两个正态总体均值差和方差的假设检验共32页
合集下载
两个正态总体的假设检验
由样本观察值算出的 F 满足
F0.95 (9 , 9) 1 3.18 F 1.95 3.18 F0.05 (9 , 9) .
可见它不落入拒绝域，因此不能拒绝原假设 H0 ：σ12 = σ22 ，
从而认为两个总体的方差无显著差异。
注意：在 μ1 与 μ2 已知时，要检验假设 H0 ：σ12 = σ22 ，其
检验方法类同均值未知的情况，此时所采用的检验统计量是：
1 n1
2
(
X
)
i 1
n1 i 1
F
1 n2
2
(
Y
)
i 2
n2 i 1
其拒绝域参看表8-5。
( 2 )单边检验可作类似的讨论。
F0.05 (n1 , n2 ) .
8-5
概率学与数理统计
体的样本，且 μ1 与 μ2 未知。现在要检验假设 H0 ： σ2 = σ02 ；
H1： σ2 ≠ σ02 。在原假设 H0 成立的条件下，两个样本方差的
比应该在1附近随机地摆动，所以这个比不能太大又不能太小。
于是我们选取统计量
S12
F 2.
S2
( 8.21 )
显然，只有当 F 接近1时，才认为有 σ12 = σ22 。
10 10 2
18
由( 8.20 )式计算得
2.063 2.059
t0
3.3 .
0.0000072 (2 10)
对于 α =0.01，查自由度为18的 t 分布表得 t 0.005( 18 )=2.878。
由于| t0|=3. 3 > t 0.005( 18 )=2.878 ，于是拒绝原假设 H0 ：μ1 = μ2 。
第58讲 两个正态总体参数假设检验(比较两个正态总体均值的检验)
第58讲：两个正态总体参数的假设检验(比较两个正态总体均值的检验)例1：通常认为男女的脉搏率是没有显著差异的. 现在随机地抽取年龄都是25岁的16位男子和13位女子, 测得他们的脉搏率如下:男: 61, 73, 58, 64, 70, 64, 72, 60, 65, 80, 55,72, 56, 56, 74, 65,女: 83, 58, 70, 56, 76, 64, 80, 68, 78, 108,76, 70, 97.问题：假设男女脉搏率都是服从正态分布, 这些数据能否认为男女脉搏率的均值相同?()()12221212122221,,,,,,,,,,,n n X X X N Y Y Y N X Y S S μσμσ∙∙∙ 12假设：是来自的样本是来自的样本，两样本相互独立.并记,分别为两样本的均值和方差.()012112.:,:,H H μμμαμ=≠检验假设显著水平22121.σσ当和已知时2212012,.~(0X Y X Y C H X Y N n n σσ∙--≥∙-+ 检验统计量拒绝域形式 当成立时，，）.221212σσ-=+X YZ n n 记: 2α≥--Z z z 则检验拒绝域为：检验{}00002212122(1(),.σσ-=≥=-Φ-=+H P P Z z z x yz n n 其中:222122.σσσ当==但未知时2σ首先利用合样本给出参数的无偏估计量()()22112221211 .2wn S n SS n n -+-=+-1211-=+w X Y T S n n 可取检验统计量为：()21212211wX Y T t n n S n n α-=≥+-+检验拒绝域为：{}{}00120012||||2(2)||11--=≥=+-≥-=+H w P P T t P t n n t x yt P s n n 其中为::值——两样本精确t检验22123.σσ≠当且未知时221212.-=+X Y T S S n n 取检验统计量为:22221212.S S σσ以样本方差分，别代替，{}{}000||||2||,--=≥=≥H P P T t P Z P t 值为:(1)当两个样本量都很大时，利用中心极限定理{}/2||α≥T z 检验的拒绝域为:0221212~(01).-=+x y Z N t s sn n 其中: ，，12min(1,1),=--k n n (2)当两个样本为小样本时都很大时，统计量近似服从t 分布，自由度为22211222222112212(//)(/)(/)11+=+--S n S n k S n S n n n 或更精确的近似自由度{}/2||()α≥T t k 检验的拒绝域为: {}{}000||||2()||.--=≥=≥H P P T t P t k t P 值为: t ——两样本近似检验22112212221201,~(,),~(,),16,13,65.31,75.69,56.36,211.40,.X Y X N Y N n n x y s s H H μσμσμμμμ=======≠1212检验假设在例1中设分别表示男女的脉搏率，由已知数据计得:,:：算221256.36,211.40,s s t ==注意到相差很大，采用不等方差的检验法，结论：拒绝原假设，认为男女脉搏率的均值不相同。
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 )
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。
正态总体均值的假设检验
t不落在拒绝域中，故接受 H 0
即认为元件的平均寿 命不大于 225小时。
二、两个正态总体均值差的检验（t 检验N）o:
Image
设X1,X2,,Xn1是 来 自 正 态 总 体 N(m1,s2)的 样 本Y；1,Y2,,Yn2是 来 自 正 态 总 体 N(m2,s2)的 样 本 ， 且 设 两 样 立本 。独 又 分 别 记 它 们
1)
s
2 2
10 10 - 2
= 2.775,
t0.05 (18) = 1.7341,
故拒绝域为：
T = X -Y
Sp
11 10 10
- t 0.05 (18 ) = -1.7341 ,
可算得 T = -4.295 < -1.7341 , 故拒绝 H 0 ,
即 认为新方法能提高得率。
已知总 例体服从2正态某分布地，且区方差大高致相考同，负由抽样责获得人资料想如下：知道某年来自城市中学考生
当H0成 立 时T，~ t(n1 n2 -2)， 对 于 给 定 a 的
P{|T |>ta/2(n1 n2 -2)}=a,
故 拒 绝 域 为|T |>t a/2(n1 n2 -2).
