假设检验习题及复习资料
假设检验例题和习题

(第二版) (原假设与备择假设旳拟定)
1. 属于决策中旳假设检验
2. 不论是拒绝H0还是不拒绝H0,都必需采用 相应旳行动措施
3. 例如,某种零件旳尺寸,要求其平均长度为 10cm,不小于或不不小于10cm均属于不合 格
我们想要证明(检验)不小于或不不小于这两种 可能性中旳任何一种是否成立
4. 建立旳原假设与备择假设应为
H0: = 5
H1: 5
= 0.05
df = 10 - 1 = 9 临界值(s):
拒绝 H0
拒绝 H0
.025
.025
-2.262 0 2.262 t
8 - 20
检验统计量:
t = x 0 = 5.3 5 = 3.16
s n 0.6 10
决策:
在 = 0.05旳水平上拒绝H0
结论:
阐明该机器旳性能不好
符?( = 0.05)
统计学
(第二版)
均值旳单尾 t 检验
(计算成果)
H0: 40000 H1: < 40000 = 0.05 df = 20 - 1 = 19 临界值(s):
拒绝域
.05
-1.7291 0
t
8 - 23
检验统计量:
t = x 0
sn
= 41000 40000 = 0.894 5000 20
8 - 12
双侧检验
统计学
(第二版)
H0: = 0.081
H1: 0.081
= 0.05
n = 200
临界值(s):
拒绝 H0
拒绝 H0
.025
.025
-1.96 0 1.96 Z
8 - 13
检验统计量:
假设检验基本概念习题

假设检验的基本概念练习题一、最佳选择题1.在两均数u检验中,其无效假设为()。
A.两个总体均数不同 B. 两个样本均数不同C.两个总体均数相同 D. 两个样本均数相同E. 两个总体位置不同2.当u检验的结果为P<0.05时,可以认为()。
A.两个总体均数不同 B. 两个样本均数不同C.两个总体均数相同 D. 两个样本均数相同E.还不能认为两总体均数有不同3.现有A、B两资料,经u检验得:A资料检验结果为P<0.01, B资料的检验结果为0.01<P<0.05, 可以认为()。
A.A资料两总体均数差别较B资料大B.B资料两总体均数差别较A资料大C.作推断两总体均数有差别时,A资料较B资料犯错误概率更大D.作推断两总体均数无差别时,B资料较A资料犯错误概率更小E.A资料更有理由推断两总体均数有差别4.两样本均数比较时,在其它条件相同情况下,下列四种选择中,()时检验效能最大。
A.α=0.05, n1=n2=20 B.α=0.01, n1=n2=30 C.α=0.05, n1=n2=30D.α=0.01, n1=n2=20 E. =0.05, n1=20, n2=305. 下列哪一种说法是正确的()。
A.两样本u检验时,要求两总体方差齐性B .当P >α接受0H 时,犯Ⅰ型错误概率很小C .单侧检验较双侧检验更易拒绝0HD .当P <α接受1H 时,犯Ⅱ型错误概率很小E .当P >α接受0H 时,犯Ⅰ型错误概率很大6.两样本率比较的单侧u 检验中,其1H 为( )。
A .1H :21ππ>或21ππ<B .1H : 21ππ≠C .1H :21p p >或21p p <D .1H :21p p ≠E .10ππ≠7.下列哪一种说法是正确的( )。
A .两样本均数比较均可用u 检验B .大样本时多个率比较可以用u 检验C .多个样本均数比较可以进行重复多次u 检验D .大样本时两均数比较和两个率比较可以用u 检验E .两个样本率比较均可用u 检验8.( )时,应作单侧检验。
假设检验习题

设公司1,公司 的胶片的放映时间分别服从正 设公司 ,公司2的胶片的放映时间分别服从正 态分布N( ),试 态分布 (μ1 σ12,)N( μ2 ,σ22 ),试 ( 检验均值及方差是否存在显著差异。 取α=0.1检验均值及方差是否存在显著差异。 检验均值及方差是否存在显著差异
双样本T 双样本T检验
结束
习题4-11
两种不同配方A和 制造的汽车轮胎 制造的汽车轮胎15对 两种不同配方 和B制造的汽车轮胎 对, 分别安装在15部汽车前轴的两边 部汽车前轴的两边, 分别安装在 部汽车前轴的两边,进行耐 磨性能测验。经五万公里行驶后, 磨性能测验。经五万公里行驶后,测量磨 损的厚度,数据如下表所示。试测验配方A 损的厚度,数据如下表所示。试测验配方 的磨损程度是否有显著差异。 与B的磨损程度是否有显著差异。 的磨损程度是否有显著差异
习题4-3
某制药厂生产复合维生 素丸,要求每50g维生素 2400mg, 中含2400mg, 从某次生 产过程中随机抽取部分 试样进行五次测定,得 铁含量为2372,2409, 2395,2399及2411 mgFe/50g,问这批产品 的含铁量是否合规格?
