数是否具有显著差异。
本文将介绍两个正态总体参数的假设检验的推导过程，主要包括以下步骤：假设提出、样本收集、样本检验、推断结论、结果解释和误差分析。
二、假设提出假设检验的基本思想是通过样本数据对总体参数进行推断。
在这个过程中，首先需要提出假设，即对两个正态总体参数的关系做出假设。
通常，假设检验中包含两个假设：零假设（H0）和备择假设（H1）。
零假设通常表示两个总体参数无显著差异，备择假设则是与零假设相对的假设。
例如，我们可以在零假设中设定两个总体均数相等，备择假设则是均数不等。
三、样本收集在提出假设后，需要收集样本数据以进行检验。
样本收集应遵循随机抽样的原则，以确保样本的代表性。
在收集样本时，还需要注意样本量的大小，以保证推断结论的准确性。
四、样本检验样本检验是假设检验的核心步骤，包括计算样本统计量、确定临界值和做出推断结论等步骤。
样本统计量是根据样本数据计算出的量，用于推断总体参数。
临界值是用于判断样本统计量是否达到显著差异的标准。
在做出推断结论时，需要根据样本统计量和临界值进行比较，以确定零假设是否被拒绝。
五、推断结论根据样本检验的结果，可以做出推断结论。
如果样本统计量超过了临界值，则可以拒绝零假设，接受备择假设；否则，不能拒绝零假设。
推断结论是假设检验的关键步骤之一，要求谨慎和客观地做出判断。
六、结果解释推断结论做出后，需要对结果进行解释。
解释结果时需要关注以下几点：一是理解推断结论的含义，二是明确结果对于实践的意义，三是注意结果的局限性，即样本量和误差范围等因素对结果的影响。
结果解释要求清晰明了地传达结果的含义和应用范围。
七、误差分析误差分析是假设检验中不可或缺的一环。
误差分为两类：一类是随机误差，由随机抽样造成；另一类是系统误差，由样本设计和处理等环节造成。
误差分析的目的是评估结果的可靠性和精确性，从而确定结果在实际应用中的可信度。
两个总体参数的假设检验
Bartlett's test用于比较两个总体 的方差是否存在显著差异。它基 于K2分布理论，通过计算每个总 体样本的方差，然后比较两组方 差之间的差异是否具有统计学显 著性。
Part
03
假设检验的注意事项
样本量
样本量过小
01
如果样本量过小，会导致检验结果不稳定，无法准确
推断总体参数。
样本量过大
两个总体参数的假设 检验
• 假设检验的基本概念 • 两个总体参数的假设检验 • 假设检验的注意事项 • 假设检验的实例分析 • 总结与展望
目录
Part
01
假设检验的基本概念
定义
01
假设检验是一种统计推断方法 ，通过对样本数据的分析，对 总体参数做出假设，并通过检 验假设是否成立来得出结论。
02
在假设检验中，通常会先提出 一个关于总体参数的假设，然 后通过样本数据对该假设进行 验证。
03
假设检验的目的是根据样本数 据对总体参数做出合理的推断 ，并尽可能减少因错误判断而 导致的误差。
目的
判断总体参数是否符合预期
通过假设检验，可以判断总体参数是否符合预 期，从而为进一步的研究或决策提供依据。
两个总体比例的比较
总结词
Fisher's exact test
详细描述
Fisher's exact test用于比较两个总体的分类比例是否存在显著差异，特别是当样本量较小时。它基于 Fisher's exact probability distribution，通过计算概率值来评估实际观测频数与期望频数之间的差异是 否具有统计学显著性。
两个总体方差的比较
01 总结词
Levene's test
Part
03
假设检验的注意事项
样本量
样本量过小
01
如果样本量过小，会导致检验结果不稳定，无法准确
推断总体参数。
样本量过大
两个总体参数的假设 检验
• 假设检验的基本概念 • 两个总体参数的假设检验 • 假设检验的注意事项 • 假设检验的实例分析 • 总结与展望
目录
Part
01
假设检验的基本概念
定义
01
假设检验是一种统计推断方法 ，通过对样本数据的分析，对 总体参数做出假设，并通过检 验假设是否成立来得出结论。
02
在假设检验中，通常会先提出 一个关于总体参数的假设，然 后通过样本数据对该假设进行 验证。
03
假设检验的目的是根据样本数 据对总体参数做出合理的推断 ，并尽可能减少因错误判断而 导致的误差。
目的
判断总体参数是否符合预期
通过假设检验，可以判断总体参数是否符合预 期，从而为进一步的研究或决策提供依据。
两个总体比例的比较
总结词
Fisher's exact test
详细描述
Fisher's exact test用于比较两个总体的分类比例是否存在显著差异，特别是当样本量较小时。它基于 Fisher's exact probability distribution，通过计算概率值来评估实际观测频数与期望频数之间的差异是 否具有统计学显著性。
两个总体方差的比较
01 总结词
Levene's test
假设检验之两个总体
假设检验的重要性
减少决策风险
01
通过假设检验，可以减少决策的盲目性和主观性，降低决策风
险。
提高决策准确性
02
假设检验基于数据和概率，能够提高决策的准确性和可靠性。
促进科学探究
03
假设检验是科学研究中的重要方法，有助于推动科学研究的进
步。
假设检验的历史与发展
历史
假设检验起源于17世纪，经过数百年的发展，逐渐完善和成熟。
社会学研究中的应用
社会政策效果评估
在社会学研究中，假设检验常用于社会政策 效果评估。例如，研究者会设立一个假设， 即某种社会政策能够有效地改善社会问题。 通过收集相关数据并进行分析，可以判断该 社会政策是否真的有效。
社会现象解释
在社会现象解释中，假设检验可以帮助研究 者深入了解社会现象的本质和原因。研究者 会设立一个假设，即某种因素对社会现象有 影响。通过收集相关数据并进行分析，可以 判断该因素是否真的对社会现象有影响。
结论解释
根据统计决策的结果， 解释研究问题和得出 结论。
03 两个总体参数假设检验
两总体均值比较
总结词
当需要比较两个总体的均值是否存在显著差异时，可以采用两总体法首先假设两个总体的均值相等，然后通过样本数据计算统计量，并根据统计量判断假设是否成 立。常用的统计量包括t检验和z检验等。
病因研究
在病因研究中，假设检验可以帮助研究者确定某种因素是否是疾病的病因。研究者会设立 一个假设，即该因素与疾病有关，然后收集数据来检验该假设是否成立。如果结果支持该 假设，那么该因素可能就是疾病的病因。
经济学研究中的应用
货币政策效果评估
在经济学研究中，假设检验常用于货币政策效果评估。例如，研究者会设立一个假设，即某种货币政策能够有效地控 制通货膨胀。通过收集相关数据并进行分析，可以判断该货币政策是否真的有效。
两个正态总体均值的检验.