说明： 1. 对于单侧检验 “ H0 : m1 - m2 ≤ m0 ” 和 “ H0 : m1- m2 ≥ m0 ”, 可以类似地讨论。 常用的是 m0 = 0。 2. 对于两个正态总体的方差均为已知时,
的 样 本 均 值 X，Y为， 样 本 方 差 S12为 ,S22， 并 设 m1,m2,s2 均未知。
检验H： 0:m1-m2 =m0，H1:m1-m2 m0,
取统2
其
中
S2p
=
(n1
-1)S12 (n2 -1)S22 n1 n2 -2
即认为元件的平均寿 命不大于 225小时。
二、两个正态总体均值差的检验（t 检验N）o:
Image
设X1,X2,,Xn1是 来 自 正 态 总 体 N(m1,s2)的 样 本Y；1,Y2,,Yn2是 来 自 正 态 总 体 N(m2,s2)的 样 本 ， 且 设 两 样 立本 。独 又 分 别 记 它 们
1)
s
2 2
10 10 - 2
= 2.775,
t0.05 (18) = 1.7341,
故拒绝域为：
T = X -Y
Sp
11 10 10
- t 0.05 (18 ) = -1.7341 ,
可算得 T = -4.295 < -1.7341 , 故拒绝 H 0 ,
即 认为新方法能提高得率。
已知总 例体服从2正态某分布地，且区方差大高致相考同，负由抽样责获得人资料想如下：知道某年来自城市中学考生
当H0成 立 时T，~ t(n1 n2 -2)， 对 于 给 定 a 的
P{|T |>ta/2(n1 n2 -2)}=a,
故 拒 绝 域 为|T |>t a/2(n1 n2 -2).
说明： 1. 对于单侧检验 “ H0 : m1 - m2 ≤ m0 ” 和 “ H0 : m1- m2 ≥ m0 ”, 可以类似地讨论。 常用的是 m0 = 0。 2. 对于两个正态总体的方差均为已知时,
的 样 本 均 值 X，Y为， 样 本 方 差 S12为 ,S22， 并 设 m1,m2,s2 均未知。
检验H： 0:m1-m2 =m0，H1:m1-m2 m0,
取统2
其
中
S2p
=
(n1
-1)S12 (n2 -1)S22 n1 n2 -2
正态总体均值和方差的假设检验
给定检验水平，查t(n-1)表得, t1-/2(n-1),使
得,
P{| T | t (n 1)}
即得,
1 2
P{|
x s
0
|
t 1
(n 1)}
n
2
拒绝域： 即
算出|Ｔ|与 t1比较，若 2 否则，接受H 0.
T ， t1拒 绝 ， H 0 2
例３ 在某砖厂生产的一批砖中,随机地抽取6块进 行抗断强度试验,测得结果(单位:kg/cm2)如下: 32.56, 29.66, 31.64, 30.00, 31.87, 31.03, 设砖的抗断强度服从正态分布．问这批砖的 平均抗断强度是否为32.50 (kg/cm2)？(=0.05)。
2 0
,
H1
:
2
2 0
给定检验水平 ，查 2 n 1 分布表得
2 (n 1),
使得 P 2 2 (n 1)
根据样本值计算统计量的值.
如果 2 2 (n 1)
则拒绝 H 0 , 接受 H1.
