概率统计及随机过程课件9.2正态总体均值和方差的假设检验
107492-概率统计随机过程课件-第九章(第五节)

第四节,总体分布的假设检验前面介绍的各种检验法,几乎都是在正态总体的假定下进行的,并且只是对总体的均值或方差进行检验。
但是在实际遇到的许多问题中,总体的分布类型往往是未知的。
在这种情况下,我们需要根据样本来对总体分布的种种假设进行检验,这就是非参数假设检验要解决的问题。
如何通过对样本的分析来初步确定总体分布的可能形式呢?首先,可以由问题的实际背景初步来确定分布的类型。
例如若影响某一数量指标的随机因素很多,而每一个因素所引起的作用不是很大,则可假定该指标服从正态分布;“寿命”、“服务时间”等常假定服从指数分布;抽样检查常假定服从二项分布。
还可以利用样本所提供的数据资料,用直方图法,或者经验分布函数方法,通过直观认识初步确定分布的类型。
在确定了总体分布的类型之后,可以先用矩法或极大似然估计分布中的未知参数,然后再对确定的总体分布进行假设检验。
但是这些方法比较简单、直观,但不那么精细。
所以在实际应用中不是那么理想。
下面介绍一种比较常用的检验法,皮尔逊的2χ拟合优度检验。
它是在总体分布为未知的情况下根据样本n x x ,,1 来检验有关总体分布的假设H 0 :总体X 的分布函数为F(x)的一种方法。
用这种方法时,要求总体分布的参数都是已知的,如果未知,就用参数的估计值去代替未知参数。
1:理论分布完全已知的情况设根据某一理论、学说甚至假定,某随机变量应当有分布F ,现在对X 进行n 次观察,得i.i.d.样本n X X X ,,,21 ,要据以检验“X 有分布F ”这个(原)假设。
这里虽没有明确指出对立假设,但可以说,对立假设是“X 的分布不是F ”。
本问题的真实含义是估量实测数据与该理论或学说符合的怎么样,而不在于当认为不符合时,X 可能备择的分布如何,故问题中不明确标出对立假设,反而使人感到提法更为贴近现实。
早期(奈曼-皮尔逊之前)研究假设检验的学者,包括此处讨论的皮尔逊的拟合优度检验和费希尔的显著性检验,都是持这样一种看法。
概率论与数理统计ppt课件

04
理解基本概念和原理
做大量练习题,培养解题能力
05
06
阅读相关书籍和论文,拓宽知识面
02
概率论基础
概率的基本概念
试验
一个具有有限个或无限个 可能结果的随机试验。
事件
试验中的某些结果的总称 。
概率
衡量事件发生可能性的数 值,通常表示为0到1之间 的实数。
必然事件
概率等于1的事件。
不可能事件
概率等于0的事件。
01 点估计
用样本统计量估计总体参数,如用样本均值估计 总体均值。
02 区间估计
给出总体参数的估计区间,如95%置信区间。
03 估计量的性质
无偏性、有效性和一致性。
假设检验
假设检验的基本思想
先假设总体参数具有某种 特性,然后通过样本信息 来判断这个假设是否合理 。
双侧检验
当需要判断两个假设是否 相等时,如总体均值是否 等于某个值。
连续型随机变量
取值无限的随机变 量。
方差
衡量随机变量取值 分散程度的数值。
03
数理统计基础
总体与样本
总体
研究对象的全体。
抽样方法
简单随机抽样、分层抽样、系统抽样等。
样本
从总体中随机抽取的一部分个体,用于估 计和推断总体的特性。
样本大小
样本中包含的个体数量,需要根据研究目 的和资源来确定。
参数估计
单因素方差分析
单因素方差分析的定义
单因素方差分析是方差分析的一种形式,它只涉及一个实验因素。通过对不同组的均值进行比 较,可以确定这个因素对实验结果的影响是否显著。
单因素方差分析的步骤
单因素方差分析通常包括以下步骤:首先,对实验数据进行分组;其次,计算每组的均值;接 着,计算总的均值和总的变异性;然后,计算组间变异性和组内变异性;最后,通过比较这两 种变异,得出因素的显著性。
第二节-正态总体均值和方差的假设检验PPT课件

根据第六章定理三知,
当 H 0 为,真 X S/ n 时 0~t(n1 ),
P { 当 H 0为 ,拒 真 H 0 } 绝 P0 X S/n0 k ,
10
得 kt/2(n 1 ),
拒绝 t域 x s/n 0为 t/2(n1).