S
2 w
(n1
1)S1*2 (n2 1)S2*2 n1 n2 2
.
当H0为真时, 根据第六章§3定理2知,
T ~ t(n1 n2 2).
第八章 假设检验
§8.3 两个正态总体参数的假设检验
对给定的 ， 由t分布的分位表可查得 t/ 2(n1 n2 2).
X Y
使得P{ Sw
1 1 t / 2 (n1 n2 2)}
,
2均为
2
未
知.
需要检验假设:
H0
:
2 1
22,
H1 :12 22 ,
第八章 假设检验
§8.3 两个正态总体参数的假设检验
当 H0 为真时,
E
(
S1*
2
)
2 1
2 2
E(S2*2 ),
当 H1 为真时,
E(
S1*2
)
2 1
22
E(S2*2 ),
当 H1 为真时,
观
察
值S1*
S
* 2
2 2
有 偏
大
或
偏
小
的
趋
势
故拒绝域的形式为 s1*2 s2* 2
k1或
s1* 2 s2* 2
k2,
此处 k1和k2 的值由下式确定:
第八章 假设检验
P
S1* S2*
2 2
k1
S1*2 S2*2
k2
§8.3
两个正态总体参数的假设检验
为了计算方便, 习惯上取
P
S1* S2*
2 2
k1
,
2
P
P{| ( X Y ) /
故拒绝域为
双正态总体参数的假设检验
§7.3 双正态总体参数的假设检验设样本1,,1n X X 取自正态总体211(,)N μσ，样本2,,1n Y Y 取自总体222(,)N μσ，两样本相互独立，它们的样本均值分别为∑==1111n i iX n X ，∑==2121n j jYn Y ，样本方差分别为∑=--=112121)(11n i i X X n S ，∑=--=212222)(11n j j Y Y n S 。
一、 关于两个正态总体方差比的假设检验以双侧检验：2221122210::σσσσ≠↔=H H 为例 选用检验统计量2221S S F =，它在原假设0H 成立的条件下服从F 分布)1,1(21--n n F ；记2221s s f O =表示检验统计量F 的样本观测值，则检验的P 值为⎪⎩⎪⎨⎧<=≥≥=≥=1),/1/1(21),(222212221O O O O f f F P f f F P P 如果如果σσσσ这种检验方法通常称为“F 检验”。
例7.3.1 甲乙两台车床分别加工某种轴，轴的直径分别服从正态分布),(211σμN ，),(2σμN ，从各自加工的轴中分别抽取若干根，测得其直径如下表所示：试问在显著性水平05.0=α下，两台车床加工的精度是否有显著差异？解：（1）依题意，考虑假设检验问题2221122210::σσσσ≠↔=H H （2）用F 检验，检验统计量为)6,7(~02221F S S F H =或)7,6(~/102122F S S F H =；（3）由样本观测值可得2164.021=s ，2729.022=s ，检验统计量的值为793.0/2221==s s f O 。
故检验的P 值为76.038.02)793.0/1/1(22221=⨯==≥=σσF P P 。
（4） 因为05.0>P ，所以不拒绝原假设0H ，即没有充分理由认为两种机床所加工轴的精度有显著差异。
统计学原理 假设检验
50个零件尺寸的误差数据 (mm) 1.26 1.19 1.31 0.97 1.81 1.13 0.96 1.06 1.00 0.94 0.98 1.10 1.12 1.03 1.16 1.12 1.12 0.95 1.02 1.13 1.23 0.74 1.50 0.50 0.59 0.99 1.45 1.24 1.01 2.03
双侧检验与单侧检验
(假设的形式)
假设
单侧检验 双侧检验
左侧检验 右侧检验
原假设 H0 : = 0 H0 : 0 H0 : 0
备择假设 H1 : ≠0 H1 : < 0 H1 : > 0
假设检验中的两类错误
1. 第Ⅰ类错误(弃真错误)
原假设为真时拒绝原假设
第Ⅰ类错误的概率记为
被称为显著性水平
样本数据，检验新机床加工的零件 1.98 1.97 0.91 1.22 1.06
尺寸的平均误差与旧机床相比是否 1.11 1.54 1.08 1.10 1.64
有显著降低？ (=0.01)
1.70 2.37 1.38 1.60 1.26
左侧检验
1.17 1.12 1.23 0.82 0.86
总体均值的检验(
补充： 假设检验
1 假设检验的基本问题 2 一个总体参数的检验 3 两个总体参数的检验 ( 不讲 )
什么是假设检验?