第一类错误
弃真错误
第二类错误
取伪错误
假设检验的两类错误
所作判断 真实情况
H0 为真 H0 为假
接受 H0
拒绝 H0
正确
第二类错误 (取伪)
第一类错误 (弃真)
正确
犯第一类错误的概率通常记为 犯第二类错误的概率通常记为
P
否定H0
H
为真
0
P第一类错误
P
不否定H0
H
为假
0
P第二类错误
若 T t，1拒绝 ，H接0 受
H1
T t1 ，接受 H，0 拒绝 H。1
３，４形式的检验成为右边检验．
正态总体均值的假设检验
假设检验
正态总体均值的假设检验
1.1 单个正态总体均值的假设检验
3．大样本单个正态总体均值的检验
设总体为 X ，它的分布是任意的，方差 2 未知， X1 ，X2 ， ，Xn 为 来自总体 X 的样本，H0 ： 0（ 0 已知）．当样本容量 n 很大（ n 30 ）
时，无论总体是否服从正态分布，统计量 t X 0 都近似服从正态分 S/ n
解 依题意，建立假设 由于 2 未知，故选取统计量
H0 ： 0 72，H1 ： 72 ． t X 0 ， S/ n
已知 0.05 ，故此检验问题的拒绝域为
W t | | t |
x 0
s/ n
t
/
2
(n
1)
．
又知 n 26，x 74.2，s 6.2，查表得 t /2 (25) t0.025 (25) 2.06 ，则有 | t | x 0 74.2 72 1.81 2.06 ， s/ n 6.2/ 26
解 依题意，建立假设 由于 2 未知，取检验统计量
H0 ： 0.8，H1 ： 0.8 ．
t X 0 ~ t(n 1) ， S/ n
已知 0.05 ，故此检验问题的拒绝域为
W t | t x 0 s/ n
t (n 1) ．
又知 n 16 ，x 0.92，s 0.32 ，查表得 t0.05 (16 1) t0.05 (15) 1.75，则有 t x 0 0.92 0.8 1.50 1.75 ， s/ n 0.32/ 16
假设检验 H0 ： 0 ，H1 ： 0 的拒绝域为 W {t | t t (n 1)}．
（7-8） （7-9）
假设检验
正态总体均值的假设检验
1.1 单个正态总体均值的假设检验
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。
7-2正态总体参数的检验
第二节 正态总体参数的假设检验
一、单个正态总体均值的检验 二、两个正态总体均值差的检验 三、正态总体方差的检验
同上节) 标准要求长度是32.5毫米 毫米. 例2(同上节 某工厂生产的一种螺钉 标准要求长度是 同上节 某工厂生产的一种螺钉,标准要求长度是 毫米
实际生产的产品，其长度 假定服从正态分布N( σ 未知， 实际生产的产品，其长度X 假定服从正态分布 µ,σ2 ) ,σ2 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: 现从该厂生产的一批产品中抽取 件, 得尺寸数据如下
(1)与(4); (2)与(5)的拒绝域形式相同 与 的拒绝域形式相同. 与 的拒绝域形式相同
一、单个正态总体均值的检验
是来自N( σ 的样本 的样本, 设x1,…,xn是来自 µ,σ2)的样本 关于µ的三种检验问题是 (µ0是个已知数 是个已知数)
(1) H0 : µ ≤ µ0 vs H1 : µ > µ0 (2) H0 : µ ≥ µ0 vs H1 : µ < µ0 (3) H0 : µ = µ0 vs H1 : µ ≠ µ0
对于检验问题 对于检验问题
(2) H0 : µ ≥ µ0 vs H1 : µ < µ0
x − µ0
仍选用u统计量 u = 选用 统计量 相应的拒绝域的形式为: 相应的拒绝域的形式为
取显著性水平为α 取显著性水平为α，使c满足 P 0 (u ≤ c) = α 满足 µ
由于μ = μ 0时，u ~ N(0,1),故 c = uα,如图 故 , 因此拒绝域为: 因此拒绝域为 或等价地: 或等价地 φ(x)
检 H0 : µ = µ0 vs H1 : µ ≠ µ0 验
x − µ0 s/ n
接受域为: 接受域为
一、单个正态总体均值的检验 二、两个正态总体均值差的检验 三、正态总体方差的检验
同上节) 标准要求长度是32.5毫米 毫米. 例2(同上节 某工厂生产的一种螺钉 标准要求长度是 同上节 某工厂生产的一种螺钉,标准要求长度是 毫米
实际生产的产品，其长度 假定服从正态分布N( σ 未知， 实际生产的产品，其长度X 假定服从正态分布 µ,σ2 ) ,σ2 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: 现从该厂生产的一批产品中抽取 件, 得尺寸数据如下