单样本 T检验
假设检验练习题

假设检验练习题在统计学中,假设检验是一种常用的数据分析方法,用于通过样本数据对总体参数的假设进行验证。
通过进行假设检验,我们可以确定样本数据是否足够支持对总体参数的某种特定假设。
一、背景介绍假设检验的基本思想是:假设总体参数服从某种特定的概率分布,然后利用样本数据对这一假设进行检验。
在进行假设检验时,我们通常会提出原假设(H0)和备择假设(H1),其中原假设是我们要进行检验的假设,备择假设则是对原假设的否定或补充。
二、假设检验的步骤1. 提出假设:根据问题的需求和背景,明确原假设和备择假设。
2. 选择显著性水平:显著性水平α代表我们对假设检验结果的接受程度,通常选择0.05或0.01。
3. 计算检验统计量:根据样本数据和所选的假设检验方法,计算出相应的检验统计量。
4. 确定拒绝域:根据显著性水平和假设检验的方法,确定拒绝域的临界值。
5. 判断结论:将计算得到的检验统计量与拒绝域进行比较,根据比较结果作出结论。
三、假设检验的类型1. 单样本检验:当我们只有一个样本数据,想要对总体参数是否符合某个特定值进行判断时,可以使用单样本检验。
2. 独立样本检验:当我们有两个独立的样本数据,并且希望比较两个总体参数是否有差异时,可以使用独立样本检验。
3. 配对样本检验:当我们有两组相关的样本数据,并且希望比较两个总体参数的差异时,可以使用配对样本检验。
四、常见的假设检验方法1. t检验:用于对总体均值进行假设检验,可以进行单样本t检验、独立样本t检验和配对样本t检验。
2. 方差分析(ANOVA):用于比较多个样本均值是否有差异,适用于有两个以上样本的情况。
3. 卡方检验:用于对分类变量的比例进行假设检验,适用于两个或更多分类变量的情况。
4. 相关分析:用于检验两个变量之间是否存在线性相关性。
五、实例分析为了更好地理解假设检验的应用,我们举一个实际例子。
假设一个制药公司研发了一种新药,声称该药物的疗效显著优于市场上已有的药物。
统计学假设检验习题答案

1。
假设某产品的重量服从正态分布,现在从一批产品中随机抽取16件,测得平均重量为820克,标准差为60克,试以显著性水平α=0.01与α=0.05,分别检验这批产品的平均重量是否是800克。
解:假设检验为800:,800:0100≠=μμH H (产品重量应该使用双侧 检验)。
采用t 分布的检验统计量n x t /0σμ-=。
查出α=0。
05和0。
01两个水平下的临界值(d f=n-1=15)为2.131和2。
947。
667.116/60800820=-=t .因为t 〈2。
131<2.947,所以在两个水平下都接受原假设。
2.某牌号彩电规定无故障时间为10 000小时,厂家采取改进措施,现在从新批量彩电中抽取100台,测得平均无故障时间为10 150小时,标准差为500小时,能否据此判断该彩电无故障时间有显著增加(=0.01)?解:假设检验为10000:,10000:0100>=μμH H (使用寿命有无显著增加,应该使用右侧检验)。
n=100可近似采用正态分布的检验统计量nx z /0σμ-=.查出α=0.01水平下的反查正态概率表得到临界值2。
32到2。
34之间(因为表中给出的是双侧检验的接受域临界值,因此本题的单侧检验显著性水平应先乘以2,再查到对应的临界值)。
计算统计量值3100/5001000010150=-=z 。
因为z =3>2.34(>2.32),所以拒绝原假设,无故障时间有显著增加。
3。
设某产品的指标服从正态分布,它的标准差σ已知为150,今抽了一个容量为26的样本,计算得平均值为1637。
问在5%的显著水平下,能否认为这批产品的指标的期望值μ为1600?解: 01:1600, :1600,H H μμ=≠标准差σ已知,拒绝域为2Z z α>,取0.05,α=26,n =0.0250.9752 1.96z z z α===,由检验统计量1.25 1.96Z ===<,接受0:1600H μ=, 即,以95%的把握认为这批产品的指标的期望值μ为1600。
