第3节正态总体方差的检验

合集下载

ch8.3 正态总体方差的检验

ch8.3 正态总体方差的检验
(II)’ (II) H0:σ12 ≤ σ22
同 (II) 以上检验都用到F分布,因此叫 以上检验都用到F分布,因此叫F检验法.
2 1 2 2
H1 : σ1 2 > σ2 2
例2
甲,乙两厂生产同一种电阻,现从甲 乙两厂生产同一种电阻, 乙两厂的产品中分别随机抽取12个和10 12个和10个样 乙两厂的产品中分别随机抽取12个和10个样 并测得它们的电阻值. 品,并测得它们的电阻值.
某公司生产的发动机部件的直径 N(µ X ~ N(µ , σ2). 该公司称它的标准差σ 该公司称它的标准差σ0=0.048cm. 现随机抽取5个部件, 现随机抽取5个部件,测得它们的直径为 1.32,1.55,1.36,1.40,1.44.取 1.32,1.55,1.36,1.40,1.44.取α=0.05. :(1)我们能否认为该公司生产的发动机 问:(1)我们能否认为该公司生产的发动机 部件的直径的标准差确实为σ 部件的直径的标准差确实为σ= σ0? (2)我们能否认为 我们能否认为σ (2)我们能否认为σ2 ≤ σ02?
第八章第三节 正态总体方差的检验
一、单个正态总体方差的χ 检验 单个正态总体方差的χ
2
为来自总体N( N(µ 设X1,X2,… ,Xn为来自总体N(µ,σ2)的样 未知. 本, µ,σ2未知. 对以下假设的显著性水平= 的假设检验. 求:对以下假设的显著性水平=α的假设检验.
(I) H0:σ2 = σ02 思路分析: 思路分析
转下页
(2). 问题就是 H 0: σ12 ≤ σ22 H 1: σ12 > σ22
S 拒 域 ∴ 绝 为 ≥ F −1,10−1(0.10) 12 S
附表5 查P237 附表5 查不到 F11,9(0.10) (0.10)的平均值近似 改用F10,9(0.10)和F12,9(0.10)的平均值近似 (0.10)和

两个正态总体方差的假设检验

两个正态总体方差的假设检验

两个正态总体方差的假设检验1. 引言嘿,大家好!今天我们来聊聊一个在统计学中非常重要,但听起来可能有点儿复杂的话题——两个正态总体方差的假设检验。

别担心,我们会用通俗易懂的方式,把这个问题掰开了揉碎了讲清楚。

你可能会问,“这跟我有什么关系呢?”其实,这些统计方法不仅仅是数学家的专属,很多实际问题都可以通过这些方法得到解决。

好比你买衣服时,会比较不同品牌的裤子,看哪个更适合你,其实也是在做“检验”。

所以,搞懂这个概念,绝对会让你在数据分析的世界里如鱼得水。

我们从最基本的概念开始聊起,循序渐进,一步一步深入。

2. 正态总体和方差2.1 正态总体是什么?首先,让我们搞清楚什么是“正态总体”。

简单来说,正态总体就是数据分布呈现钟形曲线的情况。

在生活中,很多自然现象都符合这种分布,比如人的身高、体重、考试分数等等。

正态分布的特点就是数据集中在中间,向两边渐渐减少,就像一个标准的山峰。

想象一下你在玩飞盘,飞盘从空中下落时的轨迹,就是一个典型的钟形曲线。

2.2 方差的作用接下来,我们来谈谈方差。

方差是用来衡量数据的离散程度的,换句话说,就是数据离中间值的远近程度。

方差大的话,数据就会分布得比较散,方差小的话,数据就比较集中。

好比你家里那只爱乱跑的猫,方差大,它就到处跑;而如果它安安静静地待在一个角落,那就是方差小了。

3. 假设检验的基本概念3.1 什么是假设检验?好,接下来进入正题:假设检验。

假设检验就像是在做一个“真心话大冒险”,我们要通过数据来验证某个“假设”是否成立。

比如你和朋友讨论哪家餐馆的菜最好,你们就会提出一个假设,然后用实际的体验来检验这个假设。

统计学中的假设检验也是类似的,只不过我们用的是数字和公式来做这个验证。

3.2 两个正态总体方差的假设检验现在,我们要做的是两个正态总体方差的假设检验。

这就像是比较两个篮球队的实力,看看哪个队更强。

假设我们有两个正态分布的数据集,我们的任务就是判断这两个数据集的方差是否相同。

正态总体方差的假设检验

正态总体方差的假设检验
方差计算公式为:$sigma^2 = frac{1}{N}sum_{i=1}^{N}(x_i mu)^2$,其中$N$是样本数量, $x_i$是每个样本值,$mu$是样本均 值。
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

正态总体方差的假设检验

正态总体方差的假设检验

正态总体方差的假设检验一、引言假设检验是统计学中常用的一种方法,用于判断关于总体参数的某种陈述是否成立。

在实际应用中,我们经常需要对总体方差进行假设检验,以确定样本数据是否能够代表总体的特征。

二、正态总体方差的假设检验在正态总体方差的假设检验中,我们通常使用方差比检验来判断总体方差是否有显著差异。

具体而言,我们设立原假设H0和备择假设H1,然后利用样本数据进行检验。

1. 原假设和备择假设原假设H0通常为总体方差等于某个特定值,记为σ^2 = σ0^2;备择假设H1通常为总体方差不等于该特定值,记为σ^2 ≠ σ0^2。

2. 检验统计量在正态总体方差的假设检验中,我们使用F检验统计量来进行判断。

F检验统计量的计算公式为F = S^2 / σ0^2,其中S^2为样本方差。

3. 拒绝域和接受域在给定显著性水平α的情况下,我们可以根据F检验统计量的分布来确定拒绝域和接受域。

一般来说,当F检验统计量落在拒绝域内时,我们拒绝原假设;当F检验统计量落在接受域内时,我们接受原假设。

4. F分布表的使用由于F检验统计量的分布是F分布,因此我们可以利用F分布表来确定拒绝域和接受域的临界值。

F分布表中给出了不同自由度和显著性水平下的临界值。

5. 计算步骤进行正态总体方差的假设检验时,我们需要按照以下步骤进行计算:(1) 提出原假设H0和备择假设H1;(2) 选择适当的显著性水平α;(3) 根据样本数据计算样本方差S^2;(4) 根据样本量n和显著性水平α确定F分布的自由度;(5) 根据F分布表找到对应的临界值;(6) 比较计算得到的F检验统计量与临界值,判断是否拒绝原假设。

三、实例分析为了更好地理解正态总体方差的假设检验,我们以某电子产品的寿命为例进行实例分析。

假设我们对该电子产品的寿命进行了100次观测,得到样本方差为S^2 = 200。

现在我们想要判断该电子产品的寿命是否满足某个特定的标准。

我们设立原假设H0:电子产品的寿命方差等于标准值,备择假设H1:电子产品的寿命方差不等于标准值。

正态总体方差的假设检验及应用

正态总体方差的假设检验及应用

中国包头职大学报2008年第2期正态总体方差的假设检验及应用邢航(阜新高等专科学校,辽宁阜新123000)摘要:在生产实际及现实生活中有很多现象量的变化是呈非线性正态分布的。

而对有些正态总体问题的研究,在不可能利用总体的全部数据进行分析时,要采取从所研究的总体中随机抽取部分样本,然后通过对样本数据的分析推断总体现象的情况。

并对不同研究方法及假设所产生的差异进行检验。

文章论述亍正态总体方差的假设检验方法及部分应用。

关键词:正态分布;总体方差;假设检验;应用中图分类号:0212文献标识码:A文章编号:1671一1440(2008)02—0094—02假设检验是抽样推断中用于探讨不同研究方法之间差异产生的原因,是由抽样误差影响还是处理方法不同而引起的一种数理统计方法。

即是以样本信息推断总体特征时,产生的差异用样本统计量验证假设的统计推理方法。

在假设检验中有很多检验方法与方差有着密切的联系,下面讨论非线性正态总体方差的假设检验及有关应用问题。

一、单个正态总体方差的假设检验一x2检验设"石。

是总体随机变量工一Ⅳ(I.L,cr2)的样本的观测值,检验c r2与矗是否相等,也就是检验统计假设//o:矿=矗是否成立。

假定总体均值“未知,检验统计量×2为:z2:堕掣(1)吒其中:.,z:苎!!二!!为c r2的估计值.n~l当d=商时,检验统计量x2服从自由度为n一1的x2分布,即:×2一x2(n一1),若取显著性水平为d,查x2分布表得到检验临界值x2(n—1).分双侧和单侧两种情况得结论.1.1双侧检验拒绝域为:{z2s如(一一1)}或{矿乏砬加一1)}(2)即:当不等式(2)成立时。

拒绝原假设胁。

接受域为:f《%<z2<嚷。

一I)j(3)即:当不等式(3)成立时,接受原假设风。

如图(1)z匆(n—1)碗(--t—1)图11.2单侧检验如果拒绝域分布在一侧,根据备择假设H一确定是进行右侧检验还是左侧检验。

课件:正态总体方差的检验20140618

课件:正态总体方差的检验20140618

Fm1,n1
/2
2. H0: 12 ≤ 22 ↔ H1: 12 > 22
H0拒绝域为
回顾:6.3.3 F 分布
定义6.3.3 设 X ~ m2 ,Y ~ n2, X,Y 相互独立,
令FX m
Yn
1Yn F Xm
则F 所服从的分布称为第一自由度为m,第二自
由度为n的F分布,F ~ Fm,n 又称:df1 m, df2 n.
/ 2) 7.39.
接受H0
2. H0: 12 ≤ 22 ↔ H1: 12 > 22 当 H0: 12 ≤ 22 成立时,S12/S22应比 1 小。当其过
分地大,应拒绝 H0 成立。 因此,一个直观且合理的检验是:找个界限 b ( 0<
1< b),检验的拒绝域为S12/S22 ≥ b,
通过讨论,不难得到显著性水平为 α 的拒绝域
1. H0: 12 = 22 ↔ H1: 12 ≠ 22.
该检验主要用于上节中实施两样本 t 检验之前,讨 论 12 = 22 的假设是否合理。
思路分析: 因S12和 S22分别为12和22的无偏估计,直观上, S12/S22 是 12/22 的一个很好的估计。
当 H0: 12=22 成立时,S12/S22应与 1 相差不大。当 其过分地大,或过分地小时,都应拒绝 H0 成立。
1. H0: 12 = 22 ↔ H1: 12 ≠ 22. 2. H0: 12 ≤ 22 ↔ H1: 12 > 22
8.3.1 单个正态总体方差的 χ 2 检验
1. H0: 2 = 02 ↔ H1: 2 ≠ 02
H0拒绝域:
n
1
2 0
S
2
2 n1
/

正态总体方差的假设检验

正态总体方差的假设检验

解 依题意需检验假设
由于 未知,故检验统计量
H0
: 2
2 0
82
,H1 : 2
82

2 (n 1)S 2 ~ 2 (n 1) .
2 0
已知 n 8, s2 93.268 ,代入公式得
2
(8 1) 93.268 82
10.201 2

ห้องสมุดไป่ตู้
又显著性水平 0.05 ,查表得
2 1
/2
(n
1)
概率论与数理统计
假设检验
正态总体方差的假设检验
1.1 单个正态总体方差的检验
设总体 X ~ N( , 2 ) , , 2 均未知,X 1 ,X2 , ,Xn 为来自总体 X 的样本,现检验假设
H0
: 2
2 0
,H1
: 2
2 0

其中
2 0
为已知常数.
由于 S 2
是 2 的无偏估计,当 H0
为真时,比值 s2
解 依题意需检验假设
H0
:12
2 2
,H1 :12
2 2

由于 1 ,2 未知,故检验统计量
F
S12 S22
~
F (m 1,n 1) .
经计算得 s12 0.885 7 ,s22 0.828 6 ,故检验统计量的观测值为
F
s12 s22
0.885 7 0.828 6
1.07 .
假设检验
又 m 1 7,n 1 7 , 0.05 ,查表得
2 1
/
2
(n
1)]
[ 2
2/2 (n 1)]} ,
则 H0 的拒绝域为

第3节正态总体方差的检验

第3节正态总体方差的检验

解 H0 : σ 2 = 5000, H1 : σ 2 ≠ 5000, α = 0.02
当H
为真时
0
,
(n − 1)S2
σ
2 0
~
χ 2(n − 1),

2 0
⎪⎧⎛ ⎨⎪⎩⎜⎜⎝
(n − 1)S2
σ
2 0

χ12−α 2
⎞ (n − 1)⎟⎟⎠
U
⎛ ⎜⎜⎝
(n − 1)S2
σ
2 0

χα2
2
(n

1)
⎞⎪⎫ ⎟⎟⎠⎬⎪⎭

拒绝域
或 (n −1)s2
σ 02

χ2 1−α
(
n

1)
2
(n −1)s2
σ 02

χ
2 α
(
n

1)
2
现在 n = 26,
χα2
(n
− 1)
=
χ
2 0.01
(
25)
=
44.314
2
χ2 1−α
(n

1)
=
χ
2 0.99
(
25)
=
11.524
s2 = 9200
2
因此

2
(n1
−1,n2
−1)⎞⎟⎟⎠⎫⎪⎬⎪⎭
=
α
此处n1 = n2 = 10, α = 0.01
拒绝域为
s2 1
s22

F0.005(10 − 1,10
− 1)
=
6.54

s2 1
s22
  1. 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. 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. 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)。

σ0
2
~ χ ( n − 1),
2
≥ χα (n − 1)
2
⎫ ⎬ =α ⎭
拒绝域:
( n − 1) S 2
σ0
2
2 ≥ χα ( n − 1)
例1 某工厂生产的某种型号的电池, 2 σ 其寿命长期以来服从方差 = 5000 (平方小时)的正态分布,现有一批 这种电池,从它的生产情况看,寿命 的波动性有所改变。现随机地取26只 2 s 电池,测出其寿命的样本方差 = 9200 (平方小时)。问根据这一数据能否 推断这批电池的寿命的波动性较以往 的有显著性的变化(取 α = 0.02)? (p190 例1)
}

2 ⎧ ⎞ ⎛ ⎞⎫ − ( n 1) S ⎪⎛ (n − 1) S 2 ⎪ 2 2 ≤ χ α (n − 1) ⎟ U ⎜ ≥ χ α (n − 1) ⎟ ⎬ = α Pσ 2 ⎨⎜ 2 2 ⎜ σ ⎟ ⎜ σ ⎟ 0 1− 0 0 ⎪ 2 2 ⎠ ⎝ ⎠⎪ ⎩⎝ ⎭
拒绝域: 或
( n − 1) s 2
2 2
显著性水平 α
当H 0 为真时 , ( n − 1)S
2
σ0
2
~ χ 2 ( n − 1),
f (x)
X ~ χ (n)
2
α
2
α
2
χ
(n − 1) S 2
2 1−α 2
(n)
χα 2(n)
2
x
σ2
Pσ 2 {
0
~ χ 2 (n − 1)
2 ⎛ ( n − 1) S 2 ⎞ ⎛ ⎞ ( n 1) S − 2 2 ≤ χ α (n − 1) ⎟ U ⎜ ≥ χ α (n − 1) ⎟ ⎜ 2 2 ⎜ ⎟ ⎜ ⎟ 1 − σ0 σ0 2 2 ⎝ ⎠ ⎝ ⎠

H 0 : σ 2 = 5000,
H1 : σ 2 ≠ 5000, α = 0.02
当H 0为真时 ,
( n − 1)S 2
σ0
2
~ χ ( n − 1),
2
2 ⎧⎛ (n − 1) S 2 ⎫ ⎞ ⎛ ⎞⎪ ( n 1) S − ⎪ 2 2 ≤ χ α (n − 1) ⎟ U ⎜ ≥ χ α (n − 1) ⎟ ⎬ = α Pσ 2 ⎨⎜ 2 2 ⎜ ⎟ ⎜ ⎟ 0 1− σ σ 0 0 ⎪ 2 2 ⎠ ⎝ ⎠⎪ ⎩⎝ ⎭
第三节
正态总体方差的假设检验
一、单个正态总体的假设检验 二、两个正态总体的假设检验
2 χ 一、单个正态总体的假设检验(
检验法)
总体 X ~ N( µ ,σ ), 其中 µ ,σ 未知,
2 2
x 1 , x 2 , ⋅ ⋅ ⋅, x n 为样本
H 0 : σ = σ 0 , H 1 : σ 2 ≠ σ 0 2 (σ 0 2为已知常数 )
78.4 76.0 75.5 76.7 77.3
(2)新方法
79.1 81.0 77.3 79.1 80.0 79.1 79.1 77.3 80.2 82.1
设这两个样本相互独立,且分别来自 2 2 2 µ , µ , σ 正态总体 N( µ1 ,σ ) 和N( µ2 ,σ ) , 1 2 均未知.问建议的新操作方法能否提 高得率?
因此
( n − 1) s
2
σ 02
2 = 46 > 44.314 = χ α (25) 2
所以拒绝 H 0 . 认为这批电池的寿命的波动性较以往 的有显著性变化.
二、两个正态总体的假设检验(F 检验法)
⎧ 总体 ⎨ ⎩ 总体
2 µ X ~ N( 1, σ1 ) 2 Y ~ N ( µ 2 ,σ 2 )
2 S1 F= 2 S2
2 2 ⎫ σ E ( S = σ = 2 2)
有偏大的趋势.
⎧ S12 ⎫ Pσ 2 =σ 2 ⎨ 2 ≥ Fα (n1 − 1,n 2 − 1) ⎬ = α , 1 2 ⎩ S2 ⎭ s2 1 ≥ Fα (n1 − 1, n 2 − 1) 于是,拒绝域为: 2 s2
例2 在平炉上进行一项试验以确定改 变操作方法的建议是否会增加钢的得率, 试验是在同一只平炉上进行的.每炼一 炉钢时除操作方法外,其他条件都尽可 能做到相同。先用标准方法炼一炉,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 74.3 77.4
2 ⎧ ⋅ ⋅ ⋅ X , X , , X , X, S n1 1 ⎪ 1 2 2 2 均未知 µ µ σ σ , , , , 样本⎨ 1 2 1 2 2 ⋅ ⋅ ⋅ Y , Y , , Y , Y, S ⎪ n2 2 ⎩ 1 2
H0 : σ 1 ≤ σ 2 ,
2 2
H1 : σ 12 > σ 2 2
显著性水平为 α

( ni − 1)S i
2
σ i2
~ χ 2 (n i − 1) 知
S2 1 S2 2
2 1
2 S2 / σ 1 1
S2 / σ
2
2 2
~ F(n1 − 1,n 2 − 1)
故当 H 0 为真时 ,
E ( S12 ) =
~ F(n1 − 1,n 2 − 1)
当 H 0 为真 ⇒ ⎬ 2 2 2 2 > E ( S ) = σ σ = E ( S 当H1 为真 1 1 2 2) ⎭
例2
试对上例中的数据检验假设 H :σ = σ , H :σ ≠ σ (取α = 0.01 )
2 2 0121Fra bibliotek2 1
2
2
解 当 H 0 为真时,
S2 1
2 S2
~ F(n1 − 1,n 2 − 1)
2 ⎧ ⎞ ⎛ S12 ⎞⎫ ⎪⎛ S1 ⎪ P ≤ F (n −1,n2 −1)⎟ U ⎜ 2 ≥ Fα (n1 −1,n2 −1)⎟⎬ = α σ12 =σ22 ⎨⎜ ⎜ S 2 1−α 1 ⎟ ⎜S ⎟ ⎪ 2 2 ⎠ ⎝ 2 ⎠⎪ ⎩⎝ 2 ⎭
拒绝域 现在
( n − 1) s 2
σ0
2
≤χ
2 1−
α
2
( n − 1)

( n − 1) s 2
σ0
2
≥ χ α ( n − 1)
2 2
2 2 n = 26, χ α (n − 1) = χ 0 .01 ( 25) = 44.314 2 2 2 χ 2 α (n − 1) = χ 0 ( 25 ) = 11 . 524 s = 9200 .99 1− 2
σ0
2
≤ χ2
1−
α
2
(n − 1)
( n − 1) s 2
σ 02
2 ≥ χα (n − 1) 2
注: 单边检验拒绝域见P190表格.
H0 : σ
2

σ 0 , H 1 : σ 2 > σ 0 2 (σ 0 2为已知常数 )
2
显著性水平 α
当H 0 为真时 ,

0 2
( n − 1)S 2
⎧ ( n − 1) S 2 ⎨ 2 σ 0 ⎩
相关文档
最新文档