总体均值的假设检验

总体均值的假设检验
总体均值的假设检验

总体均值的假设检验

一、正态总体均值的检验

设n X X X ,,

, 21为总体),(2 N 的一个容量为n 的样本. 1.方差2 已知, 的检验——u 检验法. 当2

02 已知时,

假设检验问题:0100 :;:H H . 选择检验统计量n

X U /00

,当0H 成立时,)1,0(~N U .

给定显著性水平 ,由标准正态分布分位点的定义, 有 }|{|2/u U P ,

故拒绝域}{}{}|{|2/2/2/ u U u U u U W ,

这种利用服从正态分布的检验统计量的检验方法称为u 检验法.

有时我们只关心总体的均值是否增大(或减小).比如,经过工艺改革后,产品的质量(如材料的强度)比以前是否提高,此时我们要研究的是新工艺下总体的均值 是小于等于原来的均值0 ,还是大于0 ,

即检验假设 0100 :;:H H . 可以证明,在显著性水平 下,上述假设检验问题和

检验假设0100 :;:H H 有相同的拒绝域,

因此,遇到形如00 :H 的检验问题,可归结为后一个假设检验问题讨论. 类似地,形如0100 :;:H H 的检验问题, 可归结为检验假设 0100 :;:H H .

这都是单边检验问题.给定显著性水平 ,求得的临界值点是上 分位点或上

1分位点.

例1 某厂生产的某种钢索的断裂强度X 服从),(2 N ,其中

40 (kg/cm 2),现从这批钢索中抽取容量为9的样本,测得断裂强度的平均值

x 较以往正常生产的 大20(kg/cm 2

),设总体方差不变,问在1.00 下,能否

认为这批钢索质量有显著提高?

解 依题意,检验假设0100 :;:H H , 由于40 已知,选择检验统计量n

X U /0

因为0H 中的 全部都比1H 中的 要小,从直观上看,当0H 成立时,X 的取值

x 不应比 大很多,若偏差0 x 过大,则拒绝0H 而接受1H .

因为 0100 :;:H H 的拒绝域为}{ u U W , 故在显著性水平1.00 下原假设的拒绝域为

}{}{0n

u X u U W

本题中,9 n ,40 ,200 x ,33.201.0 u , 计算U 的值33.25.1/0

n

x u

因此在显著性水平1.00 下不能拒绝0H ,即认为这批钢索质量没有显著提高.

2.方差2 未知, 的检验——t 检验法. 检验假设0100 :;:H H .

因为2 未知,而样本方差2S 是总体方差2 的无偏估计量,用S 代替 . 选择检验统计量 n

S X T /0

当0H 成立时,)1(~ n t T .给定显著性水平 ,由t 分布分位点的定义, 有 )}1(|{|2/n t T P ,

故拒绝域)}1({)}1({)}1(|{|2/2/2/ n t T n t T n t T W , 这种利用服从t 分布的检验统计量的检验方法称为t 检验法.

例2 某切割机工作正常时,切割每段金属棒的平均长度为10.5cm .今在某段时间随机地抽取15段进行测量,其结果如下(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

问此段时间该机工作是否正常(5.00 )?假设金属棒长度服从正态分布.

解 依题意,检验假设0100.510 :;:H H , 由于2 未知,故选择检验统计量n

S X T /0

在0H 下,)1(~ n t T ,15 n .给定显著性水平5.00 ,查t 分布表, 得临界值1448.2)14()1(025.02/ t n t ,故拒绝域)}1(|{|2/ n t T W .

由已知条件可得48.102.15715

1

11 n i i x n x

056.0784.014

1)(1112

2

n i i

x x n s 故2366.0 s .计算统计量的值3274.015

/2366.05.1048.10/0

n

s x t

因为)1(||2/ n t t ,所以接受0H ,认为切割机工作正常.

例3 设木材的小头直径),(~2 N X ,12 cm 为合格,今抽出12根测得小头直径的样本均值为2.11 x cm ,样本方差为44.12 s cm 2,问该批木材是否合格(5.00 )?

解 依题意,检验假设010012 :;:H H ,

选择检验统计量n

S X T /0

在假设0100 :;:H H 下,)1(~ n t T ,12 n .给定显著性水平

5.00 ,查t 分布表,得临界值7959.1)11()1(05.0 t n t ,

故拒绝域)}1({ n t T W ,也是假设010012 :;:H H 的拒绝域. 由于2.11 x ,44.12 s ,计算统计量的值3094.212

/44.1122.11/0

n

s x t

因为)1( n t t ,故拒绝0H ,认为该批木材是不合格的. 二、正态总体方差的检验——2 检验法

设n X X X ,,

, 21为来自总体),(2 N 的一个样本,检验假设 2

0212

020 :;:H H .

1.均值 已知. 因为

)1,0(~N X i

,n i ,,2,1 ,则选取检验统计量

n

i i

n

i i X

X 1

22012

02)(1

当0H 成立时,)(~22n ,给定显著性水平 ,由2 分布表分位点的定义,有

))}(())({(2

2/222/12n n P ,

故得拒绝域)}({)}({2

2/222/12n n W .