(hypothesis test)
1. 先对总体的参数(或分布形式，总体参数包括总体均值、 比率、方差等)提出某种假设，然后利用样本信息判断假 设是否成立的过程
2. 有参数检验和非参数检验 3. 逻辑上运用反证法，统计上依据小概率原理
1/2 P 值
/2 拒绝H0
1/2 P 值
spss讲稿5(2) SPSS参数检验和区间估计(二)
H0
D = 0
D 0
D 0
H1
D 0
D< 0
D > 0
注：Di = X1i - X2i ，对第 i 对观察值
6 - 16
精品教材
统计学
观察序号
两个配对样本来自的 总体参数的检验
样本1 样本2 差值
1 2 M i M n
6 - 17
x 11
x 12 M x 1i M x 1n
9.85 - 8.5 2.199 10
1.9413
决策: 在 = 0.05的水平上拒绝H0
拒绝域
结论:
.05
有证据表明该俱乐部的宣称可信 如何利用SPSS进行分析？
6 - 19
0
1.833
t
利用SPSS进行两配对样本来自的 统计学 总体参数的检验
精品教材
分析某减肥茶是否有显著的减肥效果？ 基本操作步骤 (1)菜单选项: analyze->compare means->paired-samples T… (2)选择一对或若干对配对变量作为检测变量到paired variables框.
6 - 21
精品教材
统计学
•
两个总体比例差的检验
假定条件 两个总体是独立的 两个总体都服从二项分布 可以用正态分布来近似 • 检验统计量
Z
6 - 22
( P1 - P2 ) - ( 1 - 2 ) P1 (1 - P1 ) P2 (1 - P2 ) n1 n2
~ N (0,1)
训练后
85
89.5 101.5
96
86
80.5
87
93.5
93
两个正态总体均值的检验.
解 依题意, 两总体 X 和 Y 分别服从正态分布
2 , , 均为未知, N ( 1 , ) 和N ( 2 , ), 1 2
2 2
第八章
假设检验
*2 1
*2 2
需要检验假设 H 0 : 1 2 , H1 : 1 2 .
n1 8, n2 7,
2
§8.3 两个正态总体参数的假设检验
使得P{ Sw X Y 1 1 n1 n2 t / 2 ( n1 n2 2)}
故拒绝域为
W1 { sw ( x y) 1 1 n1 n2 t / 2 ( n1 n2 2)}
第八章
假设检验
§8.3 两个正态总体参数的假设检验
例2 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 机床乙: 19.7, 20.8, 20.5, 19.8, 19.4, 20.6, 19.2, 试比较甲、乙两台机床加工的产品直径有无显著 差异? 假定两台机床加工的产品直径都服从正态 分布, 且总体方差相等. ( 0.05)
x 24.4,
12
2 2
y 27
24.4 27 u ( x y) / 1.612 n1 n2 5 8 5 5 对 0.05, 查正态分布表得 u / 2 1.96,由于
| u | 1.612 1.96, 故接受原假设 H0 .
第八章
假设检验
§8.3 两个正态总体参数的假设检验
2.未知方差时两正态总体均值的检验 利用t检验法检验具有相同方差的两正态总体均 值差的假设. 设 X 1 , X 2 , , X n1 为 来 自 正 态 总 体 N ( 1 , 2 )的
2 , , 均为未知, N ( 1 , ) 和N ( 2 , ), 1 2
2 2
第八章
假设检验
*2 1
*2 2
需要检验假设 H 0 : 1 2 , H1 : 1 2 .
n1 8, n2 7,
2
§8.3 两个正态总体参数的假设检验
使得P{ Sw X Y 1 1 n1 n2 t / 2 ( n1 n2 2)}
故拒绝域为
W1 { sw ( x y) 1 1 n1 n2 t / 2 ( n1 n2 2)}
第八章
假设检验
§8.3 两个正态总体参数的假设检验
例2 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 机床乙: 19.7, 20.8, 20.5, 19.8, 19.4, 20.6, 19.2, 试比较甲、乙两台机床加工的产品直径有无显著 差异? 假定两台机床加工的产品直径都服从正态 分布, 且总体方差相等. ( 0.05)
x 24.4,
12
2 2
y 27
24.4 27 u ( x y) / 1.612 n1 n2 5 8 5 5 对 0.05, 查正态分布表得 u / 2 1.96,由于
| u | 1.612 1.96, 故接受原假设 H0 .
