正态总体参数的假设检验.
数理统计17：正态总体参数假设检验
数理统计17：正态总体参数假设检验现在，我们对正态分布的参数假设检验进⾏讨论，这也是本系列的最后⼀部分内容。
由于本系列为我独⾃完成的，缺少审阅，如果有任何错误，欢迎在评论区中指出，谢谢！⽬录Part 1：基本步骤正态总体N (µ,σ2)参数的假设检验不外乎遵循以下的步骤：找到合适的统计量，⽤统计量的取值范围设计拒绝域。
假定原假设为真，考虑这个条件下统计量的分布。
根据统计量的分布，根据检验的⽔平要求设置拒绝域的边界值。
设计检验的核⼼在于假定原假设为真，这是因为检验的⽔平是基于弃真概率定义的，也就是说，要在第三步中写出检验的⽔平，就必须在H 0成⽴的情况下找出⼩概率事件的发⽣条件。
⽐如，对于均值的检验⼀共有三种：1.H 0:µ=µ0↔H 1:µ≠µ0;2.H 0:µ≥µ0↔H 1:µ<µ0;3.H 0:µ≤µ0↔H 1:µ>µ0.每⼀种⼜可以细分为⽅差σ2已知和⽅差σ2未知两种情况，但显然不论⽅差是否已知，最核⼼的统计量都应该是¯X，如果⽅差未知可能还要⽤到⽅差的替代：S 2。
以下，对于这三种问题，拒绝域分别应该是这样的：如果H 0被接受，则¯X 既不应该太⼤，也不应该太⼩，拒绝域的基础形式应该是{¯X >c 1}∪{¯X <c 2}.如果H 0被接受，则¯X 不应该太⼩，⽆论多⼤都可以，拒绝域的基础形式应该是{¯X <c }.如果H 0被接受，则¯X 不应该太⼤，⽆论多⼩都可以，拒绝域的基础形式应该是{¯X>c }.当然，这只是拒绝域的基础形式，实际情况下可能不⽌使⽤¯X，但基本思想应该是这样的。
对于⽅差的检验，则将检验统计量换成了S 2，或者均值已知情况下的离差平⽅和Q 2，步骤也和上⾯的差不多。
正态总体的假设检验
n
(Xi μ)2
P { i1
σ
2 0
χ
2 1
α 2
(
n)}
P{
i 1
σ
2 0
χ
2
α
(
n)}
α
2
所以拒绝域为： W
{
χ2
χ
2 1
α 2
(
n)
，χ
2
χ
2
α
(n)
}
2
2. μ未知时，总体方差σ2的假设检验 χ2 检验法
类型 原假设 备择假设
H0
H1
检验统计量
双边 检验
σ2
σ
2 0
σ2
得s=0.007欧姆.设总体服从正态分布，参数均未知，
问在显著性水平α=0.05下，能否认为这批导线的
标准差显著地偏大？
解: s2 0.0072 0.0052
原假设 H 0 : σ 2 0.0052，备择假设 H1 : σ 2 0.0052
检验统计量： χ 2 (n 1)S 2
σ2
拒绝域：
第二节 正态总体的假设检验
一、单一正态总体均值μ的假设检验
二、单一正态总体方差σ2的假设检验 三、两个正态总体均值的假设检验 四、两个正态总体方差的假设检验
一、单一正态总体均值μ的假设检验
设总体X~N (, 2). X1 , X2 , … , Xn是取自X的样本，
样本均值 X样，本方差S2
1．已知
T t（α n 1）
例1. 设某次考试的考生的成绩服从正态分布，从中随
机地抽取36位考生的成绩，算得平均成绩为66.5分，标 准差为15分，问在显著性水平0.05下，是否可以认为在 这次考试中全体考生的平均成绩为70分？
第二节 正态总体均值的假设检验
σ
~ N(0,1)
n
（σ 2 已知)
原假设 备择假设 检验统计量及其在 H0为真时的分布 H0 H1
=0 ≠0
X 0 T= ~ T(n 1) S n
接受域
x 0 s n
≤ tα
（σ 2未知）
2
待估参数
枢轴量及其分布 置信区间
X 0 T= ~ T(n 1) S n
( x tα
2
= 0 ≥ 0 ≤ 0
≠ 0 < 0 > 0
U=
X 0
σ
U ≥ zα
2
n
U ≤ zα
N(0,1)
U ≥ zα
未知) T 检验法 (σ2 未知) 原假设 备择假设 检验统计量及其 H0 H1 H0为真时的分布 拒绝域
= 0 ≥ 0 ≤ 0
≠ 0 < 0 > 0
X 0 T= S n ~ t(n 1)
（2）关于 σ
2
χ2检验法 的检验
拒绝域
原假设 备择假设 检验统计量及其在 H1 H0为真时的分布 H0
σ
2=σ 2 0
σ
2≠σ 2 0
χ =
2
∑(X )
i=1 i
n
χ ≤ χ (n)
2 2 1α 2
2
或 χ 2 ≥ χα2 (n)
2
σ 2≥σ 02 σ 2<σ 02
σ
2 0
~ χ (n)
2
χ ≤ χ (n)
(1) 关于均值差 1 – 2 的检验
原假设 备择假设 检验统计量及其在 H0为真时的分布 H0 H1
1 – 2 = δ 1 – 2 ≠ δ 1 – 2 ≥ δ 1 – 2 < δ 1 – 2 ≤ δ 1 – 2 > δ
正态总体参数的假设检验matlab处理
正态总体参数的检验1 总体标准差已知时的单个正态总体均值的U检验某切割机正常工作时，切割的金属棒的长度服从正态分布N(100,4)。
从该切割机切割的一批金属棒中随机抽取15根，测得长度为：97 102 105 112 99 103 102 94 100 95 105 98 102 100 103假设总体的方差不变，试检验该切割机工作是否正常，即检验总体均值是否等于100？，取显著性水平a=0.05。
分析：这是总体标准差已知时的单个正态总体均值的检验，根据题目要求可写出如下假设：H0：u=u0=100，H1=u /=u0(u不等于u0)H0称为原假设，H1称为被择假设（或对立假设）MATLAB统计工具箱中的ztest函数用来做总体标准差已知时的单个正态总体均值的检验调用格式ztest[h,p,muci,zval]=ztest(x,mu0,Sigma,Alpha,Tail)x:是输入的观测向量mu0：假设的均值Sigma：总体标准差Alpha：显著性水平，默认0.05Tail：尾部类型变量,‘both’双侧检验（默认），u不等于uo；‘right’右侧检验，u>u0; ‘left’左侧检验,u<u0；返回值：h：假设的结果（0,1），h=0时，接受假设H0；h=1,拒绝假设H0p：检验的p值，p>Alpha时，接受原假设H0；p<=Alpha 时，拒绝原假设H0.muci：总体均值u的置信水平为1-Alpha的置信区间zval：检验统计量的观测值%定义样本观测值向量x=[97 102 105 112 99 103 102 94 100 95 105 98 102 100 103];mu0=100; %原假设中的mu0sigma=2; %总体标准差Alpha=0.05; %显著性水平%调用ztest函数做总体均值的双侧检验（默认）,%返回变量h，检验的p值，均值的置信区间muci，检验统计量的观测值zval[h,p,muci,zval]=ztest(x,mu0,sigma,Alpha)h =1p =0.0282muci =100.1212 102.1455zval =2.1947由ztest函数返回值可以看到，h=1，且p=0.0282<0.05，所以在显著性水平=0.05下拒绝的原假设H0:u=u0=100，因此认为该切割机不能正常工作，同时还返回了总体均值的置信水平为95%（1-0.05）的置信区间为[100.1212 102.1455]。
两个正态总体参数的假设检验 推导
两个正态总体参数的假设检验推导一、引言假设检验是统计学中常用的方法，用于检验两个正态总体参数是否具有显著差异。
本文将介绍两个正态总体参数的假设检验的推导过程，主要包括以下步骤：假设提出、样本收集、样本检验、推断结论、结果解释和误差分析。
二、假设提出假设检验的基本思想是通过样本数据对总体参数进行推断。
在这个过程中，首先需要提出假设，即对两个正态总体参数的关系做出假设。
通常，假设检验中包含两个假设：零假设（H0）和备择假设（H1）。
零假设通常表示两个总体参数无显著差异，备择假设则是与零假设相对的假设。
例如，我们可以在零假设中设定两个总体均数相等，备择假设则是均数不等。
三、样本收集在提出假设后，需要收集样本数据以进行检验。
样本收集应遵循随机抽样的原则，以确保样本的代表性。
在收集样本时，还需要注意样本量的大小，以保证推断结论的准确性。
四、样本检验样本检验是假设检验的核心步骤，包括计算样本统计量、确定临界值和做出推断结论等步骤。
样本统计量是根据样本数据计算出的量，用于推断总体参数。
临界值是用于判断样本统计量是否达到显著差异的标准。
在做出推断结论时，需要根据样本统计量和临界值进行比较，以确定零假设是否被拒绝。
五、推断结论根据样本检验的结果，可以做出推断结论。
如果样本统计量超过了临界值，则可以拒绝零假设，接受备择假设；否则，不能拒绝零假设。
推断结论是假设检验的关键步骤之一，要求谨慎和客观地做出判断。
六、结果解释推断结论做出后，需要对结果进行解释。
解释结果时需要关注以下几点：一是理解推断结论的含义，二是明确结果对于实践的意义，三是注意结果的局限性，即样本量和误差范围等因素对结果的影响。
结果解释要求清晰明了地传达结果的含义和应用范围。
七、误差分析误差分析是假设检验中不可或缺的一环。
误差分为两类：一类是随机误差，由随机抽样造成；另一类是系统误差，由样本设计和处理等环节造成。
误差分析的目的是评估结果的可靠性和精确性，从而确定结果在实际应用中的可信度。
正态总体的均值和方差的假设检验
12
n1
2 2
n2
~ N (0,1)
给定α 0.05,
(当H 0成立时)
由 Φ(u0.025 ) 0.975, 查表可得 uα / 2 u0.025 1.96
(3)拒绝域: W1={(x1, x2, ∙∙∙, xn, y1, y2, ∙∙∙, yn)||u| u /2=1.96},
3. μ为未知，关于σ 2的检验（χ 2检验法）
设X 1 , X 2 , , X n是来自正态总体 N ( μ, σ 2 )的一样本，
其中μ, σ 2未知，检验水平为 α，检验σ 2步骤为：
1 假设H0 : 2 0 2 , H1: 2 0 2 ;
X1 , X 2 ,, X n为来自总体X的样本，
2 2 2 2 X ~ N ( μ1 , σ1 ),Y ~ N ( μ2 , σ 2 ), σ1 60, σ 2 80,问
两台机床生产的产品重量有无显著差异( =0.05)？ 解 本题归结为检验假设
(1) H0 : 1 2 , H1: 1 2 ,
(2)取检验的统计量为 U ( X Y ) /
解 (1)
本题归结为检验假设
H 0 : μ 800,
H1 : μ 800;
40，n 9 X 800 (2)选择统计量 U 9 40
当H0成立时,U~N(0,1).
(3)给定显著性水平 = 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 }； (4) 由样本值计算U的观测值为
x 0 s / n
7-2正态总体参数的检验
一、单个正态总体均值的检验 二、两个正态总体均值差的检验 三、正态总体方差的检验
同上节) 标准要求长度是32.5毫米 毫米. 例2(同上节 某工厂生产的一种螺钉 标准要求长度是 同上节 某工厂生产的一种螺钉,标准要求长度是 毫米
实际生产的产品，其长度 假定服从正态分布N( σ 未知， 实际生产的产品，其长度X 假定服从正态分布 µ,σ2 ) ,σ2 未知， 现从该厂生产的一批产品中抽取6件 得尺寸数据如下: 现从该厂生产的一批产品中抽取 件, 得尺寸数据如下
(1)与(4); (2)与(5)的拒绝域形式相同 与 的拒绝域形式相同. 与 的拒绝域形式相同
一、单个正态总体均值的检验
是来自N( σ 的样本 的样本, 设x1,…,xn是来自 µ,σ2)的样本 关于µ的三种检验问题是 (µ0是个已知数 是个已知数)
(1) H0 : µ ≤ µ0 vs H1 : µ > µ0 (2) H0 : µ ≥ µ0 vs H1 : µ < µ0 (3) H0 : µ = µ0 vs H1 : µ ≠ µ0
对于检验问题 对于检验问题
(2) H0 : µ ≥ µ0 vs H1 : µ < µ0
x − µ0
仍选用u统计量 u = 选用 统计量 相应的拒绝域的形式为: 相应的拒绝域的形式为
取显著性水平为α 取显著性水平为α，使c满足 P 0 (u ≤ c) = α 满足 µ
由于μ = μ 0时，u ~ N(0,1),故 c = uα,如图 故 , 因此拒绝域为: 因此拒绝域为 或等价地: 或等价地 φ(x)
检 H0 : µ = µ0 vs H1 : µ ≠ µ0 验
x − µ0 s/ n
接受域为: 接受域为
单个正态总体参数的假设检验
单个正态总体参数的假设检验1.提出假设：首先，我们需要提出关于总体参数的假设。
在单个正态总体参数的情况下，我们通常对总体的均值（μ）或标准差（σ）进行假设。
2.确定显著性水平：显著性水平（α）是一个事先设定的临界值。
根据显著性水平，我们可以决定接受还是拒绝原假设。
3.构建统计量：接下来，我们需要构建一个适当的统计量来判断总体参数的假设。
在单个正态总体参数的情况下，通常使用t统计量或z统计量。
4.计算统计量的值：根据样本数据，计算所选统计量的值。
如果使用t统计量，则需要计算样本均值和标准差；如果使用z统计量，则只需计算样本均值。
5.确定拒绝域：拒绝域是根据显著性水平和统计量的分布确定的。
根据统计量的值和拒绝域的临界值，我们可以决定是否拒绝原假设。
6.做出决策：根据统计量的值和拒绝域，我们可以做出决策：接受原假设或拒绝原假设。
下面以一个具体的例子来说明单个正态总体参数的假设检验。
假设我们要检验一些公司员工的平均工资是否等于5000元。
我们从公司中随机抽取了50个员工的工资数据，假设工资数据服从正态分布。
现在我们要进行假设检验。
1.假设提出：原假设（H0）：员工的平均工资等于5000元；备择假设（H1）：员工的平均工资不等于5000元。
2.显著性水平：我们设定显著性水平为0.053.构建统计量：由于样本量较大（n=50），我们可以使用z统计量。
z统计量的计算方法为（样本均值-总体均值）/（总体标准差/根号n）。
4.计算统计量的值：假设我们计算出样本均值为4950元，总体标准差为100元。
5.确定拒绝域：由于显著性水平为0.05，我们需要找出z值对应的临界值。
在标准正态分布表中查找z=1.96对应的值，并根据原假设的双侧检验找出拒绝域的范围。
6.做出决策：根据统计量的值和拒绝域的范围，我们可以判断是否拒绝原假设。
如果统计量的值落在拒绝域之外，我们将拒绝原假设，即认为员工的平均工资不等于5000元。
- 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)。
n= 9
21.2 21.6 21.9 22.0 22.0 22.2 22.8 22.9 23.2
~
F(n 1, m 1)
F F12 (n 1, m 1)
或 F F (n 1,m 1)
2
F F1 (n 1,m 1)
12
22
2 1
>
2 2
1, 2 均未知
F F (n 1,m 1)
例3 杜鹃总是把蛋生在别的鸟巢中