2.均值 未知.

因为X 是总体均值 的无偏估计量,用X 代替 .选择检验统计量

20

2

12

2)1(

S n X

X n

i i . 当0H 成立时,)1(~22 n ,给定显著性水平 ,由2 分布表分位点的定义,

有 ))}1(())1({(2

2/222/12n n P

故得拒绝域)}1({)}1({2

2/222/12 n n W .

类似地,在 已知和 未知时,可以求出检验假设

2

0212

020 :;:H H 和2

0212

020 :;:H H

的拒绝域.例如,在 未知时,检验假设2

020 :H 的拒绝域为

)}1({22 n W .

上述检验所用的检验统计量均服从2 分布,称这种检验方法为2 检验法

例4 某无线电厂生产的一种高频管,其中一指标服从正态分布),(2 N ,今从一批产品中抽取8只管子,测得指标数据:

68 43 70 65 55 56 60 72

(1) 总体均值60 时,检验228 (取5.00 ); (2) 总体均值 未知时,检验228 (取5.00 ). 解 本题是在显著性水平5.00 下,检验假设

2

021220208 :;:H H ,

这里8 n .

(1) 60 已知时

临界值35.517)8()(2025.022/ n ,80.12)8()(2

975.022/1 n ,

而检验统计量的值359.1066364

1

)(8

11

22

2

n

i i x , 由于)()(2

2/222/1n n ,故接受0H .

(2) 未知时

临界值13.016)7()1(2025.022/ n ,90.61)7()1(2

975.022/1 n ,

而125.614898111 n i i x n x ,875.652)()1(1

22

n

i i x x s n ,

检验统计量的值2012.1075.865264

1

2

, 由于)1()1(2

2/222/1 n n ,故接受0H .

§8.3 两个正态总体参数的假设检验

设121n X X X ,,

, 为总体),(~112

N X 的一个样本,221n Y Y Y ,,, 为总体),(~2

22

N Y 的一个样本. 1111n i i X n X 和

2

1

2

1n i i

Y

n Y 分别是两个样本的样本

均值, 11212

1

)(11n i i X X n S 和 21

2222)(11n i i Y Y n S 是相应的两个样本方差.设这两个样本相互独立..

一、两个正态总体均值的检验

考虑检验假设 211210 :;:H H . 1.方差2

1 与2

2 已知——u 检验法.

选取 2

2

2

1

2

1

21)

()(n n Y X U

当0H 成立时,检验统计量)1,0(~2

2

2

1

2

1

N n n Y

X U

给定显著性水平 ,由标准正态分布表分位点的定义,

有 }|{|2/u U P ,

故拒绝域}{}{}|{|2/2/2/ u U u U u U W .

例1 设从甲乙两场所生产的钢丝总体X ,Y 中各取50束作拉力强度试验,得1208 x ,1282 y ,已知801 ,942 ,请问两厂钢丝的抗拉强度是否

均数差别比较的t检验

均数差别比较的
t检验
样本均数间的差别原因
z 总体均数不同 z 总体均数相同,差别仅仅由抽样误
差引起 z 一般做法是计算某个统计量(如t
值),然后根据相应的概率作出推 断
t检验(student’s t test)
t检验常用于样本含量较小,并且总 体标准差σ未知时
三种t检验 z样本均数 X 与已知某总体均数μ0
的比较; z两组样本均数 X 1 与 X 2 的比较; z 配对设计资料均数的比较。
t检验的应用条件
z 1.当样本含量较小时(n<60),理论上 要求样本为来自正态分布总体的随机 样本;
z 2.当做两样本均数比较时,还要求两 总体方差相等(方差齐性,即 σ12=σ22)。 在实际工作中,若上述条件略有偏 离,仍可进行t检验分析。
一、样本均数和总体均数比较的t检验 (one sample t test)
z 目的是推断样本所代表的未知总体 均数μ与已知总体均数μ0有无差 别。
z 已知的总体均数μ0一般为理论值、 标准值或经过大量观察所得的稳定 值等。
z 条件:当n较小时,要求样本来自于 正态分布总体
假设检验的独特逻辑
例 : 某病患者20人,其血沉 (mm/h)均数为 9.15,标准差为2.13,问是否该病患者血 沉与以往文献报道的均数10.50有差别?
x ± t0.05/ 2,19s / n
= 9.15 ± 2.093× 2.13 / 20 = (8.15,10.15)
1