(1)与(4); (2)与(5)的拒绝域形式相同 与 的拒绝域形式相同. 与 的拒绝域形式相同
一、单个正态总体均值的检验
是来自N( σ 的样本 的样本, 设x1,…,xn是来自 µ,σ2)的样本 关于µ的三种检验问题是 (µ0是个已知数 是个已知数)
(1) H0 : µ ≤ µ0 vs H1 : µ > µ0 (2) H0 : µ ≥ µ0 vs H1 : µ < µ0 (3) H0 : µ = µ0 vs H1 : µ ≠ µ0
对于检验问题 对于检验问题
(2) H0 : µ ≥ µ0 vs H1 : µ < µ0
x − µ0
仍选用u统计量 u = 选用 统计量 相应的拒绝域的形式为: 相应的拒绝域的形式为
取显著性水平为α 取显著性水平为α，使c满足 P 0 (u ≤ c) = α 满足 µ
由于μ = μ 0时，u ~ N(0,1),故 c = uα,如图 故 , 因此拒绝域为: 因此拒绝域为 或等价地: 或等价地 φ(x)
检 H0 : µ = µ0 vs H1 : µ ≠ µ0 验
x − µ0 s/ n
接受域为: 接受域为
正态总体方差的假设检验
解 依题意需检验假设
由于 未知，故检验统计量
H0
： 2
2 0
82
，H1 ： 2
82
．
2 (n 1)S 2 ~ 2 (n 1) ．
2 0
已知 n 8， s2 93.268 ，代入公式得
2
(8 1) 93.268 82
10.201 2
．
ห้องสมุดไป่ตู้
又显著性水平 0.05 ，查表得
2 1
/2
(n
1)
概率论与数理统计
假设检验
正态总体方差的假设检验
1.1 单个正态总体方差的检验
设总体 X ~ N( ， 2 ) ， ， 2 均未知，X 1 ，X2 ， ，Xn 为来自总体 X 的样本，现检验假设
H0
： 2
2 0
，H1
： 2
2 0
，
其中
2 0
为已知常数．
由于 S 2
是 2 的无偏估计，当 H0
为真时，比值 s2
解 依题意需检验假设
H0
：12
2 2
，H1 ：12
2 2
．
由于 1 ，2 未知，故检验统计量
F
S12 S22
~
F (m 1，n 1) ．
经计算得 s12 0.885 7 ，s22 0.828 6 ，故检验统计量的观测值为
F
s12 s22
0.885 7 0.828 6
1.07 ．
假设检验
又 m 1 7，n 1 7 ， 0.05 ，查表得
2 1
/
2
(n
1)]
[ 2
2/2 (n 1)]} ，
则 H0 的拒绝域为
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
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 U0.08s2 17.535}
即
W {s 5.220 Us 14.805}
每当测得s的值小于5.220或大于14.805时， 就认为机床的精度发生了变化。应引起注意， 并分析原因。
当方差σ12σ22已知时，用U检验法，构造 统计量
U (X Y)
2 1
2 2
n1 n2
取显著性水平α
P{| U | u /2}
得拒绝域为 | U | u /2
二、正态总体方差的检验
1、单个总体的情况—χ2检验
设总体N(， 2), ， 2 未知，x1，L ，xn 是
来自总体X的样本，现要检验假设（显著性
(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
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 U0.08s2 17.535}
即
W {s 5.220 Us 14.805}
每当测得s的值小于5.220或大于14.805时， 就认为机床的精度发生了变化。应引起注意， 并分析原因。
当方差σ12σ22已知时，用U检验法，构造 统计量
U (X Y)
2 1
2 2
n1 n2
取显著性水平α
P{| U | u /2}
得拒绝域为 | U | u /2
二、正态总体方差的检验
1、单个总体的情况—χ2检验
设总体N(， 2), ， 2 未知，x1，L ，xn 是
来自总体X的样本，现要检验假设（显著性
(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
34两个正态总体均值和方差的假设检验
(n1 n2 2)
(
x sw
y 1 n1
1 n2
k)
2
概率统计
在显著性水平 下, H0 的拒绝域:
x y
sw
11 n1 n2
t (n1 n2 2)
2
注:
当
2 1
2 2
2
未知时
检验假设 H0 : 1 2 , H1 : 1 2