第八章
假设检验
§8.3 两个正态总体参数的假设检验
2.未知方差时两正态总体均值的检验 利用t检验法检验具有相同方差的两正态总体均 值差的假设. 设 X 1 , X 2 , , X n1 为 来 自 正 态 总 体 N ( 1 , 2 )的
两个总体的假设检验
产品定位评估
评估产品在市场中的定位是否准确，例如测 试目标客户对产品特性的认知与产品定位是 否一致。
社会科学研究中的应用
01
社会现象比较
比较不同社会现象之间的关系， 例如检验不同国家或地区的教育 水平与经济发展之间的关联。
02
政策效果评估
03
文化差异研究
评估政策实施后的效果，例如检 验某项教育政策对提高学生学习 成绩的影响。
02
假设检验只能提供关于总体参数的有限信息，因为 它是基于样本的统计推断。
03
假设检验的结果受到多种因素的影响，包括样本大 小、样本分布、假设检验的类型等。
假设检验与置信区间的关系
假设检验和置信区间是两种不同的统计推断方法，但 它们之间存在一定的关系。
在某些情况下，可以通过置信区间来辅助进行假设检 验。例如，如果一个置信区间不包含预期的参数值，
比较不同文化背景下人们的价值 观、行为和态度，例如探究不同 文化对消费者行为的影响。
THANKS.
根据显著性水平和样本量确定 临界值。
做出推断
根据检验统计量的值和临界值 做出推断，得出结论。
两个总体参数的假设
02
检验
两个总体均数的比较
总结词
在统计学中，比较两个总体均数是一种常见的假设检验方法，用于评估两个总体在平均 水平上的差异。
详细描述
在两个总体均数比较的假设检验中，首先需要设定零假设和备择假设。零假设通常表示 两个总体均数相等，而备择假设则表示两个总体均数不相等。然后，通过计算统计量、 确定临界值和做出决策，判断是否拒绝零假设。常用的统计量包括t统计量、Z统计量等。
两个总体相关系数的比较
总结词
比较两个总体相关系数的假设检验用于评估两个总体变量之间关联的强度和方向。
评估产品在市场中的定位是否准确，例如测 试目标客户对产品特性的认知与产品定位是 否一致。
社会科学研究中的应用
01
社会现象比较
比较不同社会现象之间的关系， 例如检验不同国家或地区的教育 水平与经济发展之间的关联。
02
政策效果评估
03
文化差异研究
评估政策实施后的效果，例如检 验某项教育政策对提高学生学习 成绩的影响。
02
假设检验只能提供关于总体参数的有限信息，因为 它是基于样本的统计推断。
03
假设检验的结果受到多种因素的影响，包括样本大 小、样本分布、假设检验的类型等。
假设检验与置信区间的关系
假设检验和置信区间是两种不同的统计推断方法，但 它们之间存在一定的关系。
在某些情况下，可以通过置信区间来辅助进行假设检 验。例如，如果一个置信区间不包含预期的参数值，
比较不同文化背景下人们的价值 观、行为和态度，例如探究不同 文化对消费者行为的影响。
THANKS.
根据显著性水平和样本量确定 临界值。
做出推断
根据检验统计量的值和临界值 做出推断，得出结论。
两个总体参数的假设
02
检验
两个总体均数的比较
总结词
在统计学中，比较两个总体均数是一种常见的假设检验方法，用于评估两个总体在平均 水平上的差异。
详细描述
在两个总体均数比较的假设检验中，首先需要设定零假设和备择假设。零假设通常表示 两个总体均数相等，而备择假设则表示两个总体均数不相等。然后，通过计算统计量、 确定临界值和做出决策，判断是否拒绝零假设。常用的统计量包括t统计量、Z统计量等。
两个总体相关系数的比较
总结词
比较两个总体相关系数的假设检验用于评估两个总体变量之间关联的强度和方向。
两个总体均值之差的检验
观察序号 样本1 样本2 差值
1 2 M i M n
x 11
x 12 M x 1i M x 1n
x 21
x 22 M x 2i M x 2n
D1 = x 11 - 21
D1 = x 12 - x 22 M D1 = x 1i - x 2i M D1 = x 1n- x 2n
配对样本的 t 检验(检验统计量)
第五章
SPSS参数检验 ——均值比较
5.1 参数检验概述
5.1.1推断统计与假设检验
推断统计是根据样本数据推断总体数量特征的统 计分析方法。
推断统计通常包括以下两个内容：一是总体分布 已知，根据样本数据对总体分布的统计参数（如均值 、方差）进行推断，此时采用的推断方法称为参数估 计或者参数检验；二是总体分布未知，根据样本数据 对总体的分布形式进行推断，此时采用的推断方法称 为非参数检验。
1 2 0
例2：根据“保险公司人员构成情况”数据，分析全国 性保险公司与外资和合资保险公司中具有高等教育水 平员工比例的均值有无显著差异。 分析：该问题中，由于两类公司的高等教育水平员工比 例可以看成两个总体，且比例近似认为服从正态分布， 且样本数据的获取是独立抽样的，因此，可以用两独立 样本t检验的方法进行分析。原假设是两类公司中具有高 等教育水平员工比例的平均值无显著差异，即
5.3.3 单样本t检验的基本操作步骤
1、选择选项Analyze－Compare means－OneSamples T test，出现窗口：
输入检验值