1.两个假设,决策者在其中作出抉择
该病患者血沉总体均数与10.50无差别, 该病患者血沉总体均数与10.50有差别。 简写
H0:μ=10.50 H1:μ≠10.50 单凭一份样本不可能证明哪一个正确,
一般利用小概率反证法思想,从问题的对 立面出发(H0)间接判断要解决的问题(H1) 是否成立。
H0:μ=10.50
μ = 10.50
X
H1:μ≠10.50
μ
10.50
X
2. H0成立时会怎样? 所得t值因样本而 异,但其绝对值多数情况下落在0附近。 t的分布规律可由t界值表查出
t=
|X
? 10 .50 sx
|=
|X
? 10 .50
s n
| ,ν
= n ?1
3.当前状况如何,发生的可能性(P值)有 多大?
n=20, X =9.15,S=2.13, μ0 =10.50 得t=2.8345, ν=19
P值系指在H0成立的假设前提下,出现 当前检验统计量以及更极端情况的概 率。 查表,对于自由度为19的t分布曲线,当 前t值以外的双侧尾部面积 P ( t ≥ 2 .8345 ) 介于0.01和0.02之间
4.决策 决策者需要事先规定一个可以忽略 的小概率值α。如取0.05,那么上述P值 可认为很小。即H0成立时,几乎不可能 出现当前的状况。
于是,面临两种抉择,一是认为H0是成 立的,而当前情况又恰好偶然发生了;
二是怀疑H0的正确性。通常选择后者。 本例,可认为该病患者血沉总体均数与
10.50有差别。 当然,此时决策者也可能
错误地拒绝H0,通常称之为第Ⅰ类错 误,概率为P。
例 某医生测量了36名从事铅作业男性工人的 血红蛋白含量,算得其均数为130.83g/L,标 准差为25.74g/L。问从事铅作业工人的血红 蛋白是否不同于正常成年男性平均值 140g/L?
1.建立假设。
H0:μ=μ0 ,从事铅作业工人的血红蛋白与 正常成年男性平均值相等。
H1:μ≠μ0,从事铅作业工人的血红蛋白与 正常成年男性平均值不相等。
α=0.05
2

一般总体均值的假设检验.

§7.4 一般总体均值的假设检验 一、一般总体均值的大样本假设检验 1. 一个总体均值的大样本假设检验 设样本12(,,,)n X X X 取自非正态总体X ,记总体均值μ=)(X E 。样本均值及样本方差分别为11n i i X X n ==∑,2211()1n i i S X X n ==--∑。 如果我们要做双侧检验:0100::μμμμ≠?=H H ,在大样本情况(样本容量30≥n )下可选 n S X Z /0 μ-=为检验统计量,由中心极限定理知,它在0H 成立时近 似服从)1,0(N 。检验的P 值近似为|))(|1(2)| |(20O O z z Z P Φ-==≥μμ,其中检验统计量Z 的观测值为 n s x z O /0 μ-=。 例7.4.1 一种机床加工的零件尺寸绝对平均误差为1.35mm 。生产厂家现采用一种新的 机床进行加工以期降低误差。为检验新机床加工的零件平均误差与旧机床相比是否有显著降低,从某天生产的零件中随机抽取50个进行检验。50个零件尺寸的绝对误差数据(mm )如下所示: 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 1.98 1.97 0.91 1.22 1.06 1.11 1.54 1.08 1.10 1.64 1.70 2.37 1.38 1.60 1.26 1.17 1.12 1.23 0.82 0.86 利用这些数据,检验新机床加工的零件尺寸的平均误差是否显著降低?(0.01α=) 解:这里研究者所关心的是新机床加工的零件尺寸的平均误差与旧机床相比是否有显著降低,也就是新机床加工的零件尺寸的误差的数学期望μ=)(X E 是否小于1.35,因此属于单左侧检验。提出的假设如下: 0: 1.35H μ≥?1: 1.35H μ< 现在50=n ,检验统计量可选为 )1,0(~/35.135.1N n S X Z =-=μ; 由数据得:215.1=x ,366.0=s ,故检验统计量Z 的观测值为608.250 /366.035 .1215.1-≈-≈O z ,所以检验的P 值近似为 0046.0)608.2()35.1608.2(=-Φ≈=-≤μZ P 。 因为01.0

均值比较和T检验

Spss16.0与统计数据分析均值比较和T检验 2013年6月13日

均值比较和T 检验 统计分析常常采取抽取样本的方法,即从总体中随机抽取一定数量的样本进行研究来推论总体的特性。但是,由于抽取的样本不一定具有完全代表性,样本统计量与总体参数间存在差异,所以不能完全的说明总体的特性。同时,我们也可以知道,均值不等的两个样本不一定来自均值不同的整体。对于如何避免这些问题,我们自然可以想均值比较和T 检验 1、Means 过程 1.1 Means 过程概述 (1)功能:对数据进行进行分组计算,比较制定变量的描述性统计量包括均值、标准差 、总和、观测量数、方差等一系列单列变量描述性统计量,还可以给出方差分析表和线性检验结果。 (2)计算公式为: n x x n i i ∑==1 11 1.2问题举例: 比较不同性别同学的体重平均值和方差。数据如下表所示:

体重表 1.3用SPSS操作过程截图:

1.4 结果和讨论 p{color:black;font-family:sans-serif;font-size:10pt;font-weight:normal} Your trial period for SPSS for Windows will expire in 14 days.p{color:0;font-fami ly:Monospaced;font-size:13pt;font-style:normal;font-weight:normal;text-decoration:none} MEANS TABLES=体重BY 性别 /CELLS MEAN COUNT STDDEV VAR.

