概率论 正态总体的均值和方差的假设检验
概率论与数理统计 8-2

H 0 : µ ≤ µ 0 = 225, H 1 : µ > 225,
取 α = 0.05, n = 16, x = 241.5, s = 98.725 0.6685 t0.05 (15) = 1.7531 > t = s/ n
故接受 H 0 , 认为元件的平均寿命不 大于 225小时.
n = 15,
x = 10.48, α = 0.05, s = 0.237,
x − µ 0 10.48 − 10.5 t = = t分布表 = 0.327, s/ n 0.237 / 15 查表得 tα / 2 ( n − 1) = t 0.025 (14) = 2.1448 > t = 0.327, 故接受 H 0 , 认为金属棒的平均长度 无显著变化 .
n2 = 10,
y = 79.43, s2 = 2.225,
2
且s
2 w
(10 −1)s + (10 −1)s = = 2.775, 10 + 10 − 2
2 1 2 2
查表可知 t0.05 (18) = 1.7341,
查表8.1知其拒绝域为 查表 知其拒绝域为 t ≤ − tα ( n1 + n2 − 2). x− y = −4.295, 因为 t = 1 1 sw + 10 10
某切割机在正常工作时, 例1 某切割机在正常工作时 切割每段金属棒的 平均长度为10.5cm, 标准差是 标准差是0.15cm, 今从一批产 平均长度为 品中随机的抽取15段进行测量 其结果如下: 段进行测量, 品中随机的抽取 段进行测量 其结果如下 10.4 10.6 10.1 10.4 10.5 10.3 10.3 10.2
根据第六章 第六章§ 定理四 定理四知 当H 0为真时, 根据第六章§2定理四知,
概率论与数理统计(8)假设检验

概率论与数理统计(8)假设检验第八章假设检验第一节假设检验问题第二节正态总体均值的假设检验第三节正态总体方差的检验第四节大样本检验法第五节 p值检验法第六节假设检验的两类错误第七节非参数假设检验第一节假设检验问题前一章我们讨论了统计推断中的参数估计问题,本章将讨论另一类统计推断问题——假设检验.在参数估计中我们按照参数的点估计方法建立了参数的估计公式,并利用样本值确定了一个估计值,认为参数真值。
由于参数是未知的,只是一个假设(假说,假想),它可能是真,也可能是假,是真是假有待于用样本进行验证(检验).下面我们先对几个问题进行分析,给出假设检验的有关概念,然后总结给出检验假设的思想和方法.一、统计假设某大米加工厂用自动包装机将大米装袋,每袋的标准重量规定为10kg,每天开工时,需要先检验一下包装机工作是否正常. 根据以往的经验知道,自动包装机装袋重量X服从正态分布N( ).某日开工后,抽取了8袋,如何根据这8袋的重量判断“自动包装机工作是正常的”这个命题是否成立?请看以下几个问题:问题1引号内的命题可能是真,也可能是假,只有通过验证才能确定.如果根据抽样结果判断它是真,则我们接受这个命题,否则就拒绝接受它,此时实际上我们接受了“机器工作不正常”这样一个命题.若用H0表示“”,用H1表示其对立面,即“”,则问题等价于检验H0:是否成立,若H0不成立,则H1:成立.一架天平标定的误差方差为10-4(g2),重量为的物体用它称得的重量X服从N( ).某人怀疑天平的精度,拿一物体称n次,得n 个数据,由这些数据(样本)如何判断“这架天平的精度是10-4(g2)”这个命题是否成立?问题2记H0: =10-4,H1: ,则问题等价于检验H0成立,还是H1成立.某种电子元件的使用寿命X服从参数为的指数分布,现从一批元件中任取n个,测得其寿命值(样本),如何判定“元件的平均寿命不小于5000小时”这个命题是否成立?记问题3则问题等价于检验H0成立,还是H1成立.某种疾病,不用药时其康复率为,现发明一种新药(无不良反应),为此抽查n位病人用新药的治疗效果,设其中有s人康复,根据这些信息,能否断定“该新药有效”?记问题4则问题等价于检验H0成立,还是H1成立.自1965年1月1日至1971年2月9日共2231天中,全世界记录到震级4级及以上的地震共计162次,问相继两次地震间隔的天数X是否服从指数分布?问题5记服从指数分布,不服从指数分布.则问题也等价于检验H0成立,还是H1成立.在很多实际问题中,我们常常需要对关于总体的分布形式或分布中的未知参数的某个陈述或命题进行判断,数理统计学中将这些有待验证的陈述或命题称为统计假设,简称假设.如上述各问题中的H0和H1都是假设.利用样本对假设的真假进行判断称为假设检验。
正态总体方差的假设检验