假设检验练习题 答案

假设检验练习题1、简单回答下列问题:1)假设检验的基本步骤?答:第一步建立假设(通常建立两个假设,原假设H0 不需证明的命题,一般就是相等、无差别的结论,备择假设H1,与H0对立的命题,一般就是不相等,有差别的结论)有三类假设第二步选择检验统计量给出拒绝域的形式。
根据原假设的参数检验统计量:对于给定的显著水平样本空间可分为两部分: 拒绝域W 非拒绝域A拒绝域的形式由备择假设的形式决定H1:W为双边H1:W为单边H1:W为单边第三步:给出假设检验的显著水平第四步给出零界值C,确定拒绝域W有了显著水平按照统计量的分布可查表得到临界值,确定拒绝域。
例如:对于=0、05有的双边W为的右单边W为的右单边W为第五步根据样本观测值,计算与判断计算统计量Z 、t 、当检验统计量的值落在W内时能拒绝, 否则接受(计算P值227页p值由统计软件直接得出时拒绝,否则接受计算1-a的置信区间置信区间由统计软件直接得出统计量落入置信区间接受,否则接受)2)假设检验的两类错误及其发生的概率?答:第一类错误:当为真时拒绝,发生的概率为第二类错误:当为假时,接受发生的概率为3)假设检验结果判定的3种方式?答:1、计算统计量Z 、t 、当检验统计量的值落在W内时能拒绝, 否则接受2、计算P值227页p值由统计软件直接得出时拒绝,否则接受3、计算1-a的置信区间置信区间由统计软件直接得出,落入置信区间接受,否则接受4)在六西格玛A阶段常用的假设检验有那几种?应用的对象就是什么?答:连续型(测量的数据): 单样本t检验-----比较目标均值双样本t检验-----比较两个均值方差分析-----比较两个以上均值等方差检验-----比较多个方差离散型(区分或数的数据): 卡方检验-----比较离散数2.设某种产品的指标服从正态分布,它的标准差σ=150,今抽取一个容量为26 的样本,计算得平均值为1 637。
问在5%的显著水平下,能否认为这批产品的指标的期望值μ = 1600。
假设检验练习题统计学

第八章假设检验练习题一、填空1、在做假设检验时容易犯的两类错误是和2、如果提出的原假设是总体参数等于某一数值,这种假设检验称为,若提出的原假设是总体参数大于或小于某一数值,这种假设检验称为3、假设检验有两类错误,分别是也叫第一类错误,它是指原假设H0是的,却由于样本缘故做出了H0 的错误;和叫第二类错误,它是指原假设H0 是的, 却由于样本缘故做出H0 的错误。
4、在统计假设检验中,控制犯第一类错误的概率不超过某个规定值α则, α称为。
5、假设检验的统计思想是小概率事件在一次试验中可以认为基本上是不会发生的,该原理称为。
6、从一批零件中抽取100 个测其直径,测得平均直径为 5.2cm,标准差为1.6cm,在显着性水平α=下,这批零件的直径是否服从标准直径5cm(是,否)7、有一批电子零件,质量检查员必须判断是否合格,假设此电子零件的使用时间大于或等于1000,则为合格,小于1000 小时,则为不合格,那么可以提出的假设为。
(用H0,H1 表示)8、一般在样本的容量被确定后,犯第一类错误的概率为,犯第二类错误的概率为,若减少,则9、某厂家想要调查职工的工作效率,工厂预计的工作效率为至少制作零件20个/小时,随机抽样36 位职工进行调查,得到样本均值为19,样本标准差为6,试在显着水平为的要求下,问该工厂的职工的工作效率(有,没有)达到该标准。
10、刚到一批货物,质量检验员必须决定是否接受这批货物,如不符合要求,将退还给货物供应商,假定合同规定的货物单件尺寸为6,请据此建立原假设__ 和备择假设。
211、总体为正态总体,且已知,应采用统计量检验总体均值。
212、总体为正态总体,且未知,应采用统计量检验总体均值。
