第7部分统计假设检验和区间估计
梁前德《统计学》(第二版)学习指导与习题训练答案:07第七章 假设检验与方差分析 习题答案
旗开得胜1第七章 假设检验与方差分析 习题答案一、名词解释用规范性的语言解释统计学中的名词。
1. 假设检验:对总体分布或参数做出某种假设,然后再依据抽取的样本信息,对假设是否正确做出统计判断,即是否拒绝这种假设。
2. 原假设:又叫零假设或无效假设,是待检验的假设,表示为 H 0,总是含有等号。
3. 备择假设:是零假设的对立,表示为 H 1,总是含有不等号。
4. 单侧检验:备择假设符号为大于或小于时的假设检验。
5. 显著性水平:原假设为真时,拒绝原假设的概率。
6. 方差分析:是检验多个总体均值是否相等的一种统计分析方法。
二、填空题根据下面提示的内容,将适宜的名词、词组或短语填入相应的空格之中。
1. u ,nx σμ0-,标准正态; ),(),(2/2/+∞--∞nz nz σσααY2. 参数检验,非参数检验3. 弃真,存伪4. 方差旗开得胜25. 卡方, F6. 方差分析7. t ,u8. nsx 0μ-,不拒绝9. 单侧,双侧10.新产品的废品率为5% ,0.01 11.相关,总变异,组间变异,组内变异12.总变差平方和=组间变差平方和+组内变差平方和 13.连续,离散 14.总体均值 15.因子,水平 16.组间,组内 17.r-1,n-r18. 正态,独立,方差齐三、单项选择从各题给出的四个备选答案中,选择一个最佳答案,填入相应的括号中。
1.B 2.B 3. B 4.A 5.C 6.B 7.C 8.A 9.D 10.A 11.D 12.C四、多项选择从各题给出的四个备选答案中,选择一个或多个正确的答案,填入相应的括号中。
1.AC 2.A 3.B 4.BD 5. AD五、判断改错对下列命题进行判断,在正确命题的括号内打“√”;在错误命题的括号内打“×”,并在错误的地方下划一横线,将改正后的内容写入题下空白处。
1. 在任何情况下,假设检验中的两类错误都不可能同时降低。
( ×)样本量一定时2. 对于两样本的均值检验问题,若方差均未知,则方差分析和t检验均可使用,且两者检验结果一致。
07《卫生统计学》第七章_假设检验基础(6版) (1)
sd t
n 1
n
2 7950 8832500
10 1
10
528.336IU / g
d d d 795.0 4.785 sd s d n 528.336 10
确定概率P:按ν =9查t 界值表,得P<0.01 判断结果:在α=0.05的水准上,拒绝H0,接受H1,可以认为 维生素E缺乏组大鼠肝脏维生素A含量低于正常饲料组。
二、 假设检验的基本步骤
• 确定检验水准: 检验水准(size of a test),亦称为 显著性水准(significance level),符号 为α,即拒绝或不拒绝H0所要冒出错的风 险大小。一般取α=0.05或α= 0.01。
二、 假设检验的基本步骤
• 确定单侧检验(one sided test)还是双侧检验(two sided test): 如果根据现有的专业知识无法预先判断该病 病人的脉搏是高于还是低于一般健康成年男,两 种可能性都存在,研究者对这两种可能性同等关 心,那么,就是要推断两总体均数有无差别,应 当采用双侧检验;如果根据专业知识,已知病人 的脉搏不会低于一般人,或是研究者只关心病人 的脉搏是否高于一般,而不关心是否低于一般, 则应当采用单侧检验(one sided test)。
二、 假设检验的基本步骤
本例的资料符合t 检验的应用条件,已知 μ=72次/min , x =75.572次/min ,s=5.0次/min , n=25,代入公式计算t 值,结果:
x x 75.5 72.0 t 3.50 sx s n 5.0 25
3. 确定P值
第二节 t 检验
1. 一组样本资料的 t 检验
7第七讲++区间估计
么?或者在什么范围。
点估计:根据样本数据算出一个单一的估 计值,用来估计总体的参数值。 区间估计:计算抽样平均误差,指出估计 的可信程度,进而在点估计的基础上,确定总
体参数的所在范围或区间。
第二节 总体均值与方差的点估计
概括地说: 经常需要对总体进行估计的两个数字特征是: 总体的均值和方差。如果将总体的均值和方 差视为数轴上的两个点,这种估计称为点估 计。如果要求估计总体的均值或方差将落在 某一段数值区间,这种估计称为区间估计。
要对总体参数值进行区间估计,既要在一定 可靠度上求出总体参数的置信区间的上下限, 需要以下条件:
1.要知道与所要估计的参数相对应的样本统计 量的值,以及样本统计量的理论分布;
2.要求出该种统计量的标准误;
3.要确定在多大的可靠度上对总体参数作估计, 再通过查某种理论概率分布表,找出与某种可靠度 相对应的该分布横轴上记分的临界值,才能计算出 总体参数的置信区间上下限。
则称 [ T1 , T2 ]为 的置信水平为1 - 的
几点说明
置信区间的长度 T2 T1 反映了估计精度 T2 T1 越小, 估计精度越高.
反映了估计的可靠度, 越小, 越可靠. 越小, 1- 越大, 估计的可靠度越高,但
这时, T2 T1 往往增大, 因而估计精度降低.
n
n
X 1.96 X 1.96
n
) 0.95 ) 0.95
n
n
4、解释
在置信区间[X-1.96SEx,X+1.96SEx]内,正 确估计总体均值所在区间的概率为0.95。但 是,做这种区间估计不可能保证完全无误, 估计错误的概率大约为0.05。
概率论与数理统计(理工类,第四版)吴赣昌主编课后习题答案第七章
写在前面:由于答案是一个个复制到word rh,比校耗时耗力,故下载收取5分・希望需要的朋友给予理解和支持!PS网上有一些没经我同总就将我的答案整合、转换成pdf,放在文库里的.虽然是免费的.但是窃取f我的劳动成果,希望有心的朋友支持我一下.下载我的原版答案。
第七章假设检验假设检验的基本談念习题1 样木容fin确定后,在一个假设检验中•给定显著水平为*设此第一类错的概率为。
•则必有()•(A)a+p=l; (B)a+p>l; (C)a+p<l; {D)a+p<2.解答: 应选(D)・当样木容Sn确定后.aQ不能同时都很小.即a变小时,p变大:而P变小时• a变大.理论上,自然希望犯这两类错误的概率都很小・但a*的大小关系不能确定.并且这两类错谋不能同时发生,即a=l且p=l不会发生.故选(D).习題2设总休X^(g,a2b其中02已知,着要检验W需川统计a U=X"-gOa/n,(1)若对敢边检验,统计假设为则拒绝区间为(2)若肌边假设为H0:g=g0,Hl:n<^0,则拒绝区间为. (给定显着性水平为4样木均值为X•,样木容fi 为n,且可记ul・a为标准正态分布的(l・a)分位数).解答:由敢侧检验及拒绝的概念即可御到.习題3 如何理解假设检验所作出的〃拒绝原假设H0"和“接受原假设Hcr的判断解答:拒绝H0是有说服力的,接受H0是没有充分说服力的•因为假设检验的方法是概率性质的反证法.作为反证法就是必然要〃推出矛盾r才能得出"拒绝HO"的结论.这是有说服力的・如果“推不出矛盾化这时只能说〃目前还找不到拒绝H0的充分理由W此“不拒绝H0”或〃接受HCr\这并没有肯定H0—定成立•由于样木观察值是随机的• W此拒绝H0.不童味着H0是假的•接受H0也不意味着H0是真的•都存在着错误决策的可能.当原假设H0为真,而作出r拒绝H0的判断,这类决策错谋称为第一类错谋.又叫弃真错洪•显然犯这类错渓的概率为前述的小槪率a:a=P(拒绝HOIHO为真);而原假设HO不真•却作出接受H0的判断•称这类错误为第二类错误,又称取伪错误.它发生的槪率P为P二P(接受HO|H0不真).习題4 犯第一类错误的概率a与犯第二类错谋的概率P之间有何关系一般來说.当样木容g固定时,若减少犯一类错误的槪率.则犯另一类错渓的概率往往会增大•要它们同时减少,只有増加样木容a n.在实际问题中,总是控制犯節一类错误的概率a而使犯第二类错谋的概率尽可能小・a的大小视具体实际问题而定.通常取a弓等tfL 习題5 在假设检验中•如何理解指定的显著水平a 解答:我们希望所作的检验犯两类错谋的槪率尽可能都小・但实际上这是不可能的•当样木容Sn固定时,一般地•减少犯其中一个错谋的槪帑就会增加犯另一个错误的概率• W此,通常的作法是只要求犯第一类错误的概率不大于指定的显著水平6因而根据小概率原理,最终结论为拒绝H0较为可靠,而最终判断力接受H0则不大可靠,«原因是不知道犯第二类错误的概率P处竟有多少.且a小,P就大.所以通常用JW 相容r 〃不拒绝HO"等词语來代替“接受H0".而"不拒绝HO"还包含有再进一步作抽样检验的意思.习题6 在假设检验中•如何确定原假设H0和备择假设H1 解答: 在实际中・通常把那些需要着重考虑的假设视为原假设H0.而与之对应的假设视为备择假设H1.(1)如果问题是要决定新方案是否比原方案好,往往将原方案取假设.而将新方案取为备择假设:(2)若提出一个假设・检验的目的仅仅是为r判断这个假设是否成立.这时直接取此假设为原假设H0即可. 习題7 假设检验的基木步腺有哪些解答:根据反证法的思想和小概率原理•可将假设检验的步骤归纳如下:(1)根据问题的要求.提出原理假设H0和备择假设HL (2)根据检验对紀构造检验统计gT(Xl,X2宀Xn),使肖H0为真时汀有确定的分布.(3)由给定的显著水平6直统计址T所服从的分布表,定出临界值K使P{ 1 T I >A)=a,或P(T>M)=P(T<X2)=a/2,从而求出H0的拒绝域:I T I >入或T>MJ<X2,(4)由样木观察值计算统i|・fi T的观察值t(5)作出判断,将t的值与临界值比较大小作出结论:当tW拒绝域g时,则拒绝H0.否则,不拒绝H0.即认为在显著水平a下,H0与实际悄况差界不显著.习題8 假设检验与区间估il•有何异同解答:假设检验与区间估ii•的提法虽不同,但解决问题的途径是相通的.参数0的a信水平为i・a的a信区间对应于双边假设检验在駄着性水平a下的接受域:参数e的a信水平为1-a的爪侧置信区对应于爪边假设检验在显著性水平a下的接受域.在总休的分布已知的条件下•假设检验与区间估计是从不同的角度回答同一个问題•假设检验是判别原假设H0是否成立,而区间估计解决的是“多少"(或范前者是宦性的.后者是定fi的.习题9 某天开工时,需检验自动包装工作是否正常•根据以往的经验,其装包的质a在正常情况下服从正态分布N(100,仲位:kg).现抽测了9包,其质S为:问这天包装机工作是否正常将这一问题化为假设检验问题.写出假设检验的步驟(am 解答: ⑴提出假设检验问题H0:尸100, Hl:"100;(2)选取检验统il S U:U=X; HO成立时,UW((U);(3)a=,ua/2=,拒绝域W={ 1 u 1 >};(4))f勺I u I =. hM 1 u I <ua/2=,故接受HO,认为包装机.I:作正常.设总休X^(pJbXl,X2/7Xn是取自X的样木.对于假设检验HO:|i=O'Hl:pMO,取显著水平a,拒绝域为W={ i U i >ua/2b其中u=nX-,求:H0成立时,犯第一类错误的槪率aO;(2)十HO不成立时(若"0),犯第二类错的概率p.(l)X^(H4)/X'MM(g,l/n),故nX'=uMM(O,l). a0=P{ I u I >ua/2 I g=0}=l-P{-ua/2<u<ua/2}=1-[<D(ua/2)-(D(-ua/2)]=l-[(l-a2)-a2]=a,即犯第一类错误的概率是显著水平a.(2)F H0不成立.即PMO时.