方差的计算方法
简单方差
适用于数据量较小,且数据间相互独立的情况。
加权方差
适用于数据量较大,且数据间存在相关关系的 情况,需要考虑到每个数据点的重要程度。
配对样本方差检验
总结词
配对样本方差检验用于比较两个相关样本的方差是否相同。
详细描述
在配对样本方差检验中,我们首先需要设定一个零假设,即两个相关样本的方差无显著差异。然后, 通过计算检验统计量(如Wilcoxon秩和统计量或Stevens' Z统计量),我们可以评估零假设是否被拒 绝。如果零假设被拒绝,则可以得出两个相关样本方差不相同的结论。
方差齐性检验的目的是为了后续 的方差分析提供前提条件,确保 各组数据具有可比性。
方差分析
方差分析(ANOVA)是
1
用来比较多个正态总体均
值的差异是否显著的统计
方法。
4
方差分析的结果通常以p值 表示,若p值小于显著性水 平(如0.05),则认为各组 均值存在显著差异。
2
方差分析的前提条件是各
组数据具有方差齐性和正
正态总体方差假设检验的未来发展
改进假设检验方法
结合其他统计方法
结合其他统计方法,如贝叶斯推断、机器学习等, 可以更全面地分析数据和推断总体特征。
针对正态总体方差假设检验的局限性,未来 研究可以探索更灵活、适应性更强的检验方 法。
拓展应用领域
正态总体方差假设检验的应用领域可以进一 步拓展,特别是在大数据和复杂数据分析方 面。
数学表达式
正态总体均值及方差的假设检验表

或
2 ≤ 02
2 ≥ 02
2 > 02
2 < 02
2 个正态总体均值及方差的假设检验表(显著性水平 α)
条件 原假设 H0 a1=a2
2 12 , 2
备择假设 H1 a1≠a2 a1>a2 a1<a2 a1≠a2 a1>a2
检验统计量
拒绝域 |U|≥ u( n - 1) a
a=a0 已 知 方差 2
c2 =
1 n 2 x - a0 ) ~c (2n) 2 å ( i s i =1
轾n n 2 2 犏 x i - a0 ) x i - a0 ) 邋 ( ( 犏 i =1 , i =1 犏 骣 骣 a a 犏 c2 琪 c (2n) 琪 1琪 犏 ( n) 琪 2 桫 桫 2 臌
( )
U≥ u( n - 1) 2a
( ) ( )
U≤- u( n - 1) 2a |T|≥ t( n - 1) a
( )
σ 未知
2
a≤a0 a≥a0
T=
x - a0 ~ t( n- 1) S n- 1
T≥ t( n - 1) 2a
( )
( )
T≤- t( n - 1) 2a
2 = 02
a= a0 已 知
(
已知
( )
( )
2 12 = 2
a1≤a2 a1≥a2
T=
未知
Z ~ t( n- 1) S n- 1
T≥ t( n - 1) 2a
( )
( )
T≤- t( n - 1) 2a
单正态总体均值及方差的区间估计(置信度 1-α)
待估参数 条件 检验统计量 拒绝域
《概率论与数理统计》第八章1假设检验的基本概念