2、单击Option按钮定义其他选项。Option选项用来指定缺失值 的处理方法。其中，Exclude cases analysis by analysis表 示计算时涉及的变量上有缺失值，则剔除在该变量上为缺失值 的个案；Exclude cases listwise表示剔除所有在任意变量上 含有缺失值的个案后再进行分析。可见，较第二种方式，第一 种处理方式较充分地利用了样本数据。在后面的分析方法中， SPSS对缺失值的处理方法与此相同，不再赘述。另外，还可 以输出默认95％的置信区间。 至此，SPSS将自动计算t统计量和对应的概率p值。
1 2 M i M n
x 11
x 12 M x 1i M x 1n
x 21
x 22 M x 2i M x 2n
D1 = x 11 - 21
D1 = x 12 - x 22 M D1 = x 1i - x 2i M D1 = x 1n- x 2n
配对样本的 t 检验(检验统计量)
第五章
SPSS参数检验 ——均值比较
5.1 参数检验概述
5.1.1推断统计与假设检验
推断统计是根据样本数据推断总体数量特征的统 计分析方法。
推断统计通常包括以下两个内容：一是总体分布 已知，根据样本数据对总体分布的统计参数（如均值 、方差）进行推断，此时采用的推断方法称为参数估 计或者参数检验；二是总体分布未知，根据样本数据 对总体的分布形式进行推断，此时采用的推断方法称 为非参数检验。
1 2 0
例2：根据“保险公司人员构成情况”数据，分析全国 性保险公司与外资和合资保险公司中具有高等教育水 平员工比例的均值有无显著差异。 分析：该问题中，由于两类公司的高等教育水平员工比 例可以看成两个总体，且比例近似认为服从正态分布， 且样本数据的获取是独立抽样的，因此，可以用两独立 样本t检验的方法进行分析。原假设是两类公司中具有高 等教育水平员工比例的平均值无显著差异，即
5.3.3 单样本t检验的基本操作步骤
1、选择选项Analyze－Compare means－OneSamples T test，出现窗口：
输入检验值
2、单击Option按钮定义其他选项。Option选项用来指定缺失值 的处理方法。其中，Exclude cases analysis by analysis表 示计算时涉及的变量上有缺失值，则剔除在该变量上为缺失值 的个案；Exclude cases listwise表示剔除所有在任意变量上 含有缺失值的个案后再进行分析。可见，较第二种方式，第一 种处理方式较充分地利用了样本数据。在后面的分析方法中， SPSS对缺失值的处理方法与此相同，不再赘述。另外，还可 以输出默认95％的置信区间。 至此，SPSS将自动计算t统计量和对应的概率p值。
正态总体的均值和方差的假设检验
χ
2
(x)
2
2
O 12 /2(n 1) 2 / 2(n 1)
x
P{ χ 2
χ12α / 2(n 1)}
P{ χ 2
χα2/ 2n 1}
α, 2
拒绝域：
W 1 {( x1, x2, , xn ) : χ 2 χ12α / 2(n 1)}
U{( x1,
x2 , ,
xn )
:
2
2 /2
是否可以认为由新工艺炼出的铁水含碳质量分
数的方差仍为0.1082（ = 0.05）？
解 检验假设
(1)H0 : 2 0.1082, H1: 2 0.1082 ,
(2)取检验统计量：
χ2
(n 1)Sn*2 σ02
~
χ 2(n 1),(当H0为真时)
由n = 5, = 0.05算得,
χα2/ 2n 1 χ02.0254 11.1, χ12α / 2n 1 χ02.9754 0.484.
问： 若总体的均值 已知,则如何设计假设检验？
n
( Xi μ)2
构造χ 2 i1 σ2
~ χ 2(n)可类似进行检验.
例3 某炼钢厂铁水含碳质量分数X在正常情况下
服从正态分布 N ( μ,σ 2 ),现对操作工艺进行了改 革又测量了5炉铁水,含碳质量分数分别为：
4.421，4.052，4.357，4.287，4.683
t/2 n1 n2 2 t0.025 18 2.10
由| t | 2.49 2.10 t0.025 18 W1,
故拒绝假设H0,认为物品处理前后含脂率的均值 有显著差异。
3. 两正态总体方差的检验
设总体
X
~
N
2
(x)
2
2
O 12 /2(n 1) 2 / 2(n 1)
x
P{ χ 2
χ12α / 2(n 1)}
P{ χ 2
χα2/ 2n 1}
α, 2
拒绝域：
W 1 {( x1, x2, , xn ) : χ 2 χ12α / 2(n 1)}
U{( x1,
x2 , ,
xn )
:
2
2 /2
是否可以认为由新工艺炼出的铁水含碳质量分
数的方差仍为0.1082（ = 0.05）？
解 检验假设
(1)H0 : 2 0.1082, H1: 2 0.1082 ,
(2)取检验统计量：
χ2
(n 1)Sn*2 σ02
~
χ 2(n 1),(当H0为真时)
由n = 5, = 0.05算得,
χα2/ 2n 1 χ02.0254 11.1, χ12α / 2n 1 χ02.9754 0.484.
问： 若总体的均值 已知,则如何设计假设检验？
n
( Xi μ)2
构造χ 2 i1 σ2
~ χ 2(n)可类似进行检验.