上述利用 t 统计量得出的检验法称为t 检验法.
故接H受 0,认为金属棒的 无平 显均 著. 长 变
12
例3 某种电子元件的寿命X(以小时计)服从正态
分布, , 2 均为未知. 现测得16只元件的寿命如
下: 152981002112223471972964 223261262851042964081570 问是否有理由认为元件的平均寿命大于225(小时)?
P 2 0 2 (n 1 2 )S 2 (n 0 1 2 )k . (因2 为 0 2 )
要 P { H 0 为 使 ,拒 H 真 0 } 绝 ,
只需 P 2 0 2 令 (n 1 2 )S 2(n 0 1 2 )k .
因(为 n 12)S2~2(n1),所(以 n01 2)k 2(n1),
拒绝域 x的 0k,(形 k待 式 ).定
由标准正态分布的分布函数(•) 的单调性可知,
P {拒H 绝 0|H 0为} 真 P 0(x 0 k )
4
P 0 x /n 00 /k n
1(0/k)n0(/ 0n k)0
0
(/0nk)/ kn,
因此 P { 拒 要 H 0|绝 H 0 控 为 } 制 真 ,
件都尽可能做到相同.先采用标准方法炼一炉, 然
后用建议的新方法炼一炉, 以后交替进行, 各炼了
10炉, 其得率分别为(1)标准方法: 78.1, 72.4, 76.2,
【精品】概率论与数理统计PPT课件第四章 数学期望和方差

8
9
10
P
0.1 0.3 0.6
Y
8
9
10
P
0.2 0.5 0.3
试问哪一个人的射击水平较高? 9
例1(续)
甲、乙的平均环数可写为
EX 80.1 90.3 100.6 9.5 EY 80.2 90.5 100.3 9.1
10
例2.对产品进行抽样,只要发现废品就认为这批产 品不合格,并结束抽样。若抽样到第 n件仍未发现 废品则认为这批产品合格。假设产品数量很大,抽 查到废品的概率是 p,试求平均需抽查的件数。
6
(3)泊松分布 X的所有可能取值为0,1,2,…,且
7
(4)几何分布 X的可能取值为1,2,…, 且 P(X=k)= (1-p)k-1 p, k= 1,2,….
由于
这可以由等式
两边同时对x求导数得到。
8
例1:
甲、乙两人射击,他们的射击水平由下表给出: X:甲击中的环数; Y:乙击中的环数;
X
p)nm
29
注意到二项分布B(n , p)的数学期望,就有 于是
注: 最后一步用了泊松分布数学期望的结果.
30
例8: 设X ~ U[0,], Y =sinX,求E(Y)。
解: X 的概率密度为 所以
31
例9 设二维随机变量(X ,Y)的密度函数为 求E(X), E(Y), E( X + Y ), E(XY), E(Y / X) 解:
36
37
最终, 显然,y = 3500 时,E (Y )最大,
E(Y)max =8250万元.