H1
:
2 1
2 2
单边检验
H1
:
2 1
2 2
同上面双边检验的讨论类似，可得 H0的拒绝域为:
s12 s22
F (n1
1, n2
1)
习惯上亦称两个总体 方差相等的检验为： 两总体方差齐性的检验
或
s12 s22
F1 (n1
1, n2
1)
概率统计
例2. 现要检测两批葡萄酒的醇含量，分别对它们
设有 n 对相互独立的观察结果：
( X1 ,Y1 ) , ( X 2 ,Y2 ) , , ( X n ,Yn )
令：D1 X1 Y1 , D2 X 2 Y2 , , Dn ( X n ,Yn ) 则 D1 , D2 , , Dn相互独立。又由于 D1 , D2 , , Dn 是由同一因素所引起的，所以可认为它们服从同 一分布。
例4 现要比较甲、乙两种橡胶制成的轮胎的耐磨性。
今从甲、乙两种轮胎中各随机的取 8 个，又从 两组中各取一个组成一对，共 8 对； 再随机的取 8 架飞机，将 8 对轮胎随机地搭配 给这 8 架飞机作耐磨性试验，当飞机飞行了一 定时间后测得轮胎的磨损量的数据(单位：毫克) 如下：
两个正态总体方差的假设检验
两个正态总体方差的假设检验哎呀，这可是个大问题啊！今天我们就来聊聊两个正态总体方差的假设检验。
你说，这东西听着挺高深的，其实也就是一种统计方法，用来检验两个正态分布总体的方差是不是相等。
那我们怎么检验呢？别着急，我慢慢给你讲。
我们得明确什么是正态分布。
正态分布是一种特殊的概率分布，它的形状像一个钟形，左右对称，中间最高点，两边逐渐下降。
听起来好像很神奇的样子，但是其实它在我们日常生活中无处不在。
比如说，你把一本书随机翻到任意一页，那么这本书下一页的内容出现的概率就是一个正态分布。
再比如说，你掷一枚硬币，正面和反面的概率也是正态分布。
所以，正态分布是我们生活中的一个常见现象。
那么，正态分布有什么用呢？其实它在很多领域都有广泛的应用，比如物理学、工程学、经济学等等。
因为正态分布在这些领域中都有很多特殊性质，比如中心极限定理、方差分析等等。
而今天我们要讨论的问题，就是基于这些特殊性质来检验两个正态分布总体的方差是不是相等。
好了，废话不多说了，我们开始进入正题。
我们需要明确两个正态分布总体的概念。
所谓两个正态分布总体，就是有两个独立的正态分布随机变量构成的总体。
这两个随机变量可以是任何实数，只要它们的分布都是正态分布就可以。
接下来，我们需要了解如何计算两个正态分布总体的方差。
方差是一个非常重要的概念，它表示一个随机变量离其均值的平均距离。
对于正态分布来说，方差就是标准差，它是衡量正态分布离散程度的一个重要指标。
计算正态分布总体的方差并不难，只需要用到一些数学公式就可以了。
具体来说，我们可以用以下公式来计算：$s^2 = \frac{1}{n}\sum_{i=1}^n (x_i \mu)^2$其中，$s^2$表示方差，$n$表示样本容量，$x_i$表示第$i$个样本的数据点，$\mu$表示均值。
这个公式告诉我们，只要知道样本容量和每个数据点与均值的距离平方之和，就可以计算出方差了。
那么，有了方差以后，我们就可以进行假设检验了。
正态总体均值的假设检验
于是
x
0
/n
0.516
z0.05
1.645,
故接受 H0 , 认为该机工作正常.
2. 2为未知, 关于 的检验( t 检验)
设总体 X ~ N (, 2 ), 其中, 2 未知, 显著性水平为 .
求检验问题 H0 : 0 , H1 : 0 的拒绝域.
设 X1 , X2 ,, Xn 为来自总体 X 的样本,
正态总体均值的假设检验
一、单个总体均值 的检验
二、两个总体均值差的检验(t 检验) 三、基于成对数据的检验(t 检验)
一、单个总体N(, 2)均值 的检验
1. 2 为已知, 关于 的检验( Z 检验)
在正态总体 N(, 2) 讨论中
当
2为已知时,
关于
的检验问题
0
:
(1) 假设检验 H0 : 0 , H1 : 0 ; (2) 假设检验 H0 : 0 , H1 : 0 ; (3) 假设检验 H0 : 0 , H1 : 0 .
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, S12 , S22 是样本方
差, 1, 2 , 2 均为未知,
求检验问题 H0 : 1 2 , H1 : 1 2 ( 为已知常数)的拒绝域.
取显著性水平为 .
引入 t 统计量作为检验统计量:
t
(X Sw
11 n1 n2
k
得 k t / 2 (n1 n2 2).
故拒绝域为
t
(x sw
y)
11 n1 n2
t / 2 (n1
n2
2).
关于均值差的其它两个检验问题的拒绝域见表
8.1, 常用 0 的情况.