总体均值的假设检验

总体均值的假设检验 一、正态总体均值的检验 设n X X X ,, , 21为总体),(2 N 的一个容量为n 的样本. 1.方差2 已知, 的检验——u 检验法. 当2 02 已知时, 假设检验问题:0100 :;:H H . 选择检验统计量n X U /00 ,当0H 成立时,)1,0(~N U . 给定显著性水平 ,由标准正态分布分位点的定义, 有 }|{|2/u U P , 故拒绝域}{}{}|{|2/2/2/ u U u U u U W , 这种利用服从正态分布的检验统计量的检验方法称为u 检验法. 有时我们只关心总体的均值是否增大(或减小).比如,经过工艺改革后,产品的质量(如材料的强度)比以前是否提高,此时我们要研究的是新工艺下总体的均值 是小于等于原来的均值0 ,还是大于0 , 即检验假设 0100 :;:H H . 可以证明,在显著性水平 下,上述假设检验问题和 检验假设0100 :;:H H 有相同的拒绝域, 因此,遇到形如00 :H 的检验问题,可归结为后一个假设检验问题讨论. 类似地,形如0100 :;:H H 的检验问题, 可归结为检验假设 0100 :;:H H . 这都是单边检验问题.给定显著性水平 ,求得的临界值点是上 分位点或上 1分位点.

例1 某厂生产的某种钢索的断裂强度X 服从),(2 N ,其中 40 (kg/cm 2),现从这批钢索中抽取容量为9的样本,测得断裂强度的平均值 x 较以往正常生产的 大20(kg/cm 2 ),设总体方差不变,问在1.00 下,能否 认为这批钢索质量有显著提高? 解 依题意,检验假设0100 :;:H H , 由于40 已知,选择检验统计量n X U /0 因为0H 中的 全部都比1H 中的 要小,从直观上看,当0H 成立时,X 的取值 x 不应比 大很多,若偏差0 x 过大,则拒绝0H 而接受1H . 因为 0100 :;:H H 的拒绝域为}{ u U W , 故在显著性水平1.00 下原假设的拒绝域为 }{}{0n u X u U W . 本题中,9 n ,40 ,200 x ,33.201.0 u , 计算U 的值33.25.1/0 n x u 因此在显著性水平1.00 下不能拒绝0H ,即认为这批钢索质量没有显著提高. 2.方差2 未知, 的检验——t 检验法. 检验假设0100 :;:H H . 因为2 未知,而样本方差2S 是总体方差2 的无偏估计量,用S 代替 . 选择检验统计量 n S X T /0 , 当0H 成立时,)1(~ n t T .给定显著性水平 ,由t 分布分位点的定义, 有 )}1(|{|2/n t T P ,

上机实验2、样本均值的比较与假设检验

上机实验2、样本均值的比较与假设检验 班级: 12食品转本学号: 12110504 姓名:陈琳琳日期: 一、实验目的: 熟悉应用SPSS统计软件的“比较均值”功能,掌握样本均值比较、单一样本(均值)T检验、独立样本(成组资料均值)T检验、配对样本(配对资料均值)T检验的分析方法。 二、实验内容: (一)样本均值比较分析(house.sav) House.sav 中收集了某城市不同地段的房价和售价数据,利用比较均值的均值分析功能,对房价和售价数据进行分析。 (二)单样本T检验(pulse.sav) 已知某一地区成年男子的脉搏平均数为72次/min,pulse.sav是邻近山区随机抽取的20名健康成年男子的脉搏值而建立的数据文件。根据该数据文件推断该山区成年男子的脉搏平均数是否与该地区成年男子有所不同。 P76,例4-1、4-2。 (三)独立样本T检验(test.sav) test.sav 文件是对某班14名学生(7名男生、7名女生)某次物理考试成绩的汇总数据文件,对其进行独立样本T检验,对结果进行分析。男生和女生的成绩是否存在显著差异? P82,例4-7。 (四)配对样本T检验(tea.sav) tea.sav文件:一种新上市的减肥茶需要做市场调查,对35个消费者进行测试,分别统计35个受

试者服用减肥茶前后的体重数据,形成35个配对数据。按照95%的置信区间,说明减肥茶是否有效果(a=0.01)? P84,例4-8。 三、实验结果 (一)样本均值比较分析(house.sav) (二)单样本T检验(pulse.sav) (三)独立样本T检验(test.sav) (四)配对样本T检验(tea.sav)

均值比较和T检验

Sp SS16.0与统计数据分析均值比较和T 检验 2013 年 6 月13 日

均值比较和T检验 统计分析常常采取抽取样本的方法,即从总体中随机抽取一定数 量的样本进行研究来推论总体的特性。但是,由于抽取的样本不一定具有完全代表性,样本统计量与总体参数间存在差异,所以不能完全的说明总体的特性。同时,我们也可以知道,均值不等的两个样本不 定来自均值不同的整体。对于如何避免这些问题,我们自然可以想均值比较和T检验 1、Means 过程 1.1 Mea ns过程概述 (1) 功能:对数据进行进行分组计算,比较制定变量的描述性统计 量包括均值、标准差、总和、观测量数、方差等一系列单列变量描述性统计量,还可以给出方差分析表和线性检验结果。 n _ X1i (2) 计算公式为:X? q— n 1.2问题举例: 比较不同性别同学的体重平均值和方差。数据如下表所示: 体重表 用操作过程截图:

Cell Statistics ; Mean Grouped Median std. Error of Mean Sum Number oi Coses Slsndard Deviation 卜 nr-isnce Mnimum Maximum R AFI 酉 e Last Kurtosis Std. Error of Kurtosis Skewness std. Error of Skewness Harmonic Mean Geometric Mean rSt^istics for First Laryer- I I Anova table antJ eta I I Test for lirearity 1.4结果和讨论 p {color:black;font-family:sans-senf;font-size:10 pt;font-weight:normal} Your trial p eriod for SPSS for Windows will expire in 14 days .p {color:0;font -family:Monos paced;font-size:13 pt;font-style:normal;font-weight:normal;textdecoration:none} MEANS TABLES=体重 BY 性别 /CELLS MEAN COUNT STDDEV VAR. Mea ns [~~ ontiFiue 11 Cancel JL Median

§8.2总体均值的假设检验

§8.2总体均值的假设检验 一、正态总体均值的检验 设n X X X ,,, 21为总体),(2σμN 的一个容量为n 的样本. 1.方差2σ已知,μ的检验——u 检验法. 当2 02σσ=已知时, 假设检验问题:0100μμμμ≠=:;:H H . 选择检验统计量n X U /00 σμ-= ,当0H 成立时,)1,0(~N U . 给定显著性水平α,由标准正态分布分位点的定义, 有αα=>}|{|2/u U P , 故拒绝域}{}{}|{|2/2/2/αααu U u U u U W >-<=>= , 这种利用服从正态分布的检验统计量的检验方法称为u 检验法. 有时我们只关心总体的均值是否增大(或减小).比如,经过工艺改革后,产品的质量(如材料的强度)比以前是否提高,此时我们要研究的是新工艺下总体的均值μ是小于等于原来的均值0μ,还是大于0μ, 即检验假设 0100μμμμ>≤:;:H H . 可以证明,在显著性水平α下,上述假设检验问题和 检验假设0100μμμμ>=:;:H H 有相同的拒绝域, 因此,遇到形如00μμ≤:H 的检验问题,可归结为后一个假设检验问题讨论. 类似地,形如0100μμμμ<≥:;:H H 的检验问题, 可归结为检验假设 0100μμμμ<=:;:H H . 这都是单边检验问题.给定显著性水平α,求得的临界值点是上α分位点或上α-1分位点. 例1 某厂生产的某种钢索的断裂强度X 服从),(2σμN ,其中40=σ(kg/cm 2),现从这批钢索中抽取容量为9的样本,测得断裂强度的平均值x 较以往正常生产的μ大20(kg/cm 2),设总体方差不变,问在1.00=α下,能否认为这批钢索质量有显著提高?

第三节-两正态总体的假设检验

第三节 两个正态总体的假设检验 上一节介绍了单个正态总体的数学期望与方差的检验问题,在实际工作中还常碰到两个正态总体的比较问题. 1.两正态总体数学期望假设检验 (1) 方差已知,关于数学期望的假设检验(Z 检验法) 设X ~N (μ1,σ12),Y ~N (μ2,σ22),且X ,Y 相互独立,σ12与σ22 已知,要检验的是 H 0:μ1=μ2;H 1:μ1≠μ2.(双边检验) 怎样寻找检验用的统计量呢从总体X 与Y 中分别抽取容量为n 1,n 2的样本X 1,X 2,…, 1n X 及Y 1,Y 2,…,2n Y ,由于 2111~,X N n σμ?? ??? ,2222~,Y N n σμ?? ???, E (X -Y )=E (X )-E (Y )=μ1-μ2, D (X -Y )=D (X )+D (Y )= 22 121 2 n n σσ+, 故随机变量X -Y 也服从正态分布,即 X -Y ~N (μ1-μ2, 22 121 2 n n σσ+). 从而 X Y ~N (0,1). 于是我们按如下步骤判断. (a ) 选取统计量 Z X Y , () 当H 0为真时,Z ~N (0,1). (b ) 对于给定的显著性水平α,查标准正态分布表求z α/2使 P {|Z |>z α/2}=α,或P {Z ≤z α/2}=1-α/2. () (c ) 由两个样本观察值计算Z 的观察值z 0: z 0 x y . (d ) 作出判断: 若|z 0|>z α/2,则拒绝假设H 0,接受H 1; 若|z 0|≤z α/2,则与H 0相容,可以接受H 0. 例8.7 A ,B 两台车床加工同一种轴,现在要测量轴的椭圆度.设A 车床加工的轴的椭