犯第二类错误的概率为P=P{ I U I 30/2 I E(X)=n}=P{・uct/2<u<ua/2 I E(X)=A}=P{-ua/2<nX'<ua/2 I E(X)=|i}=P{-ua/2-nn<n(X'-n)<ua/2-nn I E(X)=n}=(I)(ua/2-niJi)-®(-ua/2-nn),注1 '^1 H T+8或时,PTO.由此可见.当实际均值H偏离原假设校大时,犯第二类错误的概率很小.检验效果较好.注2!勺卩工0但接近于0时.Pdw.Wa很小.故犯第一娄错误的概率很大.检验效果较差.单正态总体的假设检験习题1 已知某炼铁厂铁水含碳量服从正态分布N,・现在测定r 9炉铁水•其平均含碳虽为•如果估计方差没有变化.可否认为现在生产的饮水平均含碳fi仍为(a=解答^ 木问题是在a二下检验假设HO:ns由r a2=已知,所以可选取统计sU=X •在HO 成立的条件下• UW(OJ),且此检验问题的拒绝域为I U 1 = I X •这里 说明U 没有落在拒绝域中.从而接受H0.即认为现在生产之饮水平均含碳S 仍为•习題2要求一种元件平均便用寿命不斜低于1000小肘,生产者从一批这种元件中随机抽取25件,测御其寿命的 平均值为950小时.已知该种元件寿命服从标准差为0=100小时的正态分布,试在显著性水平(1=卜确定 这批元件是否合格设总体均值为卩川未知.即需检验假设H0:H >1000,H1:H <1000.解答:检验假设 HO :n>1000,Hl :n<1000.这是飛边假设检验问题.由于方差02二,故用U 检验法.对于显着性水平a 二,拒绝域为W={X"-1000a/n<-ua.査标准正态分布表•得 又知n=25X=950,故可计算出x'-1000a/n=950-1000100/25=,因为&故在a=下拒绝H0,认为这批元件不合格.习题3 打包机装糖入包,每包标准重为100kg.毎天开工后,要检验所装糖包的总体期望值是否合乎标准 (100kg)•某日开工后.测御9包糖重如下位:kg):打包机装糖的包得服从正态分布•问该天打包机1:作是否正常(a 二 解答: 木问题是在a 二下检验假设HO:p=100,Hl :"100・由于02未知.所以可选取统讣fi T=X--100S/n,在HO 成立的条件下.W(n-1K 且此检验问題的拒绝域为I T I = 1 X'-lOOS/n I >ta/2(n-l).I t 1 =<=(8),即t 未落在拒绝域中・从而接受H0,即可以认为该天打包工作正常.习題4机器包装食盐.假设毎袋盐的净重服从正态分布•规定毎俊标准含fi 为500g,标准差不斜趙过lOg •某天开 工后•随机抽取9袋.测得浄重如下仲位:g):497, 507, 510, 475, 515, 484, 488, 524, 491,I U I =<=ua/2・这里 t=x"-100s/ns :试在駄著性水平a二下检验假设:HO:n=500,Hl:n#500,解答:x'=499,ss:,n=9,t=(x~-|jiO)sn==,a=, (8)=.Will <(8b故接受HO,认为该天每袋平均质a可视为500g・习«5从清凉饮料自动售货机・随机抽样36杯,其平均含g为219(mL),标准差为/在a二的显I?性水平下・试检验假设S HO:A=|I O=222,H1:H<M=222・解答: 设总休X-W(g,a2bX代表自动售货机售出的清凉饮料含S・检验假设H0:n=n0=222(mL), Hl:n<222(mL),由asn=36,査表毎(36・1)弓拒绝域为W={t=x'-nOs/n<-ta(n-l).il•算t值并判断:t=36»习題6 某种寻线的电阻服从正态分布N(x・今从新生产的一批导线中抽取9根・测«电阻•得s=Q,对于a®能否认为这批导线电阴的标准差仍为解答:木问题是在a二下检验假设H0:a2=, Hl:o2匕选取统计fi x2=n-la2S2,在HO成立的条件下,X2^2(n-1),且此检验问題的拒绝域为X2>xa/22(n-l)或x2<xl-a/22(n-l).这里X2==x=,X(8)=,x(8)-落在拒绝域中,从而拒绝HO,即不能认为这批导线电阻的标准差仍为.习题7某厂生产的铜线,要求其折断力的方差不超过16N2.今从某日生产的铜丝中随机抽取容fi为9的样木•测得其折断力如下(飛位:N):289, 286, 285, 286, 285, 284, 285, 286, 298, 292设总体服从正态分布,问该日生产的铜线的折斷力的方差是否符合标准(a二解答: 检验问題为n=9, s2勺X2=8XS216勺am X(8)=・因X2<X(8)s故接受HO,可认为铜丝的折断力的方差不超过16N2.习题8过去经验示.商三学生完成标准考试的时间为一正态变其标准差为6min.若随机样木为20位学生, 其标准差为X,试在显着性水平a= b\检验假设:H0:a>6,Hl:a<6,解答:HO:a>6,Hl:a<6,a=,n-l=19,ssx(19)-拒绝域为W={x2<},i l•算X2值X2=(20-l)x^.因为>■故接受H0,认为a>6.习題9测定某种潯液中的水分・它的10个测定值给出*%,设测定值总体服从正态分布.02为总休方差.02未知,试在a二水平下检验假设:在a= b\拒绝域为W={(n-l)S2a02<xl-a2(9).查X2分布表得X(9)m讣算得(n-l)s2o02=(10-l)x\per)2\per)2^>,未落入拒绝域•故接受H0.取正态总体的假设检越习題1制造厂家宜称•线A的平均张力比线B至少强120N,为证实其说法.在同样情况下测试两种线各50条.线A的平均张力x-=867N,标准差为01=;而线B的平均张力为y・=778N,标准差为o2m在a二的显善性水平下,试检验此制造厂家的说法.解答:H0:nl4l2=120,Hl:pl 屮2<120・am=・W={u=x'-y~-120ol2nl+a22n2<-ua,拒绝域为由x'=867,y'=778,nl=n2=50, 012=2,o22=2,得□=867-778-120250+250^^^,因为&故拒绝H0,认为pl-rx2<120,即厂家的说法不对.习题2 欲知某新血清是否能抑制白血球过多症,选择已患该病的老畝9只•并将其中5只施予此种血清,另外4 只则不热•从实验开始.其存活年限表示如下假设两总体均服从方差相同的正态分布,试在显著性水平a二下检验此种血清是否有效解答^ 设pl- p2分别为老鼠接受和未接受血清的平均存活年限。
区间估计与假设检验
"### 参数的区间估计与假设检验之间的区别
参数的区间估计和假设检验从不同的角度回答同一问 题, 它们的统计处理是相通的。 但是它们之间又有区别, 体现 以下三点: 第一, 参数估计解决的是多少 (或 范 围 ) 问题, 假设检验 则判断结论是否成立。前者解决的是定量问题, 后者解决的 是定性问题。 第二, 两者的要求各不相同。区间估计确定在一定概率 保证程度下给出未知参数的范围。 而假设检验确定在一定的 置信水平下, 未知参数能否接受已给定的值。 第三, 两者对问题的了解程度各不相同。进行区间估计 之前不了解未知参数的有关信息。 而假设检验对未知参数的 信息有所了解, 但作出某种判断无确切把握。 因而在实际应用中,究竟选择哪种方法进行统计推断, 需要根据实际问题的情况确定相应的处理方法。 否则将会产
" 拒 绝 域 为 +)J.)0!+#)(-- , 查表 %’#$#"4" 统计量 0’ ,)"" ’ & , %
得 0"$":’!$"(: , 计 算 得 0’)($A::A. 由 此 可 见 统 计 量 的 值 未 落 入 拒绝域中, 因而接受原假设, 认为符合设计要求。
(9!
统计与决策 !""# 年 # 月 (下)
上述关系虽就一特例而言, 但也有普遍意义。由区间估 计可以很容易构造检验函数。 下面来说明怎样由检验函数构 造区间估计。 设 # 是问题
生不同的结论, 做出错误的统计推断。 例 ! 测试某个品牌的汽车的百公里耗油量,假设在正 常的情况下汽车百公里耗油量服从正态分布, 路况以及驾驶 员的技术符合正常要求。现对该批汽车进行测试, 随机选取
+&".!-。
简述假设检验与区间估计之间的关系 统计学原理
简述假设检验与区间估计之间的关系统计学原理一、简介假设检验与区间估计是统计学中两个重要的概念,它们都是基于样本数据对总体参数进行推断的方法。
假设检验主要用于判断总体参数是否符合某种特定假设,而区间估计则用于对总体参数进行范围性的估计。
本文将从统计学原理角度出发,详细介绍假设检验与区间估计之间的关系。
二、假设检验1. 假设检验的基本思想在进行假设检验时,我们首先要提出一个关于总体参数的假设(称为原假设),然后根据样本数据来判断这个假设是否成立。
具体来说,我们会根据样本数据计算出一个统计量(如t值、F值等),然后通过比较这个统计量与某个临界值(也称为拒绝域)来决定是否拒绝原假设。
2. 假设检验中的错误类型在进行假设检验时,有可能会犯两种错误:一种是将一个正确的原假设错误地拒绝了(称为第一类错误),另一种是将一个错误的原假设错误地接受了(称为第二类错误)。
通常情况下,我们会将第一类错误的概率控制在一个较小的水平(如0.05或0.01),这个水平被称为显著性水平。
3. 假设检验的步骤进行假设检验时,通常需要按照以下步骤进行:(1)提出原假设和备择假设;(2)选择适当的检验统计量,并计算出样本数据所对应的值;(3)确定显著性水平,并找到相应的拒绝域;(4)比较样本统计量与拒绝域,得出结论。
三、区间估计1. 区间估计的基本思想在进行区间估计时,我们会根据样本数据来构建一个区间,这个区间包含了总体参数真值的可能范围。
具体来说,我们会根据样本数据计算出一个点估计量(如样本均值、比例等),然后根据中心极限定理和大数定律等原理来构建置信区间。
2. 区间估计中的置信度在进行区间估计时,我们通常会给出一个置信度,表示该区间包含总体参数真值的概率。
例如,如果我们给出了一个95%置信度,则意味着在大量重复实验中,有95%的置信区间都会包含总体参数真值。
3. 区间估计的步骤进行区间估计时,通常需要按照以下步骤进行:(1)选择适当的点估计量,并计算出样本数据所对应的值;(2)确定置信度,并找到相应的置信区间;(3)解释置信区间的含义,得出结论。
区间估计与假设检验的联系与区别讲义资料
区间估计与假设检验的联系与区别讲义资料
区间估计与假设检验是统计推断的两种常见方法。
它们虽然都属于推断统计,但也有明显的不同之处。
区间估计的主要目的是估计总体参数的值,也可以称作参数估计。
根据样本信息,我们可以得出一个可能的参数值范围,也就是置信区间,从而得到一个可靠的估计区间。
估计是不断变化的,每一次统计分析给出的参数估计值都可能有所变化,从而慢慢趋近真实值。
假设检验即“判断”,是统计学中比较常用的检验方法,目的是确定两个总体之间的差异是由随机因素造成的,还是由特定的因素(如环境因素)造成的。
假设检验涉及两个立场:备择假设和原假设。
假设检验的结果由抽样分布决定,不同的抽样分布对应不同的结论,比如有抽样分布下假设检验结果可能是拒绝备择假设,也可能是接受备择假设。
从概念上讲,区间估计技术计算的是一个参数的值的估计,而假设检验是用于检查参数的方法,它只检验两个总体是否具有显著的性质差异,而不会真正测量它们的差异。
总的来说,区间估计通过单组数据范围尽可能准确地估计参数的取值范围,而假设检验则是针对任何特定统计主题,利用数据样本来检验其是否与假设相符。
两者都具有自己的优点和不足,可以结合使用来为抽样荟萃而得出结论,从而更准确地了解样本的真实情况。
区间估计与假设检验的联系与区别