例3 某炼钢厂铁水含碳质量分数X在正常情况下
服从正态分布 N ( μ,σ 2 ),现对操作工艺进行了改 革又测量了5炉铁水,含碳质量分数分别为：
4.421，4.052，4.357，4.287，4.683
t/2 n1 n2 2 t0.025 18 2.10
由| t | 2.49 2.10 t0.025 18 W1,
故拒绝假设H0,认为物品处理前后含脂率的均值 有显著差异。
3. 两正态总体方差的检验
设总体
X
~
N
两个正态总体的均值检验、配对样本均值检验
原理
基于独立双样本均值检验的原理，通 过配对样本的差值来减少误差，提高 检验的精确度。
参数设置与假设
参数设置
需要设定两个正态总体的均值差（μ1 - μ2）和方差（σ1^2 和 σ2^2）。
假设
H0（零假设）为两个总体的均值相等（μ1 = μ2），H1（对立假设）为两个总体的均值不相等或存在一定的差 异。
两个正态总体的均值检验、配 对样本均值检验
目录
CONTENTS
• 两个正态总体的均值检验 • 配对样本均值检验 • 两种检验方法的比较 • 结论
01
CHAPTER
两个正态总体的均值检验
定义与原理
定义
两个正态总体的均值检验是用来比较两个正态分布总体的均值是否相等的一种 统计方法。
原理
基于正态分布的性质，如果两个总体的均值相等，那么它们的概率密度函数在 均值处的值也相等。因此，可以通过比较两个总体在均值处的概率密度函数值 来判断它们的均值是否相等。
对未来研究的建议
考虑非正态分布
探索其他统计方法
考虑样本大小和方差齐性
实际应用研究
虽然上述两种方法主要针对正 态分布，但在实际应用中，数 据可能并不总是正态分布。未 来研究可以考虑这些方法在非 正态分布数据上的适用性和稳 健性。
除了上述两种检验方法，还有 许多其他统计方法可用于均值 比较。未来研究可以探索这些 方法的优缺点，并确定它们在 不同情况下的适用性。
统计量与决策准则
统计量
配对样本均值检验的统计量一般为差值的均值和标准差，以及差值的正态分布检 验。
决策准则
根据统计量的值和临界值进行决策，如果统计量值大于临界值，则拒绝零假设， 认为两个总体的均值存在显著差异；否则，接受零假设。
基于独立双样本均值检验的原理，通 过配对样本的差值来减少误差，提高 检验的精确度。
参数设置与假设
参数设置
需要设定两个正态总体的均值差（μ1 - μ2）和方差（σ1^2 和 σ2^2）。
假设
H0（零假设）为两个总体的均值相等（μ1 = μ2），H1（对立假设）为两个总体的均值不相等或存在一定的差 异。
两个正态总体的均值检验、配 对样本均值检验
目录
CONTENTS
• 两个正态总体的均值检验 • 配对样本均值检验 • 两种检验方法的比较 • 结论
01
CHAPTER
两个正态总体的均值检验
定义与原理
定义
两个正态总体的均值检验是用来比较两个正态分布总体的均值是否相等的一种 统计方法。
原理
基于正态分布的性质，如果两个总体的均值相等，那么它们的概率密度函数在 均值处的值也相等。因此，可以通过比较两个总体在均值处的概率密度函数值 来判断它们的均值是否相等。
对未来研究的建议
考虑非正态分布
探索其他统计方法
考虑样本大小和方差齐性
实际应用研究
虽然上述两种方法主要针对正 态分布，但在实际应用中，数 据可能并不总是正态分布。未 来研究可以考虑这些方法在非 正态分布数据上的适用性和稳 健性。
除了上述两种检验方法，还有 许多其他统计方法可用于均值 比较。未来研究可以探索这些 方法的优缺点，并确定它们在 不同情况下的适用性。
统计量与决策准则
统计量
配对样本均值检验的统计量一般为差值的均值和标准差，以及差值的正态分布检 验。
决策准则
根据统计量的值和临界值进行决策，如果统计量值大于临界值，则拒绝零假设， 认为两个总体的均值存在显著差异；否则，接受零假设。
两个总体参数的假设检验（可编辑）
两个总体参数的假设检验主要内容问题作业预习下一节二、两个总体均值比较的t 检验设总体 ,总体 ,且 X与Y 相互独立，与是分别来自总体X与Y 的相互独立的样本，其样本均值与样本方差分别为：检验步骤： 1 建立假设: 2 构造并计算检验统计量两总体方差已知两总体方差未知，但样本量大总体方差未知，但相等总体方差未知，但不相等 3 根据显著性水平?，查相应的临界值表，确定拒绝域与接受域； 4 做出统计判断。
抽样分布临界值临界值 a/2 a/2 拒绝域拒绝域接受域 1 - ? 样本统计量例6-9 设甲、乙两台机器生产同类型药品，其生产的药品重量 g 分别服从方差的正态分布。