2. 从某批矿砂中,抽取10样本,检验这批砂矿的含 铁量是否为3%?
双侧检验 H0 : 0 3%, H1 : 3%
3.某学校学生英语平均分65分, 先抽取某个班的平均 分,看该成绩是否显著高于全校整体水平?
单侧检验 H0 : 0 65, H1 : 65
0.497 0.506 0.518 0.524 0.498 0.511 0.520 0.515 0.512, 问机器是否正常?
分析 以 和 分别表示这一天袋装糖的净重
总体X 的均值和标准差,
由长期实践表明标准差比较稳定, 我们就设
0.015,于是 X ~ N(, 0.0152 ),这里 未知. 问题 问题是根据样本值判断 0.5 还是 0.5 .
所
以,原假
设H
不正确
0
。
对于这两种解释,哪种解释比较合理呢?
我们需要判断以上两种假设谁对谁错,并给出判断的理由
以上例子属于参数检验(parametric test) 的问题,(如针对总体均值,总体方差等参数的假 设检验)。
另外还有非参数检验(Nonparametric test) 的问题,如关于总体服从某种分布(如正态分布, 泊松分布)的假设检验。
4. 拒绝域与临界点
拒绝域W1: 拒绝原假设 H0 的所有样本值 (x1, x2, ···, xn)所组成的集合.
W1 W1 :拒绝原假设H0的检验统计量的取值范围.
临界点(值):拒绝域的边界点(值) (相应于检验统计量的值).
如: 在前面例4中,拒绝域 {u :| u | u / 2 }.
5. 双边备择假设与双边假设检验
之 下 做 出 的.
2. 检验统计量
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.
一个正态总体均值和方差假设检验

0.6685
1.7531
16
故接受H0 ,即认为元件的平均寿命不大于225小时。
12
二. 未知期望,检验方差
1.双边假设检验
未知期望, H0: 2 = 02 , H1: 202
(1) 提出原假设H0: 2 = 02 ,H1: 202.
(2)
选择统计量
2
(n
1)S
2
2
(3) 在假设H0成立的条件下,确定该统计量服从的 分布:2~2(n-1),自由度为n-1.
当
2 0
2 (n
1)时, 则拒绝H0
;
当
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.
选择统计量 T X
S
n
如果假设H0成立,那么
T
X
12 S
77
~
t(4)
5
9
取=0.05,得t0.025(4)=2.776,则
P{|
X
S
1277 |
2.776}
0.05
4
根据样本值计算得x =1259, s2=570/4.所以
x 1277
| t0 || 570
|
45
| 1259 1277| 3.37 2.776
1)时,
2
2
则拒绝H0 ;
当
2 1
(n 1)
2 0
7-2 正态总体均值与方差的假设检验

要检验假设 H 0 : 10.5, H1 : 10.5,
n 15,
x 10.48,
2
0.05,
x 0 10.48 10.5 0.516, 则 / n 0.15 / 15
查表得 u0.05 1.645,
H1 : 0 10
x 9.2
s 1.6
x 0 9.2 10 于是 T 3.54 2.01 t0.025 49 s n 1.6 50
故在 0.05 的水平下,丰产林的树高与10米的差异 有统计意义。(拒绝原假设)
例7 某车间生产某种化学纤维的强度服从正态分布,且原来
单边检验
2
得H0 的拒绝域为:
2 n 1 S 2 0
12 n
或
2 n 1 S 2 0
2 n
作业
• 习题七:3,5,9,12.
• 复习第七章(可做习题七之1~13题) • 复习5~7章,准备课堂测验
例5 P160 8 从某批矿砂中,抽取容量为 5 的一个样本,测得其 含镍量为(单位:%) 3.25 3.27 3.24 3.26 3.24 设测量值服从正态分布,问在 这批矿砂的含镍量为 3.25 ?
例1 某切割机在正常工作时, 切割每段金属棒的平 均长度为10.5cm, 标准差是0.15cm, 今从一批产品中 随机的抽取15段进行测量, 其结果如下(单位:cm) 10.4 10.6 10.1 10.4 10.5 10.3 10.3 10.2 10.9 10.6 10.8 10.5 10.7 10.2 10.7 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
概率论及统计学地重要公式和解地题目思路