区间估计与假设检验 的联系与区别
11406
a
1
区间估计
参数估计:指的是用样本中的数据估计总体分布 的某个或某几个参数
参数估计的方法:点估计和区间估计。
点估计:用估计量的某个取值直接作为总体参数 的估计值。点估计的缺陷是没法给出估计的可靠 性,也没法说出点估计值与总体参数真实值接近 的程度。
区间估计:在点估计的基础上给出总体参数估计 的一个估计区间,该区间通常是由样本统计量加 减估计误差得到的。在区间估计中,由样本估计 量构造出的总体参数在一定置信水平下的估计区 间称为置信区间。
主要区别: a、参数估计是以样本资料估计总体参数的真 值,假设检验是以样本资料检验对总体参数 的先前假设是否成立; b、区间估计求得的是求以样本估计值为中心 的双侧置信区间,假设检验既有双侧检验, 也有单侧检验; c、区间估计立足于大概率,假设检验立足于 小概率。
a
6
拒绝域。 4.比较并作出统计推断。
a
4
区间估计与假设检验的联系
主要联系: a、都是根据样本信息推断总体参数; b、都以抽样分布为理论依据,建立在概率 论基础之上的推断,都具有一定的可信程 度和风险; c、二者可相互转换,区间估计问题可以转 换成假设问题,假设问的区别
a
2
区间估计
总体均值的区间估计 (1)大样本的估计方法:总体方差已知,用z
分布。 (2)小样本(样本数小于30)的估计方法:总
体方差未知 , t分布。 总体比率的区间估计 z分布 总体方差的区间估计 χ^2分布
应用统计学 经管类 第7章 假设检验
• • • • • •
二、假设检验的步骤 (一)提出原假设与备择假设 (二)构造检验统计量 (三)确定拒绝域 (四)计算检验统计量的样本观测值 (五)做出结论
1、提出原假设与备择假设
• 消费者协会实际要进行的是一项统计检验 H0 工作。检验总体平均 =250是否成立。这 就是一个原假设(null hypothesis),通常用 表示,即: H0 : =250
第三节 自由分布检验
一、自由分布检验概述 自由分布检验与限定分布检验不同, 它是指在假设检验时不对总体分布的形状和参数加 以限制的检验。与参数检验相对应,自由分布检验又称为非参数检验,但这里的非参数只是 指未对检验统计量服从的分布及其参数做出限制, 并不意味着在检验中 “不涉及参数” “不 或 对参数进行检验” 。
• 解:通过统计软件进行计算。
(二)配对样本的均值检验 设配对观察值为(x,y),其差值是 d = x-y。设 d 为差值的总体均值,要检验的是:
H 0 : d 0 , H1 : d 0
记d
d ,则其方差是: n
2
2 d d / n Sd n(n 1) n
t
X 1000 S/ n
第三步:确定显著性水平,确定拒绝域。 α=0.05,查 t-分布表(自由度为 8),得临界值是 t / 2, n 1 t0.025,8 =2.306, 拒绝域是(-,-2.306]∪[2.306,+)。在 Excel 中,可以使用函数 TINV(0.05,8) 得到临界值 t0.025,8 。 第四步:计算检验统计量的样本观测值。 将 X 986 ,n=9,S=24,代入 t 统计量得:
H1 • 与原假设对立的是备选假设(alternative hypothesis) ,备选假设是在原假设被否 定时另一种可能成立的结论。备选假设比 原假设还重要,这要由实际问题来确定, 一般把期望出现的结论作为备选假设。
简述假设检验与区间估计之间的关系统计学原理
简述假设检验与区间估计之间的关系统计学原理假设检验与区间估计是统计学中两个重要的概念和方法,它们都是用于推断总体参数的。
假设检验是一种通过利用样本信息来判断总体参数的一个或一组特定值是否有效或可接受的方法。
在假设检验中,我们首先设立一个虚无假设(null hypothesis)H0,表示总体参数的一些值或总体参数之间的关系成立;然后通过收集样本数据,计算样本的统计量,然后与建立在虚无假设下的分布进行比较,从而得出对虚无假设的结论。
假设检验的结果可以分为接受虚无假设,拒绝虚无假设两种情况。
区间估计是一种通过利用样本信息来估计总体参数的取值范围的方法。
在区间估计中,我们使用样本数据计算样本的统计量,并根据统计量的抽样分布来构建一个置信区间。
置信区间表示总体参数在一些置信水平下的估计范围,置信水平通常取95%或90%等。
在这个范围内,我们可以合理地认为总体参数落在其中。
区间估计进一步提供了总体参数的不确定性程度。
此外,假设检验与区间估计之间还存在一种互补关系。
在假设检验中,我们可以根据检验的结果拒绝或接受虚无假设,从而判断总体参数是否落在一些给定的取值范围内,这可以视为一种特殊的区间估计。
而在区间估计中,我们利用样本数据估计总体参数的取值范围,这可以视为一种特殊的假设检验,即总体参数的真值是否落在估计的区间内。
综上所述,假设检验与区间估计是统计学中两个重要的概念和方法,它们都是推断总体参数的方法。
假设检验通过对总体参数的一个或一组特定值进行判断来推断,而区间估计通过构建置信区间来估计总体参数的取值范围。
两者在原理和方法上有相似之处,可以互相补充和解释。
在实际应用中,我们可以根据具体的问题选择使用假设检验还是区间估计,或者两者结合应用,从而得出更准确和可靠的推断结果。
区间估计和假设检验
说明这个区间估计的可靠性为95%.
对于同一总体和同一抽样规模来说
①所给区间的大小与做出这种估计所具有的把握性形
成正比.
② 区间大小所体现的是估计的精确性,区间越大,精确
性程度越低,区间越小精确性越高,二者成反比.
精选可编辑ppt
3
③ 从精确性出发,要求所估计的区间越 小越好,从把握性出发,要求所估计的区间越大 越好,因此人们总是需要在这二者之间进行平 衡和选择.
Z(0.05/2)=1.96
精选可编辑ppt
16
然后根据样本数计算统计值:
公式为:
Z= X—μ = 220—210 = 6.67
S/√n
15/√100
由于Z=6.67>Z (0.05/2) =1.96 所以.拒绝虚无假设,接受研究假设,即
从总体上说,该单位职工月平均奖金与上月 相比有变化.
精选可编辑ppt
P≤
0 .1 0 0 .0 5 0 .0 2 0 .0 1
│ Z│ ≥
一端
二端
1 .2 9
1 .6 5
1 .6 5
1 .9 6
2 .0 6
2 .3 3
2 .3 3
2 .5 8
精选可编辑ppt
7
3.总体百分数的区间估计
总体百分数的区间估计公式为:
P±Z(1-α)
P(1—p) n
这里,P为样本的百分比 。 例题:
为了验证这一假设是否可靠,我们抽取100 人作调查,结果得出月平均收入为220元,标准 差位15元.
显然,样本的结果与总体 结果之间出现了 误差,这个误差是由于我们假设错误引起的,还 是由于抽样误差引起的呢?
如果是抽样误差引起的,我们就应该承认
统计学中的假设检验与置信区间
统计学中的假设检验与置信区间统计学中的假设检验与置信区间是两个重要的概念,用于分析样本数据并对总体参数进行推断。
假设检验是一种统计推断方法,用于判断某个断言是否成立或者拒绝。
而置信区间则是用于估计总体参数的范围。
一、假设检验假设检验是一种基于样本数据对总体假设进行推断的方法。
其基本思想是:首先提出一个关于总体参数的假设,然后通过样本数据的分析来判断该假设是否成立。
在进行假设检验时,首先需要提出原假设(H0)和备择假设(H1)。
原假设是我们希望得到支持的假设,而备择假设则是我们希望进行反驳的假设。
然后,选择一个合适的检验统计量,根据该统计量的取值,计算出相应的P值。
若P值小于预先设定的显著性水平(通常为0.05),则拒绝原假设,否则接受原假设。
举个例子来说,假设我们要检验某个新药物的疗效是否优于传统药物。
原假设可以是该药物的疗效不优于传统药物,备择假设可以是该药物的疗效优于传统药物。
然后,收集一部分病人的数据,计算出适当的统计量,并根据该统计量的取值计算出P值,用以判断是否拒绝原假设。
二、置信区间置信区间是用于对总体参数的范围进行估计的方法。
它给出了一个范围,该范围内包含了可能的参数值,并以一定的置信水平(通常为95%)表示。
计算置信区间的方法有很多种,最常用的是基于正态分布的方法。
该方法假设样本数据近似服从正态分布,通过样本均值和样本标准差的计算,结合正态分布的性质,可以计算出一个置信区间,用于估计总体参数。
举个例子来说,我们想要估计某个城市的平均工资水平。
收集到了一部分居民的工资数据,计算出样本均值和样本标准差,然后使用正态分布的方法计算出一个置信区间,例如95%的置信区间为(1000, 2000),表示我们对于总体平均工资的估计范围在1000到2000之间,且有95%的置信水平。
三、假设检验与置信区间的联系假设检验与置信区间在某种程度上可以互相转化和补充。
在假设检验中,我们可以根据置信区间来判断原假设的合理性。
假设检验
第六章 参数估计一、点估计(一)点估计的定义 (二)良好估计量的标准 1.无偏性样本平均数的无偏估计。
是总体平均数(期望)μX 样本方差。
是总体方差的无偏估计21-n S 而样本方差。
是总体方差的有偏估计2n S 2.有效性当无偏估计不止一个时,无偏估计变异(方差)小者有效性高。
3.一致性当样本容量越来越大时,估计值应越来越接近它所估计的总体参数,估计会越来越精确。
4.充分性样本统计量是否充分反映了样本的充分信息。
二、区间估计(一)区间估计的定义 (二)置信区间与显著性水平显著性水平:估计总体参数落在某一区间时,可能犯错误的概率。
用α表示。
置信度:对总体参数估计正确的概率。
用1-α表示。
置信区间:在一定置信度的要求下,所估计的总体参数落入的区间。
(三)区间估计的原理样本分布是区间估计的理论根据。
根据样本统计量分布的形态和分布的标准误,和根据置信度查出的临界值,可以计算出置信区间。
三、总体平均数的区间估计(一)总体平均数区间估计的一般步骤(二)总体平均数估计1:总体正态分布,总体方差已知,不论样本容量n 大小,样本平均数的抽样分布为正态分布。
其平均数就等于总体平均数,即μ=)(X E为样本容量为总体标准差,准误,为样本平均数分布的标其中n nX X σσσ=σ {}{}9,.82.8.5,.61.6.---,,905520109099105011111022222222=σ⋅≤μ≤σ⋅-=α=σ⋅≤μ≤σ⋅-=αα-=⎭⎬⎫⎩⎨⎧σ⋅-≥μ≥σ⋅+α-=⎭⎬⎫⎩⎨⎧σ⋅-≤μ≤σ⋅-α-=⎭⎬⎫⎩⎨⎧σ⋅≤μ≤σ⋅α-=⎭⎬⎫⎩⎨⎧≤σμ≤σμααααααααX X X X X X X X X X X XX X P X X P Z X Z X P Z X Z X P Z X Z P Z X Z P N X +时,有当显著性水平+时,有当显著性水平+———从而)(~—因而..例:已知总体分布为正态,σ=7.07,从这个总体中随机抽取n 1=10和n 2=36的两个样本,分别计算出,,797821==X X 试求总体参数μ的0.95和0.99的置信区间。
假设检验和区间估计
第7章 假设检验和区间估计7.1 内容框图7.2 基本要求(1) 理解假设检验的基本思想及两类错误的含义.(2) 掌握有关正态总体参数的假设检验的基本步骤和方法. (3) 理解单侧检验与双侧检验的异同.(4) 理解并掌握正态总体参数区间估计的的基本方法. (5) 了解总体分布的检验和独立性检验的基本方法.7.3 内容概要1)假设检验下面把各种情形列一个表:∈U 接受域0W ,接受0H∈U 拒绝域1W ,拒绝0H0H 为真,1H 不真 正确 犯第一类错误0H 不真,1H 为真犯第二类错误正确α值为显著水平。