第三节 双正态总体的假设检验

第三节 双正态总体的假设检验 上节中我们讨论单正态总体的参数假设检验,基于同样的思想,本节将考虑双正态总体的参数假设检验. 与单正态总体的参数假设检验不同的是,这里所关心的不是逐一对每个参数的值作假设检验,而是着重考虑两个总体之间的差异,即两个总体的均值或方差是否相等. 设 X ~),(211σμN , Y ~),(2 22σμN ,1 ,,,21n X X X 为取自总体),(211σμN 的一个样本, 2 ,,,21n Y Y Y 为取自总体),(2 22σμN 的一个样本, 并且两个样本相互独立, 记X 与Y 分别为样 本1,,,21n X X X 与2,,,21n Y Y Y 的均值, 21S 与22S 分别为1,,,21n X X X 与2,,,21n Y Y Y 的方差. 内容分布图示 ★ 双正态总体均值差的假设检验(1) ★ 例1 ★ 例2 ★ 双正态总体均值差的假设检验(2) ★ 例3 ★ 例4 ★ 双正态总体均值差的假设检验(3) ★ 例5 ★ 双正态总体方差相等的假设检验 ★ 例6 ★ 例7 ★ 例8 ★ 例9 ★ 内容小结 ★ 课堂练习 ★ 习题7-3 ★ 返回 内容要点: 态总体均值差的假设检验 1.方差2 221,σσ已知情形 1) 检验假设 .:,:02110210μμμμμμ≠-=-H H 其中0μ为已知常数. 由第五章第三节知, 当0H 为真时, ),1,0(~//2 2 2 1210 N n n Y X U σσμ+--= 故选取U 作为检验统计量. 记其观察值为u . 称相应的检验法为u 检验法. 由于X 与Y 是1μ与2μ的无偏估计量, 当0H 成立时, ||u 不应太大, 当1H 成立时, ||u 有偏大的趋势, 故拒绝域形式为 k n n Y X u ≥+--= 2 2 2 1210 //||σσμ (k 待定). 对于给定的显著性水平α,查标准正态分布表得2/αu k =, 使 αα=≥}|{|2/u U P , 由此即得拒绝域为 ,//||2/2 2 2 1210 ασσμu n n Y X u ≥+--= 根据一次抽样后得到的样本观察值1,,,21n x x x 和2,,,21n y y y 计算出U 的观察值u , 若2/||αu u ≥,则拒绝原假设0H ,当00=μ时即认为总体均值1μ与2μ有显著差异;若2/||αu u <,则 接受原假设0H , 当00=μ时即认为总体均值1μ与2μ无显著差异. 类似地,对单侧检验有: 2)右侧检验:检验假设.:,:02110210μμμμμμ>-≤-H H 其中0μ为已知常数. 得拒绝域为

2正态总体参数假设检验

7.2 正态总体参数假设检验 教学目的:理解和掌握单个以及两个正态总体均值的假设检验的方法与思想,掌握正态总体方差检验的方法,能用R软件来完成这些检验。 教学重点:检验方法的掌握,检验方法思想的理解。 教学难点:检验方法的掌握。 在实际问题中,有关方差的检验问题也是常遇到的,如上节介绍的u检验和t检验中均与方差有密切的联系。因此,讨论方差的检验问题尤为重要。 7.2.1 检验 设总体未知,x1,…,nx为取自X的样本,欲检验假设 其中为已知数。 自然想到,看的无偏估计s2有多大,当H0为真时,s2应在周围波动,如果很大或很小,则应否定H0,因此构造检验统计量。对于给定的显著水平α,可查(n-1)表可得分位数 ∴拒绝域W为。 若统计量落在拒绝域W内,则拒绝,接受。 若统计量落在接受域内,则接受,拒绝 例7-6 设某厂生产铜线的折断力,现从一批产品中抽查10根测其折断力后经计算得样本均值=575.2,样本方差s2=68.16。试问能否认为这批铜线折断力的方差仍为82(公斤)(取α=0.05)? 解按题意,欲检验假设 (1), (2)引进统计量 (3)根据α=0.05,查(n-1)=(9)表得临界值

于是得拒绝域 (4)。 (5)计算 由于不在拒绝域W内,故不拒绝,即可认为该批铜线折断力的方差与82(公斤)无显著差异。 7.2.2 F检验 前面介绍的用t检验法检验两个独立正态总体的均值是否相等时,曾假定它们的方差是相等的。一般说来,两个正态总体方差是未知的,那么,如何来检验两独立正态总体方差是否相等呢?为此介绍F检验法。 设有两正态总体和分别是取 自X和Y的样本且相互独立。欲检验统计假设。 由于是的无偏估计,是的无偏估计,当为真时,自然想到和应该差 不多,其比值不会太大或大小,现在关键在于统计量服从什么分布。由§6.3节定理6-4推论我们知道,当为真时,这样,取F为检验统计量,对给定的水平α,查附表5,确定临界值使 。 即得拒绝域。 若由样本观测值算得F值,当F∈W时,拒绝,即认为两总体方差有显著差异。否则认为与相容,即两总体方差无显著差异。 例7-7 设甲、乙两台机床加工同一种轴,从这两台机床加工的轴中分别抽取若干根,测得直径数据如下 假定各台机床加工轴的直径X,Y分别服从正态分布,试比较甲、乙两台机