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
正态总体均值与方差的假设检验概述PPT(50张)
而同一对中两个数据的差异则可看成是仅 由这两台仪器性能的差异所引起的. 这样, 局限 于各对中两个数据来比较就能排除种种其他因 素, 而只考虑单独由仪器的性能所产生的影响. 表中第三行表示各对数据的差 di xiyi
设 d1,d2, ,dn来自正 N (d 态 ,2)总 , 体
这里 d,2均为未 . 若两知 台机器的性能一样,
则各对数 d1,d 据 2, ,d 的 n属 差 随 异 机 , 误
随机误差可以认为服从正态分布, 其均值为零.
要检 H 0:验 d 0假 H ,1:d 设 0.
设 d 1 , d 2 ,, d n 的 样 本 均 值 d , 样 本 修 正 方 差 s n * 2 ,
按关于单个正态分布均值的t检验, 知拒绝域为
第5.2节 正态总体均值与方差的 假设检验
一、 t 检验 二、 2 检验
三、F 检验 四、单边检验
一、t 检验
1 . 2 为 已 知 ,关 于 的 检 验 ( U 检 验 )
在上节中讨论过正 体态 N(总,2)
当 2为已 ,关 知 于 时 0的检验 : 问题
假 设 检 验 H 0 : 0 ,H 1 : 0
1.9 0 1.6 0 1.8 0 1.5 0 1.7 0 1.2 0 1.7 0 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? (0.05 )
解 因X 为 ~N (,2),0.15,
要检验假设
H 0:1.5 0, H 1:1.5 0,
n15, x1.04,80.0,5
d0
t sn* /
n t/2(n1),
由n9, t /2 (8 ) t0 .0( 0 8 )5 3 .35 , d5 04 .06,
两个正态总体均值差和方差的假设检验
方差齐性检验是检验 两个正态总体方差是 否相等的统计方法。
常用的方差齐性检验 方法有：Levene检验、 Bartlett检验和Welch 检验。
Levene检验基于方差 分析，通过比较不同 组间的方差来判断方 差是否齐性。
Bartlett检验基于 Kruskal-Wallis秩和 检验，通过比较不同 组间的中位数和四分 位距来判断方差是否 齐性。
独立样本的均值检验
1
独立样本的均值检验是用来比较两个独立正态总 体的均值是否存在显著差异的统计方法。
2
常用的独立样本均值检验方法包括t检验和z检验， 其中t检验适用于小样本和大样本，而z检验适用 于大样本。
3
在进行独立样本均值检验时，需要满足独立性、 正态性和方差齐性的假设，以确保检验结果的准 确性和可靠性。
根据研究目的和数据类型，选择合适的统计量 来描述样本数据。
确定临界值
根据统计量的分布和显著性水平，确定临界值。
计算样本统计量
根据样本数据计算所选统计量的值。
做出决策
将样本统计量的值与临界值进行比较，做出接受 或拒绝原假设的决策。
解读结果
根据决策结果解读研究问题，给出结论和建议。
Part
02
两个正态总体均值的假设检验
Part
05
结论与展望
假设检验的优缺点
理论基础坚实
假设检验基于概率论和统计学原理，具有坚实的理论基础。
操作简便
假设检验提供了清晰的步骤和标准，方便研究者进行操作。
假设检验的优缺点
• 实用性强：假设检验广泛应用于各个领域，为科学研究和实践提供了有效的工具。
假设检验的优缺点
01
对数据要求较高
假设检验对数据的分布、样本量 等有一定的要求，不符合条件的 样本可能导致检验结果不准确。
- 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)。
§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 二检.未验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
两个正N态 (1,1 总 2),N(体 2,2 2)
X1, X2,...X , n1是来自于第一个样 总本 体； 的
Y1,Y2,...Y,n2是来自于第二个样 总体 本； 的
甲矿： 24.3, 20.3, 23.7, 21.3, 17.4 乙矿: 18.2, 16.9, 20.2, 16.7 假定各煤矿的煤含灰率都服从正态分布，且 方差相等。问甲、乙两矿煤的含灰率有无显
著差异 0.05？
解 根据题意，设甲矿煤的含灰率
X ~N 1,1 2乙矿煤的含灰率
Y~N2,
K
Hale Waihona Puke 221 2
n1 n2
于K 是 n1 1 2＋ n2 2 2Z 2,否定 XY 域 K
（2）U检验，12
,
2 2
未知，但n1，n2均较大
（≥50）
检验对象H0：μ1＝μ2 选择统计量：U X Y ~ N0,1
S12 S22 n1 n2
解：根据题意要求是达到或达不到两种结 果，所谓达到就是指，每周平均销售量 ≥450斤，只要＝450斤就算达到预期效果。 所谓没有达到是平均每周销售量＜450斤， 所以该项目为单边左侧检验问题。
设H0：μ＝μ0＝450斤（达到预期效果）
H1：μ＜μ0＝450斤（未达到预期效果）
根据实际经验，销售量服从正态分布，即设X为 每周销售量，则X～N（μ，σ2），此处σ2未知， 故用t检验，已知
2 2
。
要检验假设H 0 :12 ; H 1 :12 .