然后,根据显著水平 α来确定临界值,用临界值来划分接受域 0W 假设检验 区间估计参数检验 分布的检验正态总体参数的检验独立性检验和拒绝域 1W 。
这样的检验,称为显著性检验。
假设检验的一般步骤是: (1)提出原假设 0H ;(2)选取合适的检验统计量 U ,从样本求出 U 的值;(3)对于给定的显著水平α,查 U 的分布表,求出临界值,用它划分接受域 0W 和拒绝域 1W ,使得当 0H 为真时,有 α=∈}{1W U P ;(4)若 U 的值落在拒绝域 1W 中,就拒绝 0H ,若 U 的值落在接受域 0W 中,就接受 0H 。
假设检验的理论依据是所谓的小概率事件原理,即一个概率很小的事件在一次试验中几乎是不可能发生的.要检验一个根据实际问题提出的原假设0H 是否成立,如果已知在0H 成立时,某个事件发生的可能性很小,而试验的结果却是这个事件发生了,那么根据小概率事件原理,我们就可以认为所提出的这个假设0H 是不成立的,即拒绝0H ;反之,则接受0H .这里的原假设0H 可以根据实际问题提出,事件是否发生可根据试验观测值判断,因此假设检验的关键问题就是要确定在0H 成立时,发生可能性很小的某个事件.我们知道,正态分布有个3σ原则,即ξ若服从正态分布,那么ξ的取值会大多集中在其均值附近,落入两侧的可能性很小.事实上,当ξ服从t 分布,2x 分布,F 分布时,其取值落入两侧的可能性也都相对很小.因此,我们要确定0H 成立时一个发生可能性很小的事件,只需根据样本构造出服从正态分布,t 分布,2x 分布或F 分布的随机变量(统计量)就可以了. 根据上述分析,正态总体参数的假设检验可概括为如下步骤。
统计学中的假设检验与置信区间
在统计学中,假设检验和置信区间是两个常用的方法,用于对样本数据进行推断和判断。
假设检验是通过对样本数据进行假设,然后利用统计方法对这一假设进行检验的过程。
而置信区间是用于估计总体参数的范围,通过构建一个区间来包含总体参数的真值。
假设检验是统计学的重要方法之一,它用于判断一个关于总体特征的假设是否成立。
在假设检验过程中,我们首先提出一个关于总体参数或总体分布的假设,即原假设(H0)和备选假设(H1)。
然后,我们根据样本数据计算出一个检验统计量,并通过比较检验统计量的值与特定的临界值来决定是否拒绝原假设。
在假设检验中,我们通常关心的是拒绝原假设的概率,即显著性水平。
假设检验通常包括以下步骤:确定原假设和备选假设,选择适当的检验统计量,计算检验统计量的值,确定拒绝域,计算拒绝域的临界值,进行统计决策和做出推断。
如果检验统计量的值落在拒绝域内,则拒绝原假设,否则则不拒绝原假设。
与假设检验相对应的是置信区间。
置信区间是用于估计总体参数的范围,通过构建一个区间来估计总体参数的真值。
置信区间通常由样本数据计算得到,其上界和下界反映了总体参数估计的不确定性范围。
在置信区间中,我们可以设定一个置信水平,并通过样本数据计算出一个置信区间,使得总体参数落在该区间内的概率等于设定的置信水平。
置信区间的计算一般遵循正态分布或t分布的原理。
对于大样本的情况,可以使用正态分布来计算置信区间;而对于小样本的情况,由于样本方差的不确定性,需要使用t分布来计算置信区间。
在计算置信区间时,我们通常要求该区间的宽度尽可能小,从而提高估计的精确性。
假设检验和置信区间在实际应用中都具有重要的意义。
假设检验可以帮助我们判断样本数据是否支持某一假设,从而做出相应的决策。
例如,在药物临床试验中,我们可以利用假设检验来判断新药的疗效是否显著,从而决定是否推出市场。
而置信区间可以提供总体参数的估计范围,帮助我们理解样本数据中的不确定性,并对总体特征进行推断。
统计学第七章、第八章课后题答案
]统计学复习笔记第七章一、思考题1.解释估计量和估计值在参数估计中,用来估计总体参数的统计量称为估计量。
估计量也是随机变量。
如样本均值,样本比例、样本方差等。
根据一个具体的样本计算出来的估计量的数值称为估计值。
2.简述评价估计量好坏的标准"(1)无偏性:是指估计量抽样分布的期望值等于被估计的总体参数。
(2)有效性:是指估计量的方差尽可能小。
对同一总体参数的两个无偏估计量,有更小方差的估计量更有效。
(3)一致性:是指随着样本量的增大,点估计量的值越来越接近被估总体的参数。
3.怎样理解置信区间在区间估计中,由样本统计量所构造的总体参数的估计区间称为置信区间。
置信区间的论述是由区间和置信度两部分组成。
有些新闻媒体报道一些调查结果只给出百分比和误差(即置信区间),并不说明置信度,也不给出被调查的人数,这是不负责的表现。
因为降低置信度可以使置信区间变窄(显得“精确”),有误导读者之嫌。
在公布调查结果时给出被调查人数是负责任的表现。
这样则可以由此推算出置信度(由后面给出的公式),反之亦然。
4.解释95%的置信区间的含义是什么置信区间95%仅仅描述用来构造该区间上下界的统计量(是随机的)覆盖总体参数的概率。
也就是说,无穷次重复抽样所得到的所有区间中有95%(的区间)包含参数。
不要认为由某一样本数据得到总体参数的某一个95%置信区间,就以为该区间以的概率覆盖总体参数。
5.|6.简述样本量与置信水平、总体方差、估计误差的关系。
1.估计总体均值时样本量n为2. 样本量n 与置信水平1-α、总体方差、估计误差E 之间的关系为与置信水平成正比,在其他条件不变的情况下,置信水平越大,所需要的样本量越大;与总体方差成正比,总体的差异越大,所要求的样本量也越大; 与与总体方差成正比,样本量与估计误差的平方成反比,即可以接受的估计误差的平方越大,所需的样本量越小。
)二、 练习题1. 从一个标准差为5的总体中采用重复抽样方法抽出一个样本量为40的样本,样本均值为25。
概率论与数理统计(理工类,第四版)吴赣昌主编课后习题答案第七章
写在前面:由于答案是一个个复制到word中,比较耗时耗力,故下载收取5分,希望需要的朋友给予理解和支持!PS:网上有一些没经我同意就将我的答案整合、转换成pdf,放在文库里的,虽然是免费的,但是窃取了我的劳动成果,希望有心的朋友支持我一下,下载我的原版答案。
第七章假设检验7.1 假设检验的基本概念习题1样本容量n确定后,在一个假设检验中,给定显著水平为α,设此第二类错误的概率为β,则必有(). (A)α+β=1;(B)α+β>1;(C)α+β<1;(D)α+β<2.解答:应选(D).当样本容量n确定后,α,β不能同时都很小,即α变小时,β变大;而β变小时,α变大.理论上,自然希望犯这两类错误的概率都很小,但α,β的大小关系不能确定,并且这两类错误不能同时发生,即α=1且β=1不会发生,故选(D).习题2设总体X∼N(μ,σ2),其中σ2已知,若要检验μ,需用统计量U=X¯-μ0σ/n.(1)若对单边检验,统计假设为H0:μ=μ0(μ0已知),H1:μ>μ0,则拒绝区间为;(2)若单边假设为H0:μ=μ0,H1:μ<μ0,则拒绝区间为(给定显著性水平为α,样本均值为X¯,样本容量为n,且可记u1-α为标准正态分布的(1-α)分位数).解答:应填(1)U>u1-α;(2)U<uα.由单侧检验及拒绝的概念即可得到.习题3如何理解假设检验所作出的“拒绝原假设H0”和“接受原假设H0”的判断?解答:拒绝H0是有说服力的,接受H0是没有充分说服力的. 因为假设检验的方法是概率性质的反证法,作为反证法就是必然要“推出矛盾”,才能得出“拒绝H0”的结论,这是有说服力的,如果“推不出矛盾”,这时只能说“目前还找不到拒绝H0的充分理由”,因此“不拒绝H0”或“接受H0”,这并没有肯定H0一定成立. 由于样本观察值是随机的,因此拒绝H0,不意味着H0是假的,接受H0也不意味着H0是真的,都存在着错误决策的可能.当原假设H0为真,而作出了拒绝H0的判断,这类决策错误称为第一类错误,又叫弃真错误,显然犯这类错误的概率为前述的小概率α:α=P(拒绝H0|H0为真);而原假设H0不真,却作出接受H0的判断,称这类错误为第二类错误,又称取伪错误,它发生的概率β为β=P(接受H0|H0不真).习题4犯第一类错误的概率α与犯第二类错误的概率β之间有何关系?解答:一般来说,当样本容量固定时,若减少犯一类错误的概率,则犯另一类错误的概率往往会增大.要它们同时减少,只有增加样本容量n.在实际问题中,总是控制犯第一类错误的概率α而使犯第二类错误的概率尽可能小.α的大小视具体实际问题而定,通常取α=0.05,0.005等值.习题5在假设检验中,如何理解指定的显著水平α?解答:我们希望所作的检验犯两类错误的概率尽可能都小,但实际上这是不可能的. 当样本容量n固定时,一般地,减少犯其中一个错误的概率就会增加犯另一个错误的概率. 因此,通常的作法是只要求犯第一类错误的概率不大于指定的显著水平α,因而根据小概率原理,最终结论为拒绝H0较为可靠,而最终判断力接受H0则不大可靠,其原因是不知道犯第二类错误的概率β究竟有多少,且α小,β就大,所以通常用“H0相容”,“不拒绝H0”等词语来代替“接受H0”,而“不拒绝H0”还包含有再进一步作抽样检验的意思.习题6在假设检验中,如何确定原假设H0和备择假设H1?解答:在实际中,通常把那些需要着重考虑的假设视为原假设H0,而与之对应的假设视为备择假设H1.(1)如果问题是要决定新方案是否比原方案好,往往将原方案取假设,而将新方案取为备择假设;(2)若提出一个假设,检验的目的仅仅是为了判断这个假设是否成立,这时直接取此假设为原假设H0即可.习题7假设检验的基本步骤有哪些?解答:根据反证法的思想和小概率原理,可将假设检验的步骤归纳如下:(1)根据问题的要求,提出原理假设H0和备择假设H1.(2)根据检验对象,构造检验统计量T(X1,X2,⋯,Xn),使当H0为真时,T有确定的分布.(3)由给定的显著水平α,查统计量T所服从的分布表,定出临界值λ,使P(∣T∣>λ)=α,或P(T>λ1)=P(T<λ2)=α/2,从而求出H0的拒绝域:∣T∣>λ或T>λ1,T<λ2.(4)由样本观察值计算统计量T的观察值t.(5)作出判断,将t的值与临界值比较大小作出结论:当t∈拒绝域量时,则拒绝H0,否则,不拒绝H0,即认为在显著水平α下,H0与实际情况差异不显著.习题8假设检验与区间估计有何异同?解答:假设检验与区间估计的提法虽不同,但解决问题的途径是相通的. 参数θ的置信水平为1-α的置信区间对应于双边假设检验在显著性水平α下的接受域;参数θ的置信水平为1-α的单侧置信区对应于单边假设检验在显著性水平α下的接受域.在总体的分布已知的条件下,假设检验与区间估计是从不同的角度回答同一个问题. 假设检验是判别原假设H0是否成立,而区间估计解决的是“多少”(或范围),前者是定性的,后者是定量的.习题9某天开工时,需检验自动包装工作是否正常. 根据以往的经验,其装包的质量在正常情况下服从正态分布N(100,1.52)(单位:kg).现抽测了9包,其质量为:99.3,98.7,100.5,101.2,98.3,99.7,99.5,102.0,100.5.问这天包装机工作是否正常?将这一问题化为假设检验问题. 写出假设检验的步骤(α=0.05).解答:(1)提出假设检验问题H0:μ=100,H1:μ≠100;(2)选取检验统计量U:U=X¯-1001.59,H0成立时, U∼N(0,1);(3)α=0.05,uα/2=1.96,拒绝域W={∣u∣>1.96};(4)x¯≈99.97,∣u∣=0.06.因∣u∣<uα/2=1.96,故接受H0,认为包装机工作正常.习题10设总体X∼N(μ,1),X1,X2,⋯,Xn是取自X的样本. 