一、基本概率公式及分布 1、概率常用公式:P(A+B)=P(A)+P(B)-P(AB) ;P(A-B)=P(A)-P(AB) ; 如A 、B 独立,则P(AB)=P(A)P(B) ; P(A )=1-P(A) ; B 发生的前提下A 发生的概率==条件概率 :P(A|B)=P (AB )P (B );或记 : P(AB)=P(A|B)*P(B) ;2、随机变量分布律、分布函数、概率密度 分布律:离散型X 的取值是x k (k=1,2,3...), 事件X=x k 的概率为: P{X=x k }=P k , k=1,2,3...; --- 既 X 的分布律;X 的分布律也可以是上面的表格形式,二者都可以。
分布函数:F(x)=P(X ≤x ), -∞<x <+∞ ; 是概率的累积! P(x1<X<x2)=F(x2)-F(x1) ;离散型rv X; F(x)= P{X ≤x }=∑p k x k <x ;(把X<x 的概率累加) 连续型rvX ;F(x)=∫f (x )dx x −∞, f(x)称密度函数;既分布函数F(X)是密度函数f(x)和X 轴上的(-∞,x)围成的面积! 性质:F(∞)=1; F(−∞)=0;二、常用概率分布:①离散:二项分布:事件发生的概率为p,重复实验n 次,发生k 次的概率(如打靶、投篮等),记为B(n,p) P{X=k}=(n k)p k (1−p )n −k ,k=0,1,2,...n; E(X)=np,D(X)=np(1-p);②离散:泊松分布:X ~Π(λ) P{X=k}=λk e−λk !,k=0,1,2,...; E(X)=λ, D(X)=λ ;③连续型:均匀分布:X 在(a,b)上均匀分布,X ~U(a,b),则:密度函数:f(x)={1b −a,a <x <x0,其它分布函数F(x)=∫f (x )dx x−∞={0, x <x x −ab −a 1,x ≥b,a <x <x④连续型:指数分布,参数为θ,f(x)= {1θe −xθ,0<x0,其它F(x)={1−e −xθ0,x >0 ;⑤连续型:正态分布:X ~N(μ,σ2), most importment! 密度函数 f(x),表达式不用记!一定要记住对称轴x=µ, E(X)=µ,方差D(X)=σ2; 当µ=0,σ2=1时,N(0,1)称标准正态,图形为:分布函数F(x)为密度函数f(x)从(-∞,x)围成的面积。
正态总体均值和方差的假设检验

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
《概率论》第六章假设检验

例1 某服务系统的相应时间服从正态分布,需求 其平均相应时间在0.5秒之内。若16次抽样测试得 到样本平均值为x=0.56秒,样本标准差为s=0.12秒, 该服务系统工作是否正常?(=0.05)
解:H0 : 0.5 n=16 =0.05 t1 1.753 t x 0 0.56 0.5 =2 >1.753 s n 0.12 16
因此否定H0 即该服务系统工作不正常
(二)未知方差2,关于期望的检验
1.检验假设(单边)H0 : 0 H1 : 0
2.选取检验统计量 T X 0 [ t(n 1)] Sn
3.由备选假设确定拒绝域形式,W=(t c)
4.由显著性水平决定临界值c=t (n 1),
2.选取检验统计量 T X 0 [ t(n 1)] Sn
3.由备选假设确定拒绝域形式,W=(t c)
4.由显著性水平决定临界值c=t1 (n 1),
P T t1 (n 1)
5.求出检验统计量的观测值,判断是否在拒绝域中
即:若t t1 (n 1),则否定H0; 若t t1 (n 1),则接受H0.
因此这实际上需要比较第二个正态总体 的期望值是与第一个正态总体期望值相 等还是比它高?
这种作为检验对象的假设称为原假设, 通常用 H0表示。比如, 例2中的待检假设为:H0:Eξ=3140
如何根据样本的信息来判断关于总体分布的 某个设想是否成立,也就是检验假设H0成立 与否的方法是本章要介绍的主要内容。
P T t (n 1)
5.求出检验统计量的观测值,判断是否在拒绝域中
即:若t<t (n 1),则否定H0; 若t>t (n 1),则接受H0.
(二)未知方差2,关于期望的检验
概率论第八章