从甲机器生产的药品中随机地取出35件，其平均重量，又独立地从乙机器生产的药品中随机地取出45件，其平均重量，问这两台机器生产的药品就重量而言有无显著差异？（）分析： 1 建立假设: 2 构造并计算检验统计量解： 3 ?＝0.01，查临界值表，得： 4 做出统计判断：所以拒绝H0，接受H1. 例6-8.为考察甲、乙两批药品中某种成分的含量 % , 现分别从这两批药品中抽取9个样品进行测定，测得其样本均值和样本方差分别为、，假设它们都服从正态分布，试检验甲、乙两批药品中该种成分含量是否有显著差异？分析：解: 1 方差齐性检验：构造并计算检验统计量建立假设: 统计判断 ? 0.05，得：所以接受H0，拒绝H1. 医学统计学* * * * 医药数理统计方法高等数学复习1： 1、建立检验假设； 4.做出统计推断； 3.根据显著性水平?，确定拒绝域； 2.确定检验统计量及其分布，并根据样本值计算检验统计量的值；假设检验的一般步骤 1.正态总体均值的假设检验 u 统计量 t 统计量近似服从 u 统计量复习2： t 统计量 2.配对比较总体均值的 t 检验 3.正态总体方差的检验统计量四、正态总体方差的检验设总体，为抽自总体X的样本，总体均值和方差未知，则检验统计量检验步骤为： 1 建立假设: 2 在H0成立的条件下，构造检验统计量 3 对于给定的显著水平?，查分布临界值表，得双侧临界值和； 4 统计判断：若或，拒绝H0，接受H1；双侧若，接受H0，拒绝H1；例6-7.根据长期正常生产的资料可知，某药厂生产的利巴韦林药片重量服从正态分布，其方差为0.25，现从某日生产的药品中随机抽出20片，测得样本方差为0.43，试问该日生产的利巴韦林药片的重量波动与平时有无差异？（）解： 1 建立假设: 2 在H0成立的条件下，构造计算统计量 3 显著水平，查表，得： 4统计判断：所以接受H0，拒绝H1。
两个总体参数的检验
❖ 2.两配对样本平均数差异的假设检验
d
t
d ~ t(n 1)
s
d
n
s di d 2
d
(n 1)
@
两个总体参数的检验
❖1.2 两个总体比率之差的检验
假定对应两总体的样本容量分别是n1，n2，当n1，n2都 比较大时，可以构造如下检验统计量，该检验统计量服从 标准正态分布。
Z p1 p2 (P1 P2 ) ~ N (0,1)
1 – 20 1 – 2 < 0 1 – 2 > 0
@
两个总体参数的检验
❖ 1.1两个总体平均数之差的检验 1.两独立样本平均数差异的假设检验 （1）假定条件
• 两个样本是独立的随机样本 • 两个总体都是正态分布 • 若不是正态分布, 可以用正态分布来近似(n130和
n230)
• 检验统计量为
@
两个总体参数的检验
❖ 1.1两个总体平均数之差的检验 1.两独立样本平均数差异的假设检验 （2） (12、 22 未知且不相等,小样本) 1. 假定条件
• 两个样本是独立的随机样本 • 两个总体都是正态分布 • 两个总体方差未知且不相等12 22
2. 检验统计量
其中：
@
两个总体参数的检验
❖ 1.1两个总体平均数之差的检验
P(1
P)(
1
1
)
n1 n2
P
n1
p1 n2
p2
n1 n2
@
两个总体参数的检验
❖ 1.3 两个总体方差比的检验 1. 假定条件
• 两个总体都服从正态分布，且方差相等 • 两个独立的随机样本
(n1 1)s12
F
2 1
两个总体的假设检验
两个总体比例的比较
总结词
当需要对两个总体的比例进行比较时， 可以使用卡方检验或Fisher's精确检验。
详细描述
卡方检验用于比较两个总体的分类比 例，要求分类变量无序且样本量较大； Fisher's精确检验用于比较两个总体的 分类比例，要求分类变量有序或无序 且样本量较小。
两个总体方差的比较
总结词
两个总体的假设检验
目录
• 假设检验的基本概念 • 两个总体参数的假设检验 • 两个总体假设检验的实例 • 假设检验的注意事项 • 总结与展望
假设检验的基本概念
01
定义
假设检验是一种统计方法，用于根据样本数据对总体参数做 出推断。
它基于对总体分布的假设，通过样本数据来检验这些假设是 否成立。
目的
当需要对两个总体的方差进行比较时 ，可以使用Levene's检验或 Bartlett's检验。
详细描述
Levene's检验用于比较两组独立样本 的方差，要求样本相互独立； Bartlett's检验用于比较两组相关样本 的方差，要求样本之间存在配对关系 。
两个总体假设检验的
03
实例
实例一：两个总体均数的比较
样本代表性
除了样本量，样本的代表性也是 关键因素。如果样本不能代表总 体，那么基于样本的推断可能不 准确。
假设检验的局限性
假设检验的误判风险
假设检验存在一定的误判风险，即第一 类错误和第二类错误。第一类错误是指 拒绝了实际上成立的假设，第二类错误 是指接受了实际上不成立的假设。
VS
假设检验的适用范围
假设检验有一定的适用范围，超出这个范 围，检验的结果可能不准确。因此，在应 用假设检验时，需要确保其适用性。
- 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)。
三、两个总体参数的检验
一、 两个总体均值之差的检验
在研究中，往往需要比较两个总体的差异， 如甲、乙两种不同的生产方法对产品的平均产量 是否有显著性差异，新、旧药品治疗病人的平均 治愈率是否有显著性差异，等等。根据样本获得 方式的不同及方差是否已知，两个总体均值的检 验可分为方差已知和未知两种情形，同时也要参数的检验
在方差相等的情况下，独立样本T检验的结 果应看“假设方差相等”一行，相应的双尾检测概 率“Sig.(双侧)”为0.077，在显著性水平为0.05 的情况下，t统计量的概率P>0.05，故不应拒绝 原假设，因此认为两个样本的均值是相等的，在 本例中，不能认为新、旧两种施肥方案对产量有 显著性的影响。
单击“继续”按钮返回“独立样本T检验”对话框，再单击“确定 ”按钮，运行结果如图6-18和图6-19所示。
图6-18 独立样本T检验的基本描述统计量
图6-19 独立样本T检验结果