对于假设检验H0:μ=0,H1:μ≠0,取显著水平α,拒绝域为W={∣u∣>uα/2},其中u=nX¯,求:(1)当H0成立时, 犯第一类错误的概率α0;(2)当H0不成立时(若μ≠0),犯第二类错误的概率β.解答:(1)X∼N(μ,1),X¯∼N(μ,1/n),故nX¯=u∼N(0,1).α0=P{∣u∣>uα/2∣μ=0}=1-P{-uα/2≤u≤uα/2}=1-[Φ(uα/2)-Φ(-uα/2)]=1-[(1-α2)-α2]=α,即犯第一类错误的概率是显著水平α.(2)当H0不成立,即μ≠0时,犯第二类错误的概率为β=P{∣u∣≤uα/2∣E(X)=μ}=P{-uα/2≤u≤uα/2∣E(X)=μ}=P{-uα/2≤nX¯≤uα/2∣E(X)=μ}=P{-uα/2-nμ≤n(X¯-μ)≤uα/2-nμ∣E(X)=μ}=Φ(uα/2-nμ)-Φ(-uα/2-nμ).注1当μ→+∞或μ→-∞时,β→0.由此可见,当实际均值μ偏离原假设较大时,犯第二类错误的概率很小,检验效果较好.注2当μ≠0但接近于0时,β≈1-α.因α很小,故犯第二类错误的概率很大,检验效果较差.7.2 单正态总体的假设检验习题1已知某炼铁厂铁水含碳量服从正态分布N(4.55,0.1082).现在测定了9炉铁水,其平均含碳量为4.484.如果估计方差没有变化,可否认为现在生产的铁水平均含碳量仍为4.55(α=0.05)?解答:本问题是在α=0.05下检验假设H0:μ=4.55,H1:μ≠4.55.由于σ2=0.1082已知,所以可选取统计量U=X¯-4.550.108/9,在H0成立的条件下,U∼N(0,1),且此检验问题的拒绝域为∣U∣=∣X¯-4.550.108/9∣>uα/2,这里u=4.484-4.550.108/9≈-1.833,uα/2=1.96.显然∣u∣=1.833<1.96=uα/2.说明U没有落在拒绝域中,从而接受H0,即认为现在生产之铁水平均含碳量仍为4.55.习题2要求一种元件平均使用寿命不得低于1000小时,生产者从一批这种元件中随机抽取25件,测得其寿命的平均值为950小时. 已知该种元件寿命服从标准差为σ=100小时的正态分布,试在显著性水平α=0.05下确定这批元件是否合格?设总体均值为μ,μ未知,即需检验假设H0:μ≥1000,H1:μ<1000.解答:检验假设H0:μ≥1000,H1:μ<1000.这是单边假设检验问题. 由于方差σ2=0.05,故用u检验法. 对于显著性水平α=0.05,拒绝域为W={X¯-1000σ/n<-uα.查标准正态分布表,得u0.05=1.645.又知n=25,x¯=950,故可计算出x¯-1000σ/n=950-1000100/25=-2.5.因为-2.5<-1.645,故在α=0.05下拒绝H0,认为这批元件不合格.习题3打包机装糖入包,每包标准重为100kg.每天开工后,要检验所装糖包的总体期望值是否合乎标准(100kg).某日开工后,测得9包糖重如下(单位:kg):99.398.7100.5101.298.399.799.5102.1100.5打包机装糖的包得服从正态分布,问该天打包机工作是否正常(α=0.05)?解答:本问题是在α=0.05下检验假设H0:μ=100,H1:μ≠100.由于σ2未知,所以可选取统计量T=X¯-100S/n,在H0成立的条件下,T∼t(n-1),且此检验问题的拒绝域为∣T∣=∣X¯-100S/n∣>tα/2(n-1),这里t=x¯-100s/n≈99.978-1001.2122/9≈-0.0544,t0.025(8)=2.306.显然∣t∣=0.0544<2.306=t0.025(8),即t未落在拒绝域中,从而接受H0,即可以认为该天打包工作正常.习题4机器包装食盐,假设每袋盐的净重服从正态分布,规定每袋标准含量为500g,标准差不得超过10g.某天开工后,随机抽取9袋,测得净重如下(单位:g):497,507,510,475,515,484,488,524,491,试在显著性水平α=0.05下检验假设:H0:μ=500,H1:μ≠500.解答:x¯=499,s≈16.031,n=9,t=(x¯-μ0)sn=499-50016.0319=-0.1871,α=0.05,t0.025(8)=2.306.因∣t∣<t0.025(8),故接受H0,认为该天每袋平均质量可视为500g.习题5从清凉饮料自动售货机,随机抽样36杯,其平均含量为219(mL),标准差为14.2mL,在α=0.05的显著性水平下,试检验假设:H0:μ=μ0=222,H1:μ<μ0=222.解答:设总体X∼N(μ,σ2),X代表自动售货机售出的清凉饮料含量,检验假设H0:μ=μ0=222(mL),H1:μ<222(mL).由α=0.05,n=36,查表得t0.05(36-1)=1.6896,拒绝域为W={t=x¯-μ0s/n<-tα(n-1).计算t值并判断:t=219-22214.2/36≈-1.27>-1.6896,习题6某种导线的电阻服从正态分布N(μ,0.0052).今从新生产的一批导线中抽取9根,测其电阻,得s=0.008Ω,对于α=0.05,能否认为这批导线电阻的标准差仍为0.005?解答:本问题是在α=0.05下检验假设H0:σ2=0.0052,H1:σ2≠0.0052.选取统计量χ2=n-1σ2S2,在H0成立的条件下,χ2∼χ2(n-1),且此检验问题的拒绝域为χ2>χα/22(n-1)或χ2<χ1-α/22(n-1).这里χ2=9-10.0052s2=80.0052×0.0082=20.48,χ0.9752(8)=2.18,χ0.0252(8)=17.5.显然χ2落在拒绝域中,从而拒绝H0,即不能认为这批导线电阻的标准差仍为0.005.习题7某厂生产的铜丝,要求其折断力的方差不超过16N2.今从某日生产的铜丝中随机抽取容量为9的样本,测得其折断力如下(单位:N):289,286,285,286,285,284,285,286,298,292设总体服从正态分布,问该日生产的铜线的折断力的方差是否符合标准(α=0.05)?解答:检验问题为H0:σ2≤16,H1:σ2>16,n=9,s2≈20.3611,χ2=8×s216≈10.181,α=0.05,χ0.052(8)=15.507.因χ2<χ0.052(8)=15.507,故接受H0,可认为铜丝的折断力的方差不超过16N2.习题8过去经验显示,高三学生完成标准考试的时间为一正态变量,其标准差为6min.若随机样本为20位学生,其标准差为s=4.51,试在显著性水平α=0.05下,检验假设:H0:σ≥6,H1:σ<6.解答:H0:σ≥6,H1:σ<6.α=0.05,n-1=19,s=4.51,χ0.952(19)=10.117.拒绝域为W={χ2<10.117}.计算χ2值χ2=(20-1)×4.51262≈10.74.因为10.74>10.117,故接受H0,认为σ≥6.习题9测定某种溶液中的水分,它的10个测定值给出s=0.037%,设测定值总体服从正态分布,σ2为总体方差,σ2未知,试在α=0.05水平下检验假设:H0:σ≥0.04%,H1:σ<0.04%.解答:在α=0.05下,拒绝域为W={(n-1)S2σ02<χ1-α2(9).查χ2分布表得χ0.952(9)=3.325.计算得(n-1)s2σ02=(10-1)×(0.037\per)2(0.04\per)2≈7.7006>3.325,未落入拒绝域,故接受H0.sw=(5-1)×(1.971)2+(4-1)×(1.167)25+4-2≈1.674.查表得t0.005(7)=1.895.算得t=2.86-2.075-01.67415+14≈0.699<1.895.因为0.699<1.895,故不拒绝H0,认为此药无效.习题3据现在的推测,矮个子的人比高个子的人寿命要长一些.下面给出美国31个自然死亡的总统的寿命,将他们分为矮个子与高个子2类,列表如下:矮个子总统8579679080高个子总统6853637088746466606078716790737177725778675663648365假设2个寿命总体均服从正态分布且方差相等,试问这些数据是否符合上述推陈出推测(α=0.05)?解答:设μ1,μ2分别为矮个子与高个子总统的平均寿命,则检验问题为H0:μ1≤μ2,H1:μ1>μ2,n1=5,x¯=80.2,s1≈8.585,n2=26,y¯≈69.15,s2≈9.315,sw=4×8.5852+9.315229≈9.218,n1n2n1+n2≈2.048,t=(80.2-69.15)9.218×2.048≈2.455,α=0.05,t0.05(29)=1.6991,因t>t0.05(29)=1.6991,故拒绝H0,认为矮个子总统的寿命比高个子总统寿命长.习题4在20世纪70年代后期人们发现,酿造啤酒时,在麦芽干燥过程中形成致癌物质亚硝基二甲胺(NDMA).到了20世纪80年代初期,人们开发了一种新的麦芽干燥过程,下面给出了分别在新、老两种过程中形成的NDMA含量(以10亿份中的份数计):故拒绝H0,认为新、老过程中形成的NDMA平均含量差大于2.习题5有两台车床生产同一种型号的滚珠. 根据过去的经验,可以认为这两台车床生产的滚珠的直径都服从正态分布. 现要比较两台车床所生产滚珠的直径的方差,分别抽出8个和9个样品,测得滚珠的直径如下(单位:mm).甲车床xi:15.014.515.215.514.815.115.214.8乙车床yi:15.215.014.815.215.015.014.815.114.8问乙车床产品的方差是否比甲车床的小(α=0.05)?解答:以X,Y分别表示甲,乙二车床产品直径.X∼N(μ1,σ12),Y∼N(μ2,σ22),X,Y独立. 检验假设H0:σ12=σ22,H1:σ22<σ22.用F检验法, 在H0成立时F=S12S22∼F(n1-1,n2-1).由已知数据算得x¯≈15.01,y¯≈14.99,s12≈0.0955,s22≈0.0261,n1=8,n2=9,α=0.05.拒绝域为Rα={F>Fα(n1-1,n2-1)}.查F分布表得F0.05(8-1,9-1)=3.50.计算F值F=s12/s22=0.0955/0.0261≈3.66.因为3.66>3.50,故应否定H0,即认为乙车床产品的直径的方差比甲车床的小.习题6某灯泡厂采用一项新工艺的前后,分别抽取10个灯泡进行寿命试验. 计算得到:采用新工艺前灯泡寿命的样本均值为2460小时. 样本标准差为56小时;采用新工艺后灯泡寿命的样本均值为2550小时,样本标准差为48小时. 设灯泡的寿命服从正态分布,是否可以认为采用新工艺后灯泡的平均寿命有显著提高(α=0.01)?解答:(1)检验假设H0:σ12=σ22,H1:σ12≠σ22.应选取检验统计量F=S12/S22,若H0真, 则F∼F(m-1,n-1);对于给定的检验水平α=0.01,查自由度为(9,9)的F分布表得F0.005(9,9)=6.54;已知m=n=10,s1=56,s2=48,由此得统计量F的观察值为F=562/482≈1.36;因为F<F0.005(9,9),所以接受原假设H0,即可认为这两个总体的方差无显著差异.(2)检验假设H0′:μ1=μ2,H1′:μ1<μ2.按上述关于双总体方差的假设检验的结论知这两个总体的方差未知但相等,σ12=σ22,所以应选取检验统计量:T=X¯-Y¯(m-1)S12+(n-1)S22m+n-2(1m+1n),若H0′真,则T∼t(m+n-2);对给定的检验水平α=0.01,查自由度为m+n-2=18的t分布表得临界值计算t值t=z¯-0sz/n=-0.1-00.141/5≈-1.59>-2.776,故接受H0:μz=0,即在α=0.05下,认为两种分析方法所得的均值结果相同.7.4 关于一般总体数学期望的假设检验习题1设两总体X,Y分别服从泊松分布P(λ1),P(λ2),给定显著性水平α,试设计一个检验统计量,使之能确定检验H0:λ1=λ2,H1:λ1≠λ2的拒绝域,并说明设计的理论依据.