均值比较和T检验

均值比较和T检验

Spss16.0与统计数据分析均值比较和T检验 2013年6月13日

均值比较和T 检验 统计分析常常采取抽取样本的方法,即从总体中随机抽取一定数量的样本进行研究来推论总体的特性。但是,由于抽取的样本不一定具有完全代表性,样本统计量与总体参数间存在差异,所以不能完全的说明总体的特性。同时,我们也可以知道,均值不等的两个样本不一定来自均值不同的整体。对于如何避免这些问题,我们自然可以想均值比较和T 检验 1、Means 过程 1.1 Means 过程概述 (1)功能:对数据进行进行分组计算,比较制定变量的描述性统计量包括均值、标准差 、总和、观测量数、方差等一系列单列变量描述性统计量,还可以给出方差分析表和线性检验结果。 (2)计算公式为: n x x n i i ∑==1 11 1.2问题举例: 比较不同性别同学的体重平均值和方差。数据如下表所示: 体重表 性别 体重 男 56,62,58,45,49,53,44,61,64,60,67,59 女 43,45,39,42,48,51,40,38,40,53,37,50 1.3用SPSS 操作过程截图:

1.4 结果和讨论 p{color:black;font-family:sans-serif;font-size:10pt;font-weight:normal} Your trial period for SPSS for Windows will expire in 14 days.p{color:0;font -family:Monospaced;font-size:13pt;font-style:normal;font-weight:normal;text-decoration:none} MEANS TABLES=体重 BY 性别 /CELLS MEAN COUNT STDDEV VAR. Means Case Processing Summary Cases Included Excluded Total N Percent N Percent N Percent 体重* 性别24 100.0% 0 .0% 24 100.0%

正态总体均值及方差的假设检验表

正态总体均值及方差的假设检验表: 单正态总体均值及方差的假设检验表(显著性水平α) 1 a n ~N (0,1)2 01 a S n ~t 2 2 02 1 0n i n i a ~ 2或 2 21 2 n 2 2n 2 21 n 20 ~ 22 21 1 2 n 2 21n 21 1 n

2 212 12 n n ~N (0,1) 2 1 2 11W S n n ~ 2 , 22 1122 122 n S n S n n 22 2 21112 2 1 2 1i i n i i a a n ~12,F n n 2 或 2 2 221 n S n ~21,1n 1 2或 2

Z =ξ-η~N (a 1-a 2,21σ+2 2σ),Z i =ξi -ηi . 2 21 2 Z n ) 2 1 S n ~ 2

单正态总体均值及方差的区间估计(置信度1-α) 已知 1 a n ~N (0,1)0 1 1 , n n u u n n 1 a S n ~t , 1 1 t t n n 2 02 1 n i n i a ~ 001 122, 12 2 i i i i n n a a 20 ~ 21 ,12 2 n

2个正态总体均值差及方差比的区间估计(置信度1-α) 12 212 12 a n n ~N (0,1) 221 2 12 u n n 112 11W a S n n 22 n t 1 22 12 11W n n t S n n )2 a ξ-12 ,1 ,2 2 n n A F A 2 112 222 2 11n S n S 2 2 21112W n S n S n n 212 1212 2 2 1 n i i n i i n a A n a ,2 122 2 21111n n S B n n S .

SPSS-比较均值-独立样本T检验_案例解析

SPSS-比较均值-独立样本T检验案例解析 2011-08-26 14:55 在使用SPSS进行单样本T检验时,很多人都会问,如果数据不符合正太分布,那还能够进行T检验吗?而大样本,我们一般会认为它是符合正太分布的,在鈡型图看来,正太分布,基本左右是对称的,一般具备两个参数,数学期望和标准方差,即:N(p, Q) 如果你的样本数非常少,一般需要进行正太分布检验,检验的方法网上很多,我就不说了 下面以“雄性老鼠和雌性老鼠分别注射了某种毒素,经过观察分析,进行随机取样,查看最终老鼠是否活着。 问题:很多人认为,雄性老鼠和雌性老鼠分别注射毒液后,雌性老鼠存活下来的数量会比雄性老鼠多? 我们将通过进行统计分析来认证这个假设是否成立。 下面进行参数设置:a 代表:雄性老鼠 b代表:雌性老鼠 tim 代表:生存时间,即指经过多长时间后,去查看结果 0 代表:结果死亡 1 代表:结果活着 随机抽取的样本,如下所示:

打开SPSS- 分析---检验均值---独立样本T检验,如下图所示:

将你要分析的变量,移入右边的框内,再将你要进行分组的变量移入“分组变量”框内,“组别group()里面的两个参数,不能够随意设置,必须要跟样本里面的数字一致 点击确定后,分析结果,如下所示: 从组统计量可以看出,雄性老鼠的存活下来的均值为0.73,但是雌性老鼠存活下来的均值为1.00,很明显,雌性老是存活下来的个数明显比雄性老鼠多,但是一般我们不看这个结果,为什么?因为样本不够大,如果将样本升至10000个?也许这个均值将会发生变化,不具备统计学意义, 我们一般只看独立样本检验的结果。 独立样本检验,提供了两种方法:levene检验和均值T检验两种方法 Levene检验主要用来检验原假设条件是否成立,(即:假设方差相等和方差不相等两种情况)如果SIG>0.05,证明假设成立,不能够拒绝原假设,如果 SIG<0.05,证明假设不成立,拒绝原假设。 进行levene检验结果判断是第一步,从上图,可以看出 sig<0.05 方差相等的假设不成立,所以看第二行,方差不相等的情况 sig=0.082>0.05 即说明 P 值大于显著性水平,不应该拒绝原假设:即指:雌性老鼠和雄性老鼠在注射毒液后,存活下来的个数没有显著的差异