三、两个总体参数的检验
图6-18所示为独立样本T检验的基本描述统计量，包括两个 样本的均值、标准差和均值的标准误差。图6 19给出了两种T检 验的结果，分别为在样本方差相等情况下的一般T检验结果和在 样本方差不相等情况下的校正T检验结果。两种T检验结果到底应 该选择哪一个取决于图6-19中的“方差方程的Levene 检验”一 项，即方差齐性检验结果。对于齐性，这里采用的是F检验，表 中第二列是F的值，为0.108，第三列是对应的概率P值，为0.746 。如果显著性水平为0.05，由于概率P值大于0.05，因而可以认 为两个总体方差无显著性差异，即方差具备齐性。
三、两个总体参数的检验
3. 两个总体均值样本匹配的情形
检验两个总体均值之差时，有时两个样本不是独立的而是成 对的，如比较同一组工人使用两种操作方法的生产效率是否相 同，比较同一批消费者对两个不同品牌的评分有何差异，等等 。这类假设检验问题可以转化为一个样本的均值检验问题，其 方法是：先计算出每一对样本数据的差值：di=xi－ xj(i,j=1,2,…,n)；然后将这n个差值看作一个样本，把(μ1－μ2)看 作待检验的一个总体参数(成对差值的总体均值，记为d)，原来 的检验问题就转化为根据一个样本去检验d是否等于（或小于、 大于）假设值d0。为了简便，通常取d0≥0。
解：设μ1为甲方案的平均减肥体重,μ2为乙方案的平均减肥体重 。 根据题意可知，这是一个右侧检验问题，可建立假设为
H0∶μ1－μ2≤0 H1∶μ1－μ2>0
三、两个总体参数的检验
因为两个总体方差已知，所以其统计量的值为
当α=0.05时，zα=1.645，因为Z>zα，落入拒绝域，所 以要拒绝原假设，接受备择假设，表明甲方案的减肥效果优于 乙方案。
(6-15)
三、两个总体参数的检验
（2）当两个总体方差相等时，即
，如果样本为小样本，
那么要利用两个样本方差来估计，这时需要将两个样本的数据组合在一
起，以给出总体方差的合并估计量，合并方差的估计量计算公式为
(6-16)
（3）当两个总体方差不相等时，即
，两个样本均值之差
经标准化后近似服从自由度为v的t分布，这时的检验统计量为
(6-17)
三、两个总体参数的检验
由于计算的自由度一般为非整数，因而需四舍五入后再查t分布表（见 附表2）。表6-8总结了方差未知情况下两个总体均值之差的检验方法。
表6-8 方差未知情况下两个总体均值之差的检验方法
三、两个总体参数的检验
下面利用SPSS软件来求解例6-14。 独立样本T检验的具体步骤如下： ①数据输入及处理。根据所给的数据在SPSS数据文件中建立两个变 量，分别为“方案”和“产量”，度量标准分别为“名义”和“度量” ，变量“方案”的标签为“a-方案A，b-方案B”，录入数据后，进行数 据保存。 ②独立样本T检验的设置。在数据管理窗口中，执行“分析”→“比 较均值”→“独立样本T检验”命令，弹出“独立样本T检验”对话框。 将左侧列表框中的“产量”选项选入“检验变量”列表框中。
若两个总体服从非正态分布，但方差已知，那么当样本足 够大（大样本）时，两个总体均值是否相等的检验与此相同。
三、两个总体参数的检验
2. 两个总体服从正态分布且方差未知
当两个总体方差未知时，可分以下几种情况进行分析： （1）如果样本为大样本，可以分别用样本方差s2替代总体方差 σ2，此时的检验统计量为
三、两个总体参数的检验
将左侧列表框中的“a-方案A，b-方案B”（一般是指分类变 量）选入“分组变量”列表框中后，将在“方案”变量名后面显示 括号，在括号内显示两个问号（见图6-15），单击“定义组”按 钮，弹出“定义组”对话框。如图6-16所示，用特定的变量值分 组，当变量的取值等于“组1（1）”文本框中的值时，将其划为 第1组；当变量的取值等于“组2（2）”文本框中的值时，将其划 为第2组。
项目
两个总体参数的检验
三、两个总体参数的检验
在现实生活中，有时候人们需要对两个总体参数 进行比较，看它们是否存在显著的差异，如比较两个 不同的企业生产的同类产品的使用寿命是否有显著性 差异，某农作物产量在不同地区的稳定性是否相同， 不同班级的同一门课程的成绩是否有差异，等等。两 个总体参数的检验主要包括两个总体均值之差的检验 、两个总体比率之差的检验和两个总体方差比的检验 等。
三、两个总体参数的检验
1. 两个总体服从正态分布且方差已知
在样本不论大小的情况下，两个样本均
值之差
的抽样分布近似服从正态分
布，经过标准化后则服从标准正态分布，如
果两个总体方差
已知，则检验统计量
为
(6-14)
三、两个总体参数的检验
【例6-13】 现需要对甲、乙两种减肥方案的减肥效果进行数据 分析。经验表明，这两种方法的减肥效果都近似服从标准正态分布 ，且已知标准差为3kg和4kg，现分别从甲、乙两种方案中随机抽 取10人和14人，所得样本的平均值为20kg和17kg。试问在显著性 水平α=0.05的情况下，甲方案的减肥效果优于乙方案吗？
三、两个总体参数的检验
图6-15 “独立样本T检验”对话框
图6-16 “定义组”对话框
三、两个总体参数的检验
单击“继续”按钮，返回“独立样本T检验”对话框，单击“选项”按钮， 弹出“独立样本T检验：选项”对话框，各选项的设置如图6-17所示。
图6-17 “独立样本T检验：选项”对话框
三、两个总体参数的检验