(1) 提出原假设 H0:12, H1:12.
(X Y )
(2)选择统计量：t
SW
11 n1 n2
其S中 W
(n11)S12(n21)S22 n1n22
(3) 在假设H0成立的条件下，确定该统计量服从
所以该检验的拒绝域为
WT2.364 . 6
(5)由样本值计算得：
x 2 . 5 ,y 1 1 . 0 , 8 n 1 1 s 1 2 3 . 0 , 0 2
n21s2 27.77 , 8 得 T 的观察值
t 21.518.0 2.24.5
30.02707811
于K 是 S12＋ S22Z,否定域 X约 YK 为
n1
n2 2
（3）t检验
2 1
22
2未知（称方差齐性）
检验对象H0：μ1＝μ2
选择统计量：
t
(XY)
11
~tn1
n2
2
SW
n1 n2
其S中 W
(n11)S12(n21)S22 n1n22
例2 某厂计划投资一万元的广告费以提高 某种糖果的销售量，一位商店经理认为此 项计划可使平均每周销售量达到450斤，实 行此项计划一个月后，调查了16家商店， 计算得平均每周的销售量为418斤，标准差 为84斤，问在0.05水平下，可否认为此项 计划达到了该商店经理的预期效果。
n＝16 x ＝418 s＝84 α＝0.05 t0.05（15）＝
1于而.7是5x31K－=μ0s＝n t4α1(8n－-1)4=50844＝×－13.725＞3－1=3366..8822
（＝－K）
x 说明 在接收域内，故在α＝0.05下， 接受H0，否定H1，认为该经理的预期 效果达到 了。如图8—6。
(1) 提出原假设H0: 0 ,H1: > 0.
(2) 选择统计量
T
X 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 ) (1 2)K }
即
P{XYK}P
XY
2
2
1 2
n1 n2
的分布：
t
XY
SW
11 n1 n2
~tn1 n2
2
(4)对于检验水平=0.05 , n15,n24,
查t-分布表,得临界值t/2(n1+n2-2)，
即 t1 2n 1 n 2 2 t0 .97 7 5 2 .36 , 46
使 P t 2 .36 0 4 .06 .5
2．两个正态总体方差是否相等的假 设检验（方差比是否为1的检验）
已 X n知l为总X体的X样～本N，（Yμ1～，N（12）μ2，，X 122，）X，2，Y1…，，
Y检 由2验第，对七…象章，H定Y0n理：l为512知Y的2样2 （本或，X与1222 Y1独）立
两个样本相互独立, X ,Y 分别为样本均值，
S2 1
,
S22分别为样本方差.
给定置信度1-,
t检验
已知 2 1
22
2
检验对象H 0:12,H 1:12,(为已知常数)
(1) 提出原假设 H 0:12, H 1:12.
(2)选择统计量：t ( X Y )
SW
11 n1 n2
其S中 W
(n11)S12(n21)S22 n1n22
(3) 在假设H0成立的条件下，确定该统计量服从
的分布：t (XY)
11
~tn1
n2
2
SW
n1 n2
(4) 选择检验水平 ,查t-分布表,得临界值t/2(n1+n2-2)，
即
(XY)
P{|
1 1 |t2(n1n22)
}
SW
n1 n2
(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(n1+n2-2)时,则拒绝H0 ； 当| t0 |< t/2(n1+n2-2)时,则接受H0 。
注意 0常用.