单个正态总体的假设检验

学号:20115034036 学年论文(本科) 学院数学与信息科学学院 专业信息与计算科学 年级 2011级 姓名姚瑞娟 论文题目单个正态总体的检验假设 指导教师韩英波职称副教授 成绩 2014年3月10日 1 / 13

目录 摘要 (1) 关键词 (1) Abstrac (1) Keywords (1) 前言 (1) 1 假设检验的基本步骤 (2) 1.1 建立假设 (2) 1.2 建立假设选择检验统计量,给出拒绝域形式 (2) 2 单个正态总体均值的检验 (3) 2.1 δ已知时的μ检验 (4) 2。2 δ未知时的t检验 (6) 3 单个正态总体方差的检验 (8) 参考文献 (9)

单个正态总体的假设检验 学生姓名:姚瑞娟学号:20115034036 数学与信息科学学院信息与计算科学专业 指导老师:韩英波职称:副教授 摘要:本文介绍了假设检验的基本步骤,如何建立假设检验,判断假设是否正确。此外,从2δ已知和2δ未知详细的讲述了单个正态总体μ的检验,还有单个正态总体方差的检验,及与它们相关的应用举例. 关键词:正态分布;假设检验;均值;方差;拒绝域;接受域;原假设; Hypothesis test of one normal population Abstract:It introduces the basic steps of hypothesis test in this paper,and how to build hypothesis and correct judgment test. In addition,it detailed introduces the single hypothesis test from variance is known and unknown。There is a single of normal population variance test and the related application. Keywords:normal distribution;price value;hypothesis test;variance;rejected region;receptive regions;the original hypothesis 前言 假设检验是由K。Pearson于20世纪初提出的,之后由费希尔进行了细化,并最终由奈曼和E。Pearson提出了较完整的假设检验理论.统计推断的一个重要内容就是假设检验.然而,正态分布正态分布是最重要的一种概率分布,正态分布概念是由德国的数学家和天文学家Moiré于1733年受次提出的,但由于德国数学家Gauss率先将其应用于天文学家研究,故正态分布又叫高斯分布,高斯这项工作对后世的影响极大他使正态分布同时有了"高斯分布”的名称,后世之所以多将最小二乘法的发明权归之于他。也是出于这一工作,高斯是一个伟大的数学家,重要的贡献不胜枚举。但现今德国10马克的印有高斯头像的钞票,其上还印有正态分布的密度曲线.这传达了一种想法,在高斯的一切科这要到20世纪正态 1

均值比较与t检验

第3章均值比较与t检验(t代表平均值间的差距p代表的是可信度) 3.1样本平均数与总体平均数差异显著性检验 在实际工作中,我们往往需要检验一个样本平均数与已知的总体平均数是否有显著差异,即检验该样本是否来自某一总体,已知的总体平均数一般为一些公认的理论数值、经验数值或期望数值,比较的目的是推断样本所代表的未知总体均数与已知总体均数有无差别。 例题:已知玉米单交种群单105的平均穗重为300g,喷药后随机抽取9个果穗称重,穗重分别为:308、305、311、298、315、300、321、294、320g,问喷药前后果穗穗重差异是否显著。 具体操作可参看多媒体教程-3.1单一样本t检验,例题中的数据编号为data-01。 操作步骤:Analyze→Compare Means→点击One-Sample T Test,进人对话框→将要分析的变量选入Test Variables→Test Value项填入已知总体均数→点击Options按钮,进入Options子对话框,Confidence Interval选项中填入95或99,确定显著水平后返回上一对话框→点击OK键运行,显示结果界面。 结果界面包括描述性统计量表(One-Sample Statistics) 和t检验表(One-Sample Test)两个表格。描述性统计量表中输出样本含量、均数、标准差和标准误;t检验表中显示t 值(t)自由度(df)、双尾P值(Sig.2-tailed)、样本均数与已知总体均数的差值(Mean Difference)、差

值的95%或99%置信区间的上限与下限(95%Confidence Interval of the Difference,Lower,Upper)。 3.2独立样本t检验 在实际工作中,还经常会遇到推断两个样本平均数差异是否显著的问题,以了解两样本所属总体的平均数是否相同。因试验设计不同,一般可分为:非配对或成组设计两样本平均数的差异显著性检验和配对设计两样本平均数的差异显著性检验。 非配对设计或成组设计是指当进行只有两个处理的试验时,将试验单位完全随机地分成两个组,然后对两组随机施加一个处理。在这种设计中两组的试验单位相互独立,所得的两个样本相互独立,其含量不一定相等。 例题:某家禽研究所对粤黄鸡进行饲养对比试验,试验时间为60天,增重结果如下,问两种饲料对粤黄鸡的增重效果有无显著差异?

相关文档
最新文档