38
例11.假设由自动线加工的某种零件的内径 X (mm)~
N ( ,1). 已知销售每个零件的利润T (元)与销售零件
概率论与数理统计完整ppt课件

在化学领域,概率论与数理统计被用于研究化学反应的速率和化 学物质的分布,如化学反应动力学、量子化学计算等。
生物
在生物学中,概率论与数理统计用于研究生物现象的变异和分布, 如遗传学、生态学、流行病学等。
在工程中的应用
通信工程
01
概率论与数理统计在通信工程中用于信道容量、误码率、调制
解调等方面的研究。
边缘分布
对于n维随机变量(X_1,...,X_n),在概 率论中,分别定义了X_1的边缘分布 、...、X_n的边缘分布。
04
数理统计基础
样本与抽样分布
01
02
03
总体与样本
总体是包含所有可能数据 的数据集合,样本是总体 的一个随机子集。
抽样方法
包括简单随机抽样、分层 抽样、系统抽样等。
样本分布
描述样本数据的分布情况 ,如均值、中位数、标准 差等。
参数估计与置信区间
参数估计
利用样本数据估计总体的 未知参数,如均值、方差 等。
点估计
用样本统计量作为总体参 数的估计值。
置信区间
给出总体参数的一个估计 区间,表示对总体的参数 有一个可信的估计范围。
假设检验与方差分析
假设检验
通过样本数据对总体参数提出 假设,然后根据假设进行检验
01
定义
设E是一个随机试验,X,Y是定义在E上,取值分别为实数的随机变量
。称有序实数对(X,Y)为一个二维随机变量。
02
分布函数
设(X,Y)是一个二维随机变量,对于任意实数x,y,二元函数
F(x,y)=P({X<=x,Y<=y})称为二维随机变量(X,Y)的分布函数。
03
边缘分布
对于二维随机变量(X,Y),在概率论中,分别定义了X的边缘分布和Y的
概率论与数理统计经典课件随机过程

一维、二维或一般的多维随机变量的研究是概率论的研究内容,而 随机序列、随机过程则是随机过程学科的研究内容。从前面的描述中看 到,它的每一样本点所对应的,是一个数列或是一个关于t的函数。
定义:设T是一无限实数集,X (e,t), e S,t T是对应于e和t的实数,
即为定义在S 和T 上的二元函数。
DX
(t)
E
[ X (t) X (t)]2
---方差函数
X (t)
2 X
(t
)
---标准差函数
又设任意t1,t2 T RXX (t1,t2 ) E[ X (t1) X (t2 )] (自)相关函数
CXX (t1,t2 ) Cov[ X (t1), X (t2 )]
E [ X (t1) X (t1)][ X (t2 ) X (t2 )] (自)协方差函数
定义: X (t),t T是一随机过程,若它的每一个有限维分布
都是正态分布,即对任意整数n 1及任意t1,t2,
X (t1), X (t2 ), X (tn )服从n维正态分布, 则称X (t),t T是正态过程
tn T ,
正态过程的全部统计特性完全由它的均值函数和自协方差函数所确定。
16
例3:设A, B是两个随机变量,试求随机过程:
当A
N 1,4, B
U 0, 2时,E(A) 1, E( A2 ) 5, E(B) 1, E(B2)
4 3
又因为A, B独立, 故E(AB) E(A)E(B) 1
X (t) t 3, RX (t1, t2 ) 5t1t2 3(t1 t2 ) 12 t1, t2 T
17
例4:求随机相位正弦波X (t) acos(t ) t ,
第八章—正态总体均值和方差的假设检验-PPT课件

4.364 4.55 3.9 1. 96 0.108 n 5
0
,可认为现在的生产是不正常的。
例2 已知某正态总体的方差为 49,抽测 24个样本值 的均值为 x 55 . 8
.0 5) 问:总体均值 55是否成立 ( 0
解: 假设 H : 5 5 , H : 5 5 0 1 显然它与检验 H 0 : 55 时的讨论是一样的。 取统计量
概率统计
2.
2
未知,关于 的检验 ( t 检验 )
2 在 未知条件下用服
(1) 检验假设:
从 N (0,1) 的统计量 H : , H : 0 0 1 0 检验正态总体 的方 因为 2未知,所以可以考虑用 法为 t 检验法 2 2 的无偏估计 s 来代替,故有:
都取检验统计量: 拒绝域: 双边假设检验
X 0 n
右边假设检验 左边假设检验
x 0 z 2 n
概率统计
x 0 z n
x 0 z n
例1. 已知某钢铁厂的铁水含碳量在正常情况下服从 2 正态分布 N 现又测了5 炉铁水, ( 4 . 5 5 ,0 . 1 0 8),
未知,所以用 t 检验。
(2) 两个单边检验假设: 右边
t
2
t
2
左边
H : ( 或 ) ,H :
H : ( 或 ) ,H : 0 0 0 1 0
0 0 0 1 0
概率统计
则在显著性水平 下, H 0 的拒绝域: 分别为
x 0 t (n 1) s n
x 0 z n
概率统计
正态总体的均值和方差的假设检验课件PPT

(4)统 计 量 观 察 值 : u(xy)/ 1 22 21301252.5
n 1 n 2 6080 30 40
( 5 ) |u | 2 .5 1 .9 6 , 拒 绝 原 假 设 H 0 .