n = 15, x = 10.48, α = 0.05, s = 0.237, 查表得 tα / 2 ( n 1) = t0.025 (14) = 2.1448
x 0 10.48 10.5 ≈ 0.327 ∈ (2.1448 , 2.1448) t= = s / n 0.237 / 15
故接受 H 0 , 认为金属棒的平均长度 无显著变化 .
故接受 H 0 , 认为该机工作正常 .
二. σ 未知
2
步骤: 、 步骤:1、提出假设 H0 : = 0 H1 : ≠ 0
X 0 ~ t(n 1) 2、H0成立时,选用检验统计量 T = 、 成立时, S n
3、对于给定的显著性水平 α ,由 P{ T > tα } = α 、 由此得到拒绝域W; 查表确定临界值 tα (n 1) ,由此得到拒绝域 ;
(n 1)S2
σ
2 0
~ χ 2 (n 1),
(n 1)S2 α (n 1)S2 α P ≤ k1 = , P ≥ k2 = , 2 2 2 σ0 2 σ0
P {拒绝H 0 | H 0为真} = P {小概率事件 A | H 0为真} = α
(2) 当原假设 H0 不真 而观察值却落入接受域 不真, 而观察值却落入接受域, 的判断, 称做第二类错误 第二类错误, 而作出了接受 H0 的判断 称做第二类错误 又叫 取伪错误, 取伪错误 犯第二类错误的概率记为
2 1 2 2
,
当H 0为真时 , t ~ t ( n1 + n2 2).
由P
1 2 =δ
{ t ≥ k} = α
( x y) δ
得 k = tα / 2 ( n1 + n2 2).
故拒绝域为
正态总体均值与方差的假设检验

, 其中 Sw2
(n1
1)
S* 1n1
2
(n2
1)
S* 2 n2
2
.
n1 n2 2
当H0为真时,根据第二章§2.3定理2.9知, 定理2.9
t ~ t(n1 n2 2).
其拒绝域旳形式为
|x y|
W {x: sw
1
1
t (n1 n2 2)},
2
n1 n2
第一类错误旳概率为:
P{H0 为真拒绝
问全部住户消费数据旳总体方差为0.3是否可信?
解 按题意要检验 H0 : 2 0.3, H1 : 2 0.3, n 9, x 5.91, sn*2 6.05 / 9,
查表得
2 0.975
(8)
2.18,
2 0.025
(8)
17.5,
于是
(n 1)sn*2
02
6.05 20.17 17.5, 0.3
此处 k 的值由下式确定 :
P12=
2 2
S* 2 1n1
S* 2 2 n2
k1
P12=
2 2
S* 2 1n1
S* 2 2 n2
k2
要使 P{H0 为真拒绝 H0} , 为了计算
简单,令
P
S* 2 1n1
2 1
S* 2 2n
22
22 ,
H1:
2 1
22
,
当 H0 为真时,
E
(
S* 1n1
2
)
12
2 2
E
(
S* 1n2
2
),
当 H1 为真时,
E( S12 )
2 1
2 2
《概率论与数理统计教学课件》8第八章—正态总体均值和方差的假设检验