选择1、假设检验中,犯了原假设H0 实际是不真实的,却由于样本的缘故而做出的接受H0 的错误,此类错误是()A、α类错误B、第一类错误C、取伪错误D、弃真错误2、一种零件的标准长度5cm,要检验某天生产的零件是否符合标准要求,建立的原假设和备选假设就为()A 、H0:5,H1:5B 、H0:5,H1:5C 、H0:5,H1:5D、H0:5,H1:53、一个95%的置信区间是指()A、总体参数有95%的概率落在这一区间内B、总体参数有5%的概率未落在这一区间内C、在用同样方法构造的总体参数的多个区间中,有95%的区间包含该总体参数D、在用同样方法构造的总体参数的多个区间中,有95%的区间不包含该总体参数4、假设检验中,如果增大样本容量,则犯两类错误的概率()A、都增大B、都减小C、都不变D、一个增大一个减小5、一家汽车生产企业在广告中宣称“该公司的汽车可以保证在 2 年或24000 公里内无事故”,但该汽车的一个经销商认为保证“2年”这一项是不必要的,因为汽车车主在 2 年内行驶的平均里程超过24000 公里。
假设检验练习题

假设检验练习题一、判断题1、大多数的统计调查研究的都是样本而不是整个总体。
2、零假设和研究假设是相互对立的关系。
3、当我们拒绝了一个真的零假设时,所犯错误为第二类错误。
4、我们可以通过减少α来降低β错误。
5、如果α=.05,当我们拒绝H0时我们就有5%的可能犯错误。
6、如果α=.05,则当我们接受H0时,我们就有95%的可能犯错误。
7、如果取α=.01,我们拒绝了H0,则取α=.05时,我们仍然可以拒绝H0。
8、如果取α=.01,我们接受了H0,则取α=.05时,我们仍然可以接受H0。
9、如果H0为假,采用单侧检验比双侧检验更容易得到拒绝H0的结论。
10、即使我们更多地利用样本,还是有必要对一个给定总体的所有个体进行研究。
二、选择题1、总体是:A、很难被穷尽研究;B、可以通过样本进行估计;C、通常是假设性的;D、可能是无限的;E、以上都对。
2、如果要研究100个选民在预选时的投票结果表明,我们的主要兴趣应该是:A、推断他们将会把票投给谁B、推断所有选民的投票情况;C、估计什么样的个人会投票;D、以上都是;E、以上都不是。
3、如果我们从一个已知的总体中抽取大量的样本,我们将毫不惊讶地得到:A、样本统计结果值之间有差异;B、样本统计结果分布在一个中心值附近;C、许多样本平均数不等于总体平均数;D、以上都可能;E、以上都不可能。
4、对零假设的拒绝通常是:A、直接的;B、间接的;C、建立对研究假设的拒绝的基础上;D、建立在对研究假设的直接证明上;E、以上都不对。
5、研究者考察了生字密度高低两种条件下各30名学生阅读成绩的情况,得到两种条件下两组被试的成绩分别为:78±10和84±8,从中你可以得到:A、两种条件下学生成绩的差异非常显著;B、因为84≠78,所以两种条件下学生成绩差异非常显著;C、因为84>78,所以生字密度低的条件下学生成绩非常显著地高于生字密度高的条件下学生的成绩;D、以上都对;E、以上都不对。
- 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)。
第8章 假设检验
一、填空题
1、 对正态总体的数学期望μ进行假设检验,如果在显著性水平0.05下,接受假设
00:μμ=H ,那么在显著性水平0.01下,必然接受0H 。
2、在对总体参数的假设检验中,若给定显著性水平为α,则犯第一类错误的概率是α。
3、设总体),(N ~
X 2σμ,样本n 21X ,X ,X Λ,2σ未知,则00:H μ=μ,01:H μ<μ的拒绝域为 )}1(/{0
--<-n t n
S X αμ,其中显著性水平为α。
4、设n 21X ,X ,X Λ是来自正态总体),(N 2σμ的简单随机样本,其中2,σμ未知,记∑==n 1
i i X n 1X ,则假设0:H 0=μ的t 检验使用统计量=T Q n n X )1(- .