0.42, 0.08, 0.12, 0.30 , 0.27
处理后: 0.15, 0.13, 0.00, 0.07, 0.24,
0.19, 0.04, 0.08, 0.20, 0.12 假定处理前后含脂率都服从正态分布,且相互独立, 方差相等.问处理前后含脂率的均值有无显著差异
( = 0.05)?
解 以X表示物品在处理前的含脂率,Y表示物品在 处理后的含脂率,且 X ~ N ( μ 1 ,σ 1 2 )Y , ~ N ( μ 2 ,σ 2 2 )
1 假 H 0 : μ μ 0 设 , H 1 : μ μ 0 ; 2° 取检验统计量
T X0 ~t(n1);
Sn / n
(当H0为真)时
3° 给定显著水平 ( 0< < 1)
P |T | t /2 ( n 1 ) ,查表 t /2 ( n 1 可 ).
拒绝域: W1 = { (x1,x2,∙∙∙,xn)| |t | t /2 (n-1)};
(4) 由样本值计算U的观测值为
ux800977080032.25;
40
40
(5)判断:由 |u|2.251.9,6故拒绝原假设H0,即
不能认为这批钢索的断裂强度为 800 Mpa .
2. σ2为未知 μ的 ,检 关 t检 验 于 验 (法)
设 X 1 ,X 2 ,,X n 是来自 N (μ ,正 σ 2)的 态 一 总 其μ 中 ,σ2未知,检 α, 验检 水 μ的 验 平 步为 骤
- 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)。
解: (1)假设 H0 : 32.50,
(2)计算统计量T的值,x 31.13, s 1.13
T x 32.50 31.13 32.50 2.97
s/ n
1.13 / 6
0.05
时,t 1
(n
1)
t0.995 (5)
2.57
2
(4)比较 T 与 t1 (n 1) 2 T 2.97 2.57, 所以,拒绝假设 H 0 ,
1 – 2 = 0 1 – 2 0
拒绝域
1 – 2 0 1 – 2 < 0
1 – 2 0 1 – 2 > 0
其中
12, 22未知
12
=
2 2
(2)
关于方差比
2 1
/
2 2
的检验
原假设 备择假设 检验统计量及其在
H0
H1
H0为真时的分布
拒绝域
2 1
=
2 2
2 1
2 2
2 1
=
2 2
2 1
<
2 2
标准差是 8(N).
今换了原材料新生产一批铜丝,并从中抽出10个 样品,测得折断力(单位:N)为 578 572 568
570 572 570 570 572 596 584
从性能上看,估计折断力的方差不会发生变化, 问这批铜丝的折断力是否比以往生产的铜丝的 折断力较大?( 0.05)
解:检验假设 H0 : 0 , H1 : 0
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.
例4 已知某零件的质量 X ~ N(, 2 ), 由经验知
10(g),,技2 术0.改05新后,抽取8个样品,
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
1.21 1.21 1.18,1.17,1.19,1.20, 1.20 1.17 1.19 1.18 问是否可以认为该厂生产的螺钉的直径的方 差为0.0002(cm )。
2 ( 0.05)
解:(1)检验假设 H0 : 2 0.0002
(2)统计量 2 (n 1)s2 ~ 2 (9) 2
0
(0.4)2
x ~ N (100,
)
9
U x 100 ~ N(0,1) 0.4 / 3
给定 0.05, z1 z0.975 1.96 2
P
x 100 0.4 / 3
1.96
0.05
是小概率事件
将 x 100.29 代入得
U x 100 2.175 1.96 0.4 / 3
说明小概率时间在一次抽样中发生,不合理, 假设H不0 成立认为打包机不能正常工作.
给定 0.01, z1 2.58 2
P
x 100 0.4 / 3
2.58
0.01
但 U x 100 2.175 2.58 0.4 / 3
没有理由拒绝原假设 H0, 结论:认为打包机能正常工作.