解答:因非正态总体,故宜用大样统计,设X¯=1n1∑i=1n1Xi,S12=1n1-1∑i=1n1(Xi-X¯)2;Y¯=1n2∑i=1n2Yi,S22=1n2-1∑i=1n2(Yi-Y¯)2.\because(X¯-Y¯)-(λ1-λ2)S12n1+S22n2→N(0,1)∴可选用样本函数u=(X¯-Y¯)-(λ1-λ2)S12n1+S22n2作为拒绝域的检验统计量.习题2设某段高速公路上汽车限制速度为104.6km/h,现检验n=85辆汽车的样本,测出平均车速为x¯=106.7km/h,已知总体标准差为σ=13.4km/h,但不知总体是否服从正态分布. 在显著性水平α=0.05下,试检验高速公路上的汽车是否比限制速度104.6km/h显著地快?解答:设高速公路上的车速为随机变量X,近似有X∼N(μ,σ2),σ=13.4km/h,要检验假设H0:μ=μ0=104.6,H1:μ>104.6.α=0.05,n=85,uα=u0.05=1.645.拒绝域W={u=x¯-μ0σ/n>uα.由x¯=106.7,σ=13.4,μ0=104.6,n=85得u=106.7-104.613.4/85≈1.44<1.645.因为1.44<1.645,所以接受H0,即要α=0.05显著性水平下,没有明显的证据说明汽车行驶快于限制速度.习题3某药品广告上声称该药品对某种疾病和治愈率为90%,一家医院对该种药品临床使用120例,治愈85人,问该药品广告是否真实(α=0.02)?解答:设该药品对某种疾病的治愈率为p,随机变量X为X={1,临床者使用该药品治愈0,反之则X∼b(1,p),问题该归结为检验假设:H0:p=0.9,H1:p≠0.9.由于n=120足够大,可以用u检验法,所给样值(x1,x2,⋯,x120)中有85个1,35个0,所以x¯=1120∑i=1120xi=1120∑i=1851=85120≈0.71,又p0=0.9,以之代入统计量U得U的观察值为∣u∣=∣0.71-0.9∣0.9×0.1120=6.94>u0.01=2.33,故拒绝H0,即认为该药品不真实.习题4一位中学校长在报纸上看到这样的报道:“这一城市的初中学生平均每周看8小时电视.”她认为她所领导的学校,学生看电视时间明显小于该数字. 为此,她向她的学校的100名初中学生作了调查,得知平均每周看电视的时间x¯=6.5小时,样本标准差为s=2小时,问是否可以认为这位校长的看法是对的(α=0.05)?解答:检验假设H0:μ=8,H1:μ<8.由于n=100,所以T=X¯-μS/n近似服从N(0,1)分布,α=0.05,u0.05=1.645.又知x¯=6.5,s=2,故计算得t=6.5-82/100=-7.5,否定域W={X¯-8S/n<-u0.05.因为-7.5<-1.645,故否定H0,认为这位校长的看法是对的.习题5已知某种电子元件的使用寿命X(h)服从指数分布e(λ),抽查100个元件,得样本均值x¯=950(h),能否认为参数λ=0.001(α=0.05)?解答:由题意知X∼e(λ),E(X)=1/λ,D(X)=1/λ2,故当n充分大时u=x¯-1/λ1nλ=(x¯-1λ)λn=(λx¯-1)n(0,1).现在检验问题为H0:λ=0.001,H1:λ≠0.001,样本值u=(0.001×950-1)×100=0.5,α=0.05,u0.025=1.96.因∣u∣<u0.025=1.96,故接受H0,即可认为参数λ=0.001(即元件平均合适用寿命为1000h).习题6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检查,发现次品56件,能否认为这项新工艺显著地影响产品质量(α=0.05)?解答:检验问题为H0:p=0.17,H1:p≠0.17,由题意知⌢p=mn=56400=0.14,u=(⌢p-p0)p0q0n=0.14-0.170.17×0.83×400≈-1.597,α=0.05,u0.025=1.96.因∣u∣<u0.025=1.96,故接受H0,即认为新工艺没有显著地影响产品质量.习题7某厂生产了一大批产品,按规定次品率p≤0.05才能出厂,否则不能出厂,现从产品中随机抽查50件,发现有4件次品,问该批产品能否出厂(α=0.05)?解答:问题归结为在α=0.05下,检验假设H0:p≤0.05,H1:p>0.05.这是一个单侧检验问题,用u检验法,H0的拒绝域为U=X¯-p0p0(1-p0)n>uα.已知n=50,p0=0.05,x¯=450=0.08,代入U的表达式得u=0.08-0.050.05×0.9550≈0.97<uα=u0.05=1.645,故接受H0,即认为这批产品可以出厂.习题8从选区A中抽取300名选民的选票,从选区B中抽取200名选民的选票,在这两组选票中,分别有168票和96票支持所提候选人,试在显著水平α=0.05下,检验两个选区之间对候选人的支持是否存在差异. 解答:这是两个比率的比较问题,待检假设为H0:p1=p2,H1:p1≠p2.由题设知n=300,μn=168,m=200,μm=96,p1=168320=0.56,p2=96200=0.48,p=μn+μmm+n=264500=0.528.U0∼=p1-p2p(1-p)(1n+1m)=0.56-0.480.528×0.472×1120≈1.755,由P{∣U∼∣>1.96}=α=0.05,得拒绝域∣U∼∣>1.96,因为U0∼=1.755<1.96,故接受H0,即两个选区之间无显著差异.7.5 分布拟合检验Ai k概率pi npi频数fi(fi-npi)2(fi-npi)2npiA001/108085250.3125A111/108093169 2.1125A221/108084160.2A331/10807910.0125A441/10807840.05A551/108069121 1.5125A661/108074360.45A771/10807181 1.0125A881/108091121 1.5125A991/108076160.2∑18007.375由于当H0为真时,χ2=∑i=0k(fi-npi)2npi∼χ2(k-1-r),且此检验问题的拒绝域为χ2≥χα2(k-1-r).这里χ2=7.375,查表知χ0.052(10-1-0)=χ0.052(9)=16.9,显然χ2=7.375<16.9=χ0.052(9),即χ2未落在拒绝域中,所以接受H0,即认为这个正20面体是由均匀材料制面的.习题2根据观察到的数据疵点数0 1 2 3 4 5 6频数fi 14 27 26 20 7 3 3检验整批零件上的疵点数是否服从泊松分布(α=0.05).解答:设X表示整批零件上的疵点数,则本问题是在α=0.05下检验假设H0:P{X=i}=λie-λi!,i=0,1,2,⋯.由于在H0中参数λ未具体给出,所以先估计λ的值. 由极大似然估计法得λ=x¯=1100(0×14+1×27+2×26+3×20+4×7+5×3+6×3)=2.将试验的所有可能结果分为7个互不相容的事件A0,A1,⋯,A7, 当H0成立时,P{X=i}有估计值p0=P{X=0}=e-2≈0.135335,p1=P{X=1}=2e-2≈0.27067,p2=P{X=2}=2e2≈0.270671,p3=P{X=3}≈0.180447,p4=P{X=4}=2/3e-2≈0.090224,p5=P{X=5}=4/15e-2≈0.036089, p6=P{X=6}=4/45e-2≈0.0120298. 列表如下:Ai k 概率pi npi 频数fi (fi-npi)2 (fi-npi)2npiA0 A1 A2 A3 A4 A5 A6 0 1 2 3 4 5 6 0.1353350.270671 0.270671 0.180447 0.090224 0.036089 0.0120298 13.5335 27.0671 27.0672 18.0447 9.02243.60891.2029813.83428 14 27 26 2073313 0.2176 0.0045 1.1387 3.8232 0.6960 0.01608 0.000166 0.04207 0.2118740.050310∑1000.3205当H0为真时,χ2=∑i=0k(fi-npi)2npi ∼χ2(k-1-r),且此检验问题的拒绝域为χ2≥χα2(k-1-r), 这里χ2=0.3205, 查表知χ0.052(5-1-1)=χ0.052(3)=7.815. 显然 χ2=0.3205<7.815=χ0.052(3).即χ2未落在拒绝域中,接受H0, 故可认为整批零件上的疵点数服从泊松分布.习题3检查了一本书的100页,记录各页中印刷错误的个数,其结果为错误个数fi0 1 2 3 4 5 6 ≥7含fi 个错误的页数 36 40 19 2 0 2 1 0问能否认为一页的印刷错误个数服从泊松分布(取α=0.05)? 解答:检验假设H0: 一页的印刷错误个数X 服从泊松分布, P{X=i}=λie -λi!,i=0,1,2,⋯.H0 不成立. 先估计未知参数λλ=x¯=1/100(0×36+1×40+2×19+3×2+4×0+5×2+6×1)=1. 在H0成立下pi =P {X=i}=(λ)ie-λi!=e-1i!,i=0,1,2,⋯. 用χ2检验法χ2=∑i =1k(fi-npi )2npi ∼χ2(k -r-1). 本题中r=1, 其中fi 为频数. H0的拒绝域为 Rα={χ2>χα2(k -r-1)}. 列表计算如下:n=100, 对每个{X=i}计算pi ,npi ,fi-npi ,(fi-npi )2/(npi )(i=1,2,⋯,7). 要求每一个npi ≥5.计算χ2值χ2=0.0170+0.2801+0.0202+1.1423=1.4596.习题6下表记录了2880个婴儿的出生时刻:试问婴儿的出生时刻是否服从均匀分布U[0,24](显著性水平α=0.05)?解答:原假设H0:F0(x), 由F0(x)算得pi=F0(i)-F0(i-1)=124,npi=2880×124=120 (i=1,2,⋯,24),于是χ2=∑i=124(fi-npi)2npi≈40.47,对α=0.05, 自由度n-1=23, 查χ2-分布表,得χα2(n-1)=35.17,因为χ2=40.47>35.17, 所以拒绝H0, 即可以认为婴儿出生时刻不服从均匀分布U[0,24].总习题解答习题1下面列出的是某工厂随机选取的20只部件的装配时间(min):9.8,10.4,10.6,9.6,9.7,9.9,10.9,11.1,9.6,10.2,10.3,9.6,9.9,11.2,10.6,9.8,10.5,10.1,10.5,9.7.设装配时间的总体服从正态分布N(μ,σ2),μ,σ2均未知,是否可以认为装配时间的均值显著地大于10(取α=0.05)?解答:检验假设H0:μ≤μ0=10,H1:μ>10.已知n=20,α=0.05,由数据算得x¯=10.2,s≈0.5099.因σ2未知,故用t检验法,拒绝域为W={X¯-μ0S/n>tα(n-1).计算得x¯-μ0s/n=10.2-100.5099/20≈1.7541.查t分布表得t0.05(19)=1.7291.