二、计算题
1、某食品厂用自动装罐机装罐头食品,规定标准重量为250克,标准差不超过3克时机器工作 为正常,每天定时检验机器情况,现抽取16罐,测得平均重量252=X 克,样本标准差4=S 克,假定罐头重量服从正态分布,试问该机器工作是否正常?
解:设重量),(~2σμN X
05.016==αn 4252==S X (1)检验假设250:0=μH 250:1≠μH ,
因为2σ未知,在0H 成立下,)15(~/250t n S X T -=
拒绝域为)}15(|{|025.0t T >,查表得1315.2)5(025.0=≠t
由样本值算得1315.22<=T ,故接受0H
(2)检验假设9:20=σH 9:201>σH 因为μ未知,选统计量
202
2)1(σS n x -= 在0H 成立条件下,2x 服从)15(2x 分布,
拒绝域为)}15({205
.02x x >,查表得996.24)15(205.0=x , 现算得966.24667.26916152>=⨯=
x ?拒绝0H , 综合(1)和(2)得,以为机器工作不正常
2、一种电子元件,要求其使用寿命不得低于1000小时,现在从一批这种元件中随机抽取25 件,测得其寿命平均值为950小时,已知该种元件寿命服从标准差100=σ小时正态分布, 试在显著性水平0.05下确定这批产品是否合格.
解:设元件寿命),(~2σμN X ,2σ已知10002=σ,05.0,950,25===αX n
检验假设1000:0=μH 1000:1<μH
在2σ已知条件下,设统计量)1,0(~/1000N n X σμ-=
拒绝域为}{05.0μμ<,查表得645.195.005.0-=-=μμ 而645.15.2205025
/1001000950-<-=-=-=μ 拒绝假设0H 选择备择假设1H ,所以以为这批产品不合格.
3. 对 显 著 水 平 α, 检 验假 设 H 0 ; μ = μ0, H 1 ; μ ≠ μ0, 问当 μ0, μ, α一 定 时 ,
增大样本量 n 必 能 使 犯 第 二 类 错 误 概 率 β 减 少 对 吗 ?并 说 明 理
由 。
答 : ( 1 ) 对 。
( 2 ) 增 大 n , 使 概 率 分 布 更 集 中 , 使 H 1 的 拒 绝 域 及 H 0 的
接 受 域 均 变 小 , 二 者 交 集 也 变 小 。
4、 甲 制 药 厂 进 行 有 关 麻 疹 疫 菌 效 果 的 研 究 , 用 X 表 示 一 个 人 用 这 种 疫 菌 注 射 后 的 抗 体 强 度 。
假 定 X ~ N ( μ, σ2 ) 另 一 家 与 之 竞 争 的 乙 制 药 厂 生 产 的 同 种 疫 菌 的 平 均 抗 体 强 度 是 1.9 , 若 甲 厂 为 证 实 其 产 菌 有 更 高 的 平 均 抗 体 问 : ( 1 ) 如 何 提 出 零 假 设 和 配 择 假 设 ? ( 2 ) 从 甲 厂 取 容 量 为 16 的 样 本 , 测 得
x s ==2225026866672.,. 检 验 ( 1 ) 的 假 设 。
α = 0.05。
( 已 知 t 0.95 ( 15 ) = 1.7531 )
解:( 1 ) H 0: μ = μ0 = 1.9; H 1 : μ > μ0 = 1.9
( 2 ) t x s n =-=-=μ02225190268666716
25081.... 由 于 t = 2.5081 > 1.7531 ===== t 0.95 ( 15 ) = t 1-α( n -1 )
故拒绝H 0,即在α = 0.05下可以认为甲厂的产品有更高的平均抗体。