真)
P1 2
(
x y
11
k)
k t (n1 n2 2)
sw
n1 n2
2
概率统计
在显著性水平 下, H0 的拒绝域:
x y
sw
11
t (n1 n2 2)
2
n1 n2
注:
当
2 1
2 2
2
未知时
检验假设
或
H0 : 1 -2 (或1 2 ), H0 : 1 2 (或1 2 ),
2
概率统计
所以拒绝H 0 ,可认为这两种轮胎的耐磨性有显著差异。
注: ▲ 用两种不同的方法得到了两种不同的结论,那么
究竟应该采取哪一个结论比较合理呢?
显然,应该采取第二种方法得出的结论是合理的
因为数据配对的方法是针对同一架飞机的,它是 排除了因飞机之间的试验条件的不同而对数据产 生的干扰,所以它是直接反映了这两种轮胎的耐 磨性的显著差异的情况,因此,应采取第二种方 法得出的结论,即可认为这两种轮胎的耐磨性有 显著差异。
概率统计
按单个正态总体中当 2 未知时,关于 的假设检验
的计算公式,可得 H0 的拒绝域为:
C { t t t (n 1)}
2
经计算 d 320 , s2 89425 ,
t
d s
320 2.83 89425
n
8
t (n 1) t0.05 (7) 2.365
2
2
因为: t 2.83 t0.05 (7) 2.365
为已知常数,显著水平为
概率统计
Q 检验统计量
(X Y)
~ N (0,1)
2 1
2 2
n1 n2
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。
一个正态总体期望与方差的假设检验