由此例可见,对不同的,即使所取样本相同,也 可做出完全不同的判断, 因此所作检验可能导致 以下两类错误的产生:
离0的可能性较小,所以
检验水平
给定 ,查N(0,1)表得z1-/2, 这里z1-/2为由表
N(0,1)得到的1-/2分位点.使得
P{U z } 1 (2(z ) 1)
1
1
2
2
说明事件
{|
x 0
|
z } 1
是小概率事件.
n
2
从而根据实际推断原理,如果这个事件在一次
抽取中发生, 就认为假设不合理,认为原假设不
成立, 拒绝H ,否则接受假设H
0
0
x 0 / n
z1 2
H0 的拒绝域
例1:某厂有一台自动打包机对产品进行打包,
额定标准是100克,据以往经验,方差 2 (0.4)2.
某天开工后,为检查打包机工作情况,随机 的抽取9包,得 x 100问.29这g天打包机工作 是否正常?
解: 提出假设 H0 : 100
H0
H1
H0为真时的分布
2=
2 0
2
2 0
拒绝域
2=
2 0
2<
2 0
2=
2 0
2>
2 0
( 未知)
两个正态总体
设 X ~ N ( 1 1 2 ), Y ~ N ( 2 2 2 ),
两样本 X , Y 相互独立, 样本 (X1, X2 ,…, Xn ), ( Y1, Y2 ,…, Ym ) 样本值 ( x1, x2 ,…, xn ), ( y1, y2 ,…, ym ),
(3)由样本值得
x 1.19
S 2
1 n 1
n i 1
xi
x
2
0.00022
故 2 (n 1)s2 10
2 0
(4)查
2 分布表,得
2 (9) 2 (9) 19.0
1
0.975
2
2 (9) 2 (9) 2.7
0.25
2
2
(9)
2.7
10
19.0
2 1
2
2
因此接受假设 H0 : 2 0.0002
:
0,
H1
:
0
2
检验假设 H0 : 0, H1 : 0
给定 ,查 t1 (n 1)
T t1 (n 1), 拒绝 H0 , 接受 H1
二:单个正态总体方差的假设检验
1.未知均值 ,检验假设
H0
:
2
2 0
已知条件,总体
X
~
N(,
2 ),
x, 1
x 2
, ,
x n
为来自于总体 X 的样本,
解:检验假设H0:
=72. U
x
0
;
/ n
将n=25, x 68.6
代入得 U x 0 2.656 / n
=0.05,查标准正态分布表得,
z1-/2= z0.975=1.96. 因为|U|=2.656>1.96,故拒绝H0,
说明该体院男生的脉搏与一1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.
类似于3,已知方差,检2 验假设
H0 : 0, H1 : 0
给定 ,查N(0,1)表得z1-,
若 U ,z1拒 绝 ,H接0受
H1
U z1,接受 H0,拒绝 H。1
类似于4,未知方差 , H0
显著性水平
(1) 关于均值差 1 – 2 的检验
原假设 H0
备择假设 检验统计量及其在
H1
H0为真时的分布
拒绝域
1 – 2 = 0 1 – 2 0
1 – 2 = 0 1 – 2 < 0
1 – 2 =0 1 – 2 > 0
( 12,22 已知)
原假设 备择假设 检验统计量及其在
H0
H1
H0为真时的分布
U 检验法 (2 已知)
原假设 备择假设
H0
H1
检验统计量及其 H0为真时的分布
0 0
拒绝域
= 0 < 0
= 0 > 0
T 检验法 (2 未知)
原假设 备择假设
H0
H1
检验统计量及其 H0为真时的分布
0 0
拒绝域
= 0 < 0 = 0 > 0
检验法
原假设 备择假设 检验统计量及其在
(1)提出假设H0: = 0;
(2)选取检验用的统计量 U,用样本值计算
出其值
(3)给定检验水平,查分布表得临界值
z 1
2
(4)将|U|与 z比1较,若 2
U , z拒1绝 , H 0 2
U z1 ,接受 H。0 2
2.未知方差2, 检验假设H0: = 0
分析:由于 未2 知,用 S代2 替 2
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
2
则拒绝 H 0 , 否则接受 H 0.
2.未知均值 ,检验假设
H0
:
2
2 0
,
H1
:
2
2 0
给定检验水平 ,查 2 n 1 分布表得
2 1