5、某 装 置 的 平 均 工 作 温 度 据 制 造 厂 讲 是 190。
C , 今 从 一 个 由 16 台 装 置 构 成 的 随 机 样 本 得 出 的 工 作 温 度 平 均 值 和 标 准 差 分 别 为 195。
C 和 8。
C 。
这 些 数 据 是 否 提 供 了 充 分 证 据 , 说 明 平 均 工 作 温 度 比 制 造 厂 讲 的 要 高 ? 取 α = 0.05 , 可 以 假 定 工 作 温 度 服 从 正 态 分 布 。
( 已 知 t 0.95 ( 15 ) = 1.7531 )
解: 这 问 题 即 是 在 α = 0.05 下 , 检 验
H 0: μ = μ0 =190; H 1: μ > μ0 =190 ( σ2 末 知 )
t x s n =-=-=μ019519081625.
由 于 t = 2.5 > 1.7531 === t 0.95( 15 ) === t 1-α ( n -1 )
故 拒 绝 H 0, 即 认 为 该 装 置 的 平 均 工 作 温 度 高 于 190。
C 。
6、 测 定 某 种 溶 液 中 的 水 份 ,由 它 的 10 个 测 定 值 ,算 得 .%037.0,%452.0==s x 设 测 定 值 总 体 服 从 正 态 分 布 ,能 否 认 为 该 溶 液 含 水 量 小 于 0.5% ? ( α = 0.05 ), ( 已 知 t 0.95 ( 9 ) = 1.833 )
解: 这 问 题 即 是 在 ( α = 0.05 ) 下 , 检 验 假 设
H 0: μ = μ0 = 0.5%; H 1: μ < μ0 = 0.5%
t x s n =-=-=-μ00452050037104102....
由 于 t = -4.102 < -1.8331 == -t 0.95( 9 ) = t α( n -1 )
故 拒 绝 H 0 即 认 为 溶 液 的 含 水 量 小 于 0.5%
7、 某 厂 生 产 的 某 种 产 品 , 由 以 往 经 验 知 其 强 力 标 准 差 为 7.5 kg 且 强 力 服 从 正 态 分 布 , 改 用 新 原 料 后 , 从 新 产 品 中 抽 取 25 件 作 强 力 试 验 , 算 得 s = 9.5 kg , 问 新 产 品 的 强 力 标 准 差 是 否 有 显 著 变 化?(α=0.05,0.01 )
()()()(),928.4624,646.4024,98.4224,415.36242995.02975.0299.0295.0====χχχχ ()()886.924,401.12242005.02025.0==χχ
解:
要 检 验 的 假 设 为
H 0: σ2 = σ02 = 7.52; H 1: σ2 > σ02 = 7.52
()51.385.75.92412
2202
2=⨯=-=σχs n 在 α = 0.05 时 , x 2 =38.51 > 36.415 == x 0.952 ( 24 ) = x 1-α2 ( n - 1 )
故 在 α = 0.05 时 , 拒 绝 H 0 认 为 新 产 品 的 强 力 的 差 较 原 来 的 有 显 著 增 大 。
当 α = 0.01 时 , χ 2 =38.51 < 42.98 == χ0.992 ( 24 ) = χ1-α2 ( n - 1 ) 故 在 α = 0.01 下 接 受 H 0,认 为 新 产 品 的 强 力 的 标 准 差 与 原 来 的 无 显 著 差 异 。
注 : H 1: σ2 > σ02 = 7.52 改 为 H 1: σ2 ≠ σ02 = 7.52 也 可。