第二节 一个正态总体 期望与方差的假设检验
一、期望值的假设检验
检验 二、方差的假设检验-
2
一、期望值的假设检验
2 2 1、方差 0 为已知时对期望值 的检验— u 检验
设样本 X 1 , X 2 ,
, X n 来自正态总体 N ( , 2 ), 方
差 2已知,对 的检验问题由上节中的五个步骤来进行. ①建立假设 关于正态均值 常用的三对假设 (a) H0 : 0 ,H1 : 0 ; (双边假设检验问题) (b) H0 : 0 ,H1 : 0 ; (单边假设检验问题) } (c) H0 : 0 ,H1 : 0 . 选择哪一种假设应根据问题的需要.
② 检验统计量都选择 U 统计量
U
X 0
/ n
~ N (0,1)
(8.2.1)
③ 确定显著性水平
显著性水平 的大小应根据研究问题的需要而定,
一般为0.05. ④ 确定临界值,给出拒绝域 对于三种不同的假设,其拒绝域如图所示,其中u1 / 2 是标准正态分布的 1 分位数, 其他意义相同. 2
即样本观测值落在拒绝域之外, 故接受原假设, 认为该批金 属丝折断力的方差与64无显著差异.
以上对方差的检验属于双侧检验,另外还有单侧检验:
2 2 H0 : 2 0 ;H1 : 2 0
(8.2.8)
2 2 H0 : 2 0 ;H1 : 2 0 (8.2.9) 关于假设检验问题 2 2 (8.2.10) H0 : 2 0 ;H1 : 2 0 它与假设检验问题式(8.2.8)在同一显著性水平α下的检验 方法是一样的,其他的单侧检验也类同. 例4 某车间生产一种保险丝,规定保险丝熔化时间的 方差不得超过400.今从一批产品中抽处25个,测得其熔化时 间的方差为388.58, 试根据所给数据, 检验这批产品的方差 是否符合要求(α=0.05). 已知保险丝的熔化时间服从正态 分布.
- 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)。
y
y
p
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)}
{( x1, x2, , xn ) : χ 2 χα2/ 2n 1}.
P| T | t / 2(n 1) ,查表可得 t / 2(n 1).
拒绝域: W1 = { (x1,x2,∙∙∙,xn)| |t | t /2 (n-1)},
t T ( x1, x2, , xn )
4°由样本值算出 T 的值 t 进行判断:
若t W1,则拒绝H0; 若t W1,则接受H0 .
选择统计量
U X 800 9 40
当H0成立时,U~N(0,1).对于 = 0.05,由正态分布函 数表查得u /2=u0.025 =1.96,从而得检验的拒绝域为
W1={(x1 , x2 , ∙∙∙ , xn) :|u| u 0.025 =1.96 }, U的观测值为
u X 800 9 770 800 3 2.25,
tα / 2(n 1) t0.025(9) 2.262.
, 由于|t| =0.443<2.262=t0.025(9) , 因此可以接H0
即可以认为这批灯泡的平均寿命1600h.
3. μ为未知,关于σ2的检验(χ 2检验法) 设X1, X2, , Xn是来自正态总体N ( μ,σ2 )的一样本, 其中μ, σ 2未知,检验水平为α,检验σ 2步骤为:
例2 某型灯泡寿命X服从正态分布,从一批灯泡
中任意取出10只,测得其寿命分别为(单位:h) 1490, 1440, 1680, 1610, 1500 1750, 1550, 1420, 1800, 1580
设
H0 : μ 1600, H1 : μ 1600
2°取检验统计量
U X μ0 ~ N 0,1, (当H0为真时,)
σ/ n
3° 给定显著水平 ( 0< < 1)
P{| U | u / 2 }
由Φuα
/
2
1
α 2
,查表可得uα
/
2
.
拒绝域:W1={(x1,x2,∙∙∙,xn)||u|u/2},
其中u=U(x1,x2,∙∙∙,xn) 4°由样本值算出U的值u判断:
数的方差仍为0.1082( = 0.05)?
解 检验假设
H0 : σ2 0.1082, H1 : σ2 0.1082 ,
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,
40
40
由 | u | 2.25,故拒1绝.9原6假设H0,即不能认为
这批钢索的断裂强度为 800 Mpa .
假设检验的一般步骤:
上述 U 检验法的步骤具有一般性,通过以上分析, 我们可归纳出假设 检验的一般步骤:
1 提出待检验的假设H0及备择假设H1; 2 选择适当的检验统计量,在H0成立的条件 下,确定它的概率分布; 3 给定检验水平 ,(依前所得的概率分布)确 4 由样本观测值计算统计量的值; 5 根据统计量的观测值落入拒绝域W1内,还 是W1外进行判断,落入拒绝域W1内,拒绝H0;落入 拒绝域W1外,接受H0.
4°由样本值算出 的值进行χ判2 断:
若χ2 W1,则拒绝 H0;若χ2 W1,则接受 H0.
拒绝域: W 1 {( x1, x2, , xn ) : χ 2 χ12α / 2(n 1)}
{( x1, x2, , xn ) : χ 2 χα2/ 2n 1}.
问: 若总体的均值 已知,则如何设计假设检验?
1 假设H0 : σ 2 σ02 , H1 : σ 2 σ02 , X1, X2, , Xn为来自总体X的样本, 其中 σ02 为已知常数.
2°取检验统计量
χ
2
(n
1)Sn*2 σ02
~ χ 2(n 1)
,
(当H
为
0
真
时)
3°给定显著水平 ( 0< < 1),
查表得临界值:
χα2/ 2n 1,
若u W1,则拒绝H0;若u W1,则接受H0.
例1 某厂生产一种钢索,断裂强度X(单位:Mpa)
服从正态分布N (,402 ), 从一批产品中抽取9件,测 算出 X 730 Mpa,问能否认为这批钢索的断
裂强度为 800 Mpa.
解 本题归结为检验假设
H0 : μ 800, H1 : μ 800;
第二节 正态总体均值 与方差的假设检验
一、单个总体参数的检验
二、两个总体参数的检验
一、单个总体参数的检验
1. σ2为已知,关于μ的检验(U检验法)
设X1, X2, , Xn是来自正态总体N ( μ,σ02 )的一样本, 其中μ未知,μ R,σ02已知,检验步骤: 1 假设 H0 : μ μ0 , H1 : μ μ0;
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,现(对μ操, σ作2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
是否可以认为由新工艺炼出的铁水含碳质量分
2. σ2为未知,关于μ的检验(t检验法)
设X1, X2, , Xn是来自正态总体 N( μ,σ2)的一样本, 其中μ, σ 2未知,检验水平为α,检验μ的步骤为:
1 假设H0 : μ μ0 , H1 : μ μ0;
2° 取检验统计量
T
X Sn /
μ0 n
~
t(n
1),
(当H0为真时)
3° 给定显著水平 ( 0< < 1)
由于方差σ 2未知,故选择统计量 T X 1600 Sn / n
当H0 成立时,T ~ t ( n-1) = t (9) ,由所给的样本值
求得x 1582 , Sn*2 16528.89
故 t 1582 1600 10 0.443 16528.89
查自由度 n - 1= 9 的 t 分布表得临界值