例1 从两处煤矿各抽样数次，分析其 含灰率（%）如下：
7
54
由于t 2.2452.364。6即 tW，因此 ，
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， 为稳妥起见，最好再抽一次样，重作一次 试验。
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
一.两个正态总体均值是否相等的 二检.未验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
两个正N态 (1,1 总 2),N(体 2,2 2)
X1, X2,...X , n1是来自于第一个样 总本 体； 的
Y1,Y2,...Y,n2是来自于第二个样 总体 本； 的
甲矿： 24.3, 20.3, 23.7, 21.3, 17.4 乙矿: 18.2, 16.9, 20.2, 16.7 假定各煤矿的煤含灰率都服从正态分布，且 方差相等。问甲、乙两矿煤的含灰率有无显
著差异 0.05？
解 根据题意，设甲矿煤的含灰率
X ~N 1,1 2乙矿煤的含灰率
Y~N2,
K
Hale Waihona Puke 221 2
n1 n2
于K 是 n1 1 2＋ n2 2 2Z 2,否定 XY 域 K
（2）U检验，12
,
2 2
未知，但n1，n2均较大
（≥50）
检验对象H0：μ1＝μ2 选择统计量：U X Y ~ N0,1
S12 S22 n1 n2
解：根据题意要求是达到或达不到两种结 果，所谓达到就是指，每周平均销售量 ≥450斤，只要＝450斤就算达到预期效果。 所谓没有达到是平均每周销售量＜450斤， 所以该项目为单边左侧检验问题。
设H0：μ＝μ0＝450斤（达到预期效果）
H1：μ＜μ0＝450斤（未达到预期效果）
根据实际经验，销售量服从正态分布，即设X为 每周销售量，则X～N（μ，σ2），此处σ2未知， 故用t检验，已知
2 2
。
要检验假设H 0 :12 ; H 1 :12 .
(1) 提出原假设 H0:12, H1:12.
(X Y )
(2)选择统计量：t
SW
11 n1 n2
其S中 W
(n11)S12(n21)S22 n1n22
(3) 在假设H0成立的条件下，确定该统计量服从
所以该检验的拒绝域为
WT2.364 . 6
(5)由样本值计算得：
x 2 . 5 ,y 1 1 . 0 , 8 n 1 1 s 1 2 3 . 0 , 0 2
n21s2 27.77 , 8 得 T 的观察值
t 21.518.0 2.24.5
30.02707811
于K 是 S12＋ S22Z,否定域 X约 YK 为
n1
n2 2
（3）t检验
2 1
22
2未知（称方差齐性）
检验对象H0：μ1＝μ2
选择统计量：
t
(XY)
11
~tn1
n2
2
SW
n1 n2
其S中 W
(n11)S12(n21)S22 n1n22
例2 某厂计划投资一万元的广告费以提高 某种糖果的销售量，一位商店经理认为此 项计划可使平均每周销售量达到450斤，实 行此项计划一个月后，调查了16家商店， 计算得平均每周的销售量为418斤，标准差 为84斤，问在0.05水平下，可否认为此项 计划达到了该商店经理的预期效果。
n＝16 x ＝418 s＝84 α＝0.05 t0.05（15）＝
1于而.7是5x31K－=μ0s＝n t4α1(8n－-1)4=50844＝×－13.725＞3－1=3366..8822
（＝－K）
x 说明 在接收域内，故在α＝0.05下， 接受H0，否定H1，认为该经理的预期 效果达到 了。如图8—6。
(1) 提出原假设H0: 0 ,H1: > 0.
(2) 选择统计量
T
X 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 ) (1 2)K }
即
P{XYK}P
XY
2
2
1 2
n1 n2
的分布：
t
XY
SW
11 n1 n2
~tn1 n2
2
(4)对于检验水平=0.05 , n15,n24,
查t-分布表,得临界值t/2(n1+n2-2)，
即 t1 2n 1 n 2 2 t0 .97 7 5 2 .36 , 46
使 P t 2 .36 0 4 .06 .5
2．两个正态总体方差是否相等的假 设检验（方差比是否为1的检验）
已 X n知l为总X体的X样～本N，（Yμ1～，N（12）μ2，，X 122，）X，2，Y1…，，
Y检 由2验第，对七…象章，H定Y0n理：l为512知Y的2样2 （本或，X与1222 Y1独）立
两个样本相互独立, X ,Y 分别为样本均值，
S2 1
,
S22分别为样本方差.
给定置信度1-,
t检验
已知 2 1
22
2
检验对象H 0:12,H 1:12,(为已知常数)
(1) 提出原假设 H 0:12, H 1:12.
(2)选择统计量：t ( X Y )
SW
11 n1 n2
其S中 W
(n11)S12(n21)S22 n1n22
(3) 在假设H0成立的条件下，确定该统计量服从
的分布：t (XY)
11
~tn1
n2
2
SW
n1 n2
(4) 选择检验水平 ,查t-分布表,得临界值t/2(n1+n2-2)，
即
(XY)
P{|
1 1 |t2(n1n22)
}
SW
n1 n2
(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(n1+n2-2)时,则拒绝H0 ； 当| t0 |< t/2(n1+n2-2)时,则接受H0 。
注意 0常用.
例1 从两处煤矿各抽样数次，分析其 含灰率（%）如下：
7
54
由于t 2.2452.364。6即 tW，因此 ，
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， 为稳妥起见，最好再抽一次样，重作一次 试验。
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