因为1.7541>1.7291,故拒绝H0,可以认为装配时间的均值显著地大于10.习题2某地早稻收割根据长势估计平均亩产为310kg,收割时,随机抽取了10块,测出每块的实际亩产量为x1,x2,⋯,x10,计算得x¯=110∑i=110xi=320.如果已知早稻亩产量X服从正态分布N(μ,144),显著性水平α=0.05,试问所估产量是否正确?解答:这是一个正态分布总体,方差已知,对期望的假设检验问题,如果估计正确,则应有μ=310,因此我们先将问题表示成两个假设:①H0:μ=310,H1:μ≠310.接下来就要分析样本值来确定是接受H0,还是接受H1.当H0为真时,统计量②U=X¯-31012/10∼N(0,1),从而有③P{∣U∣>1.96}=0.05,拒绝域为(-∞,-1.96)∪(1.96,+∞).④计算U0=∣320-310∣12/n≈2.64>1.96,即拒绝H0,也就是有理由不相信H0是真的,故认为估产310kg不正确.习题3设某次考试的考生成绩服从正态分布,从中随机地抽取36位考生的成绩,算得平均成绩为66.5分,样本标准差为15分,问在显著水平0.05下,是否可认为这次考试全体考生的平均成绩为70分?并给出检验过程.(1)设这次考试全体考生的平均成绩X∼N(μ,σ2),则待检验假设H0:μ=70,备择假设H1:μ≠70;(2)在H0成立条件下选择统计量T=X¯-μ0S/n∼t(n-1);(3)在显著性水平0.05下,查t分布表,找出临界值tα/2(n-1)=t0.025(35)=2.0301,则拒绝域为(-∞,-2.0301)∪(2.0301,+∞);(4)计算t=∣66.5-70∣15/36=1.4∈(-2.0301,2.0301),故接受H0,因此可认为这次考试全体考生的平均成绩为70分.习题4设有来自正态总体的容量为100的样本,样本均值x¯=2.7,μ,σ2均未知,而∑i=1n(xi-x¯)2=225,在α=0.05水平下,检验下列假设(1)H0:μ=3,H1:μ≠3;(2)H0:σ2=2.5,H1:σ2≠2.5.解答:(1)由题意知n=100,x¯=2.7,s=199×225≈1.508,t=(2.7-3)1.508×100≈-1.9894,α=0.05,t0.025(99)≈t0.025(100)=1.984.因∣t∣=1.9894>t0.025(99)=1.984,故拒绝H0,即认为μ≠3.(2)由题意知χ2=∑i=1n(x1-x¯)22.5=2252.5=90,α=0.05,χ0.0252(99)≈χ0.0252(100)=129.56,χ0.9752(99)≈χ0.9752(100)=74.22,因χ0.9752(99)<χ2=90<χ0.0252(99),故接受H0,即可以认为σ2=2.5.习题5设某大学的男生体重X为正态总体,X∼N(μ,σ2),欲检验假设:H0:μ=68kg,H1:μ>68kg.已知σ=5,取显著性水平α=0.05,若当真正均值为69kg时,犯第二类错误的概率不超过β=0.05,求所需样本大小.解答:由第一类、第二类错误及分位数的定义,易于证明:对于某个给定的δ>0(∣μ-μ0∣≥δ),样本容量n应满足:n≥(uα+uβ)2σ2δ2.因为α=β=0.05,故uα=uβ=1.645,对其对立假设μ=69而言,取δ=1,则n=(uα+uβ)2σ2δ2=(1.645+1.645)2×251≈270.6,故取n=271.某装置的平均工作温度据制造厂家称不高于190∘C.今从一个由16台装置构成的随机样本测得工作温度的平均值和标准差分别为195∘C和8∘C,根据这些数据能否说明平均工作温度比制造厂所说的要高?(设α=0.05,并假设工作温度近似服从正态分布.)解答:设X为工作温度,则X∼N(μ,σ2).①待检假设H0:μ≤190,备择假设H1:μ>190;②在H0成立条件下,选择统计量T=X¯-μ0S/n≈t(n-1);③在显著性水平0.05下,查t分布表,找出临界值tα(n-1)=t0.05(15)=1.75,拒绝域为(1.75,+∞);④计算t=X¯-μ0S/n=195-1908/16=2.5>1.75,所以否定原假设H0,说明平均工作温度比制造厂所说的要高.习题7电工器材厂生产一批保险丝,抽取10根试验其熔断时间,结果为42657578715957685455假设熔断时间服从正态分布,能否认为整批保险丝的熔断时间的方差不大于80(α=0.05)?解答:①待检假设H0:σ2≤80,备择假设H1:σ2>80;②在H0成立时,选取统计量χ2=(n-1)S2σ02∼χ2(n-1);③由α=0.05,n-1=9,查χ2分布表,χα2(n-1)=χ0.052(9)=16.919;④计算样本值:x¯=110(42+65+75+78+71+59+57+68+54+55)=62.4,s2=19∑i=110(xi-x¯)2≈121.8,χ2=9×121.880≈13.7∈(0,16.919).故接受原假设H0即在α=0.05下,可认为整批保险丝的熔断时间的方差不大于80.习题8某系学生可以被允许选修3学分有实验物理课和4学分无实验物理课,11名学生选3学分的课,考试平均分数为85分,标准差为4.7分;17名学生选4学分的课,考试平均分数为79分,标准差为6.1分. 假定两总体近似服从方差相同的正态分布,试在显著性水平α=0.05下检验实验课程是否能使平均分数增加8分?解答:设有实验的课程考分X1∼N(μ1,σ12),无实验的课程考分X2∼N(μ2-σ22).假定σ12=σ22=σ2未知,检验假设H0:μ1-μ2=8,H1:μ1-μ2≠8.由题意知,选用t检验统计量,则拒绝域为W={∣x1¯-x2¯-(μ1-μ2)sw1n1+1n2∣>tα/2(n1+n2-2),其中sw2=(n1-1)s12+(n2-1)s22n1+n2-2.由x1¯=85,x2¯=79,n1=11,n2=17,s1=4.7,s2=6.1,算出sw=(11-1)×4.72+(17-1)×6.1211+17-2≈5.603.从而算出t值为t=85-79-85.603111+117≈-0.92,由α=0.05,查表得t0.025(11+17-2)=t0.025(25)=2.056,因为∣t∣=0.92<2.056,故接受H0,认为μ1-μ2=8.习题9某校从经常参加体育锻炼的男生中随机地选出50名,测得平均身高174.34厘米;从不经常参加体育锻炼的男生中随机地选50名,测得平均身高172.42厘米. 统计资料表明两种男生的身高都服从正态分布,其标准差分别为5.35厘米和6.11厘米,问该校经常参加锻炼的男生是否比不常参加锻炼的男生平均身高要高些(α=0.05)?解答:设X,Y分别表示常锻炼和不常锻炼男生的身高,由题设X∼N(μ1,5.352),Y∼N(μ2,6.112).①待检假设H0:μ1≤μ2,备择假设H1:μ1>μ2;②选取统计量U=X¯-Y¯σ12n+σ22m∼(H0成立)N(0,1);③对于α=0.05,查标准正态分布表,uα=u0.05=1.64;则拒绝域为(1.64,+∞);④计算u=174.34-172.425.35250+6.11250≈1.67>1.64,故否定原假设H0,即表明经常体育锻炼的男生平均身高比不经常体育锻炼的男生平均身高高些.习题10在漂白工艺中要改变温度对针织品断裂强力的影响,在两种不同温度下分别作了8次试验,测得断裂强力的数据如下(单位:kg):70∘C:20.818.819.820.921.519.521.021.280∘C:17.720.320.018.819.020.120.219.1判断两种温度下的强力有无差别(断裂强力可认为服从正态分布α=0.05)?解答:(1)本问题是在α=0.05下检验假设μ1=μ2,为此需要先检验σ12=σ22是否成立.H01:σ12=σ22,H11:σ12≠σ22.选取统计量F=S12S22,在H01成立的条件下,F∼F(n1-1,n2-1),且此检验问题的拒绝域为F>Fα/2(n1-1,n2-1)或F<F1-α/2(n1-1,n2-1).这里F=s12s22≈0.90550.8286≈1.0928,F0.025(7,7)=4.99,F0.975(7,7)=1F0.025(7,7)=14.99≈0.2004.显然F0.975(7,7)=0.2004<1.0928<4.99=F0.025(7,7).说明F未落在拒绝域中,从而接受H01,即认为两温度下的强力的方差没有显著变化,亦即σ12=σ22. (2)再检验假设H0ʹ:μ1=μ2,H0ʹ:μ1≠μ2,在H0ʹ成立的条件下,T=X1¯-X2¯(n1-1)S12+(n2-1)S22n1+n2-21n1+1n2∼t(n1+n2-2),且此检验问题的拒绝域为∣T∣>tα/2(n1+n2-2),这里T≈20.4-19.47×0.9055+7×0.82868+8-218+18≈2.148,显然∣T∣=2.148>2.145=t0.025(14).说明T落在拒绝域中,从而拒绝H0,即认为两种温度下的断裂强力有显著差别.习题11一出租车公司欲检验装配哪一种轮胎省油,以12部装有Ⅰ型轮胎的车辆进行预定的测试. 在不变换驾驶员的情况下,将这12部车辆换装Ⅱ型轮并重复测试,其汽油耗量如下表所示(单位:km/L).汽车编号i123456789101112Ⅰ型胎(xi)4.24.76.67.06.74.55.76.07.44.96.15.2Ⅱ型胎(yi)4.14.96.26.96.84.45.75.86.94.76.04.9假定两总体均服从正态分布,试在α=0.025的显著性水平下,检验安装Ⅰ型轮胎是否要双安装Ⅱ型轮胎省油?解答:设两种轮胎汽油消耗量之差为随机变量D,则取值为zi=xi-yi=0.1,-0.2,0.4,0.1,-0.1,0.1,0,0.2,0.5,0.2,0.1,0.3.设Z∼N(μz,σz2),σz2未知. 若消耗油相同,则μz=0;若Ⅰ型比Ⅱ型轮胎省油,则μz>0,于是检验假设H0:μz=0,H1:μz>0.由题意知z¯≈0.142,s≈0.198,n-1=12-1=11.α=0.025,查t分布表得t0.025(11)=2.201.所以,拒绝域为W={t>2.201}.由于样本值t=z¯-0s/n=0.142-00.198/12≈2.48>2.201,故拒绝H0:μz=0,即说明Ⅰ型轮胎省油.习题12有两台机器生产金属部件,分别在两台机器所生产的部件中各取一容量n1=60,n2=40的样本,测得部件重量(以kg计)的样本方差分别为s12=15.46,s22=9.66. 设两样本相互独立,两总体分别服从分布N(μ1,σ12),N(μ2,σ22).μi,σi2(i=1,2)均未知,试在α=0.05水平下检验假设H0:σ12≤σ22,H1:σ12>σ22.解答:在α=0.05下,检验假设H0:σ12≤σ22,H1:σ12>σ22,经计算p=1100×10(45+2×17+3×4+4×1+5×1)=1/10,故检验假设为H0:X∼B(10,1/10),即pi=P{X=i}=C10i(1/10)i(9/10)10-i,i=0,1,2,⋯,10.为了使npi≥5,将xi≥3合并,于是k=4,r=1.计算χ2的观察值,计算结果如下表:[200,300) [300,+∞)435843.466.9-0.4-8.90.0041.184∑300300 1.8631其中理论概率pi=p{ti≤T≤ti+1}=∫titi+1f(t)dt(i=1,2,3),p4=1-∑i=13pi,例如p1=P{T<100}=∫01000.005e-0.005tdt=1-e-0.5≈0.393.由k=4,未知参数个数r=0,查表知χα2(k-r-1)=χ0.052(3)=7.815.因χ2=1.8631<χ0.052(3)=7.815.故接受H0,即可认为灯泡的寿命服从该指数分布.习题16关于正态总体X∼N(μ,1)的数学期望有如下二者必居其一的假设,H0:μ=0,H1:μ=1.考虑检验规则:当X¯≥0.98时否定假设H0接受H1,其中X¯=(X1+⋯+X4)/4,而X1,⋯,X4是来自总体X的简单随机样本,试求检验的两类错误概率α和β.解答:易见,在假设“H0:μ=0”成立的条件下,X¯∼N(0,1/4),2X¯∼N(0,1);在假设“H1:μ=1”成立的条件下,X¯∼N(1,1/4),2(X¯-1)∼N(0,1).因此,由定义得α=P{X¯≥0.98∣μ=0}=P{2X¯≥1.96∣μ=0}=0.025,β=P{X¯<0.98∣μ=1}=P{2(X¯-1)<-0.04∣μ=1}=0.4840.习题17考察某城市购买A公司牛奶的比例,作假设H0:p=0.6,H1:p<0.6,随机抽取50个家属,设x为其中购买A公司牛奶的家庭数,拒绝域W={x≤24}.(1)H0成立时,求第一类错误的α;(2)H1成立且p=0.4时,求第二类错误的β(0.4);又当p=0.5时,求第二类错误的β(0.5).解答:由定义知(1)α=P{x≤24∣p=0.6}=Φ(24-50×0.650×0.6×0.4)≈Φ(-1.73)=1-Φ(1.73)=1-0.9528=0.0418.(2)β(0.4)=P{x>24∣p=0.4}=1-Φ(24-50×0.450×0.4×0.6)≈1-Φ(1.15)=1-0.8749=0.1251;。
区间估计与假设检验
区间估计与假设检验在统计学中,区间估计和假设检验是两个常用的推断方法,用于对总体参数进行估计和推断。
本文将对区间估计和假设检验进行介绍,并讨论它们的应用和差异。
一、区间估计区间估计是用样本数据来推断总体参数的取值范围。
它通过计算估计值以及与之相关的置信水平,给出一个参数的范围估计。
这个范围被称为置信区间。
置信区间常用于描述一个参数的不确定性。
例如,我们要估计某种药物的平均效果。
通过对随机抽取的样本进行实验,我们可以得到样本均值和标准差。
然后,结合样本容量和置信水平,可以计算出药物平均效果的置信区间。
例如,我们可以得出一个95%置信区间为(0.2, 0.6),表示我们有95%的置信水平相信真实的平均效果在这个区间内。
二、假设检验假设检验是用于判断总体参数是否符合某种假设的统计方法。
假设检验通常分为两类:单样本假设检验和双样本假设检验。
1. 单样本假设检验单样本假设检验用于推断一个总体参数与某个特定值之间是否存在显著差异。
它包括以下步骤:(1)建立原假设(H0)和备择假设(H1),其中原假设是要进行检验的假设,备择假设是对原假设的补充或对立的假设。
(2)选择合适的显著性水平(α),表示我们接受原假设的程度。
(3)计算样本数据的检验统计量,例如t值或z值。
(4)根据显著性水平和检验统计量,判断是否拒绝原假设。
2. 双样本假设检验双样本假设检验用于比较两个总体参数之间是否存在显著差异。
常见的双样本假设检验包括独立样本t检验和配对样本t检验。
独立样本t检验用于比较两个独立样本的均值是否有差异,而配对样本t检验用于比较同一样本的两个相关变量的均值是否有差异。
三、区间估计与假设检验的差异区间估计和假设检验都是推断总体参数的方法,但它们的应用和目的略有不同。
区间估计主要关注参数的范围估计,给出了参数估计值的不确定性范围。
它强调了估计的稳定性和精确度,但不直接涉及参数的显著性判断。
因此,区间估计对于参数的精确度提供了一个相对准确的度量。
第七章假设检验
第三节
u检验
u检验(u test ),亦称z检验(z test) 大样本均数(率)与总体均数(率)比较的u检 验、 两个大样本均数(率)比较的u检验 一、大样本均数比较的u检验 二、大样本率的u检验
一、大样本均数比较的u检验
假定样本数据服从正态分布 ,当总体标准差 未知时,可用样本标准差作为估计值 这里的总体均数一般是指已知的理论值、标准 值或经过大量观察所得到的稳定值,记作µ 0 (或记为 )
两个样本率p1、p2的差值服从正态分布
u p1 p2
1 2
p p
2 2 p p p p 1 (1 1 ) / n1 2 (1 2 ) / n2
1 2 1 2
样本率p介于0.1~0.9之间,每组例数大于60 例
n1 p1 n2 p2 ˆ0 n1 n2
两样本均数比较的u检验
该检验方法适用于完全随机设计中两组 计量资料差别的比较 两样本均数差值服从正态分布
u Leabharlann 1 X 2X1X2
X
1X2
2 2 2 2 X / n 1 1 2 / n2 X2 1
当总体标准差未知,两组例数均超过30
ˆX
1X2
亦称样本率与总体率的比较的u检验,这里的 总体率一般是指已知的理论值、标准值或经大 量观察所获得的稳定值。
例7–3 全国调查的调查结果,学龄前儿童营 养性贫血患病率为23.5%。某医院为了解当
地学龄前儿童能够营养性贫血患病情况,对
当地1396例学龄前儿童进行了抽样调查,查
出营养性贫血患儿363例,患病率为26.0%。
ˆp p
1
2
1 1 ˆ0 (1 ˆ0 )( ) n1 n2
- 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)。
即 P (n 1 2 )S 21 2 (n 1 ) P (n 1 2 )S 21 2 (n 1 )
0
3) 所以,拒绝条件为 2 12(n1)
P(21 2 (n1)) 单侧假设检验
分析 用简便方法测得有害气体含量X~N(μ,22),
基本检验H0: μ=μ0=23; 备择检验H1: μ≠ μ0= 23;
若H0成立,则 ZX0 ~N(0,1) / n
若取α=0.05,则 P{|Z|>z1-α/2}=a, 即: P{|Z|>1.96}=0.05, 在假设成立的条件下,|Z|>1.96为概率很小事件,一般认为: 小概率事件在一次实验中是不会发生的, 将样本观测值代入Z得 ZX233.06, |Z|>1.96,
2) 对统计量:
Z X 0 / n
在H0下有
X0 X, / n / n
对给定的α有
{ X/n0z1}{X/nz1}
所以
P ( X/n 0z1 )P ( X / nz1 )
3) 故 拒绝条件为Z> z1-α,其中, (z1)1.
③ H0:μ≥μ0(已知); H1:μ<μ0
1) 提出原假设和备择假设: H0:μ≥μ0; H1:μ<μ0,
(n
1)
2
否定域 接受域 否定域
例:在正常的生产条件下, 某产品的测试指标
总体X~N(μ0,σ02),其中σ0=0.23.后来改变生产工艺,出了新产 品,假设新产品的测试指标总体仍为X,且X~N(μ,σ2). 从新产 品中随机地抽取10件, 测得样本值为x1,x2,…,x10,计算得到 样本标准差S=0.33. 试在检验水平α=0.05的情况下检验: 方 差σ2有没有显著变化?
P(|Z|>z1-α/2)=α
Z检验 α/2
φ(x)
α/2
- z1-α/2
z1-α/2
X
否定域 接受域 否定域
双侧统计检验
例:用精确方法测量某化工厂排放的气体中有害气体含量
服从正态分布N(23,22),现用一简便方法测量6次得一组数据 23,21,19,24,18,18(单位:十万分之一),若用简便方法测得有害气体含量 的方差不变,问用该方法测得有害气体含量的均值是否有系统偏差?
解 建立假设 H0:2020.223,H1:2 02
新产品指标的方差与正常情况下产品指标的方差比较没有
显2 著变(n化 10 2.)S2(1 0 0.1 2)02.33231.5 8312
2 (n
2
2 1
(n
2
1) 1)
2.7 19.023
2.7<18.53<19.023,接受 H0:2020.223
小概率事件在一次实验2中/ 发n生了,故假设不合情理, 即:否定原假设,简便方法测得均值有系统偏差.
(2) σ2未知,μ的检验 1) 提出原假设和备择假设:
H0:μ=μ0; H1:μ≠μ0,
(T检验)
2) 选择检验统计量:
T
X 0
S/ n
|H0成立~t(n1)
α/2
f(x)
α/2
3) 对给定α,拒绝条件为 |T|> t1-α/2(n-1)
(2检验)
1) 2)
3)
提给选出定择α原检,取假验设统和计 12备量 择: 122假2(2n设( n :1H)102):σ(2nα=/2σ102)0S2;2fH|(Hx10成 :) σ立2
≠ σ02
~2(n1)
α/2
有P(λ1< <2 λ2)=1-α
所以,拒绝条件为
2
2
பைடு நூலகம்
(n
1)
λ1
λ2
X
2
或
2
2 1
2) 选择统计量: Z X 0 / n
3) 对给定α, 否定域为Z<- z1-α, 其中
(z1)1.
(2) σ2未知,μ的检验
1) 提出原假设和备择假设: H0:μ=μ0; H1:μ≠μ0,
(T检验)
2) 选择检验统计量:
T
X S/
0
n
|H0成立~t(n1)
α/2
f(x)
α/2
3) 对给定α,拒绝条件为
|T|>
t
1
(n
1)
2
否定域
接受域
t1/2(n1) X 否定域
类似可得: σ2未知,期望的单侧统计检验
统计检验 H0:μ≤μ0; H1:μ>μ0的拒绝条件为
Tt1(n1)
统计检验 H0:μ≥μ0; H1:μ<μ0的拒绝条件为
Tt1(n1)
2. 方差σ2的检验
设总体X~N(μ,σ2), X1,X2,…,Xn 为一组样本,
P( Z>z1-α)≤α
(z1)1
φ(x)
α
接受域
z1-α
X
否定域
单侧(右侧)统计检验
原假设的确定一般应遵循以下原则 要把等号放在原假设里.
设总体X~N(μ,σ2), X1,X2,…,Xn 为一组样本,
② H0:μ≤μ0(已知); H1:μ>μ0
1) 提出原假设和备择假设: H0:μ≤μ0; H1:μ>μ0,
2
(n
1)
λ1
λ2
X
2
或
2
2 1
(n
1)
2
否定域 接受域 否定域
总体期望μ未知时,σ2的单侧假设检验
1) 提出原假设和备择假设: H0: σ2 ≤σ02; H1: σ2 >σ02
2)
选择统计量
2
(n
1)S
02
2
则在H0下
(n1)S2
02
(n1)S2
2
~2(n1)
对给定的α,有 {(n 1 2 )S 21 2 (n 1 )} {(n 1 2 )S 21 2 (n 1 )} 0
(1) σ2的检验( μ未知)
(2检验)
1) 2)
3)
提给选出定择α原检,取假验设统和计 12备量择: 122假2(2n设( n :1)H1 )02:σ(2nα=/2σ102)0S2;2fH|(Hx10成 :) σ立2
≠ σ02
~2(n1)
α/2
有P(λ1< <2 λ2)=1-α
所以,拒绝条件为
2
T0
33.15300.9033 21.21
37
t 1 2 ( n 1 ) t 1 0 . 2 0 5 ( 3 7 1 ) 2 .0 3 , T 0 2 .0 3
说明样本支持原假设,故要接受原假设.
2. 方差σ2的检验
设总体X~N(μ,σ2), X1,X2,…,Xn 为一组样本,
(1) σ2的检验( μ未知)
否定域
接受域
t1/2(n1) X 否定域
例:从电话公司每月长途电话的帐单中, 随机抽取37张, 计 算平均费用为33.15元, 标准差为21.21元. 假定费用服从正 态分布 N(,2 ) , 2未知, 要检验假设
H0 :30, H1:30
解:取检验统计量 T X ~t(n1)
S/ n 依样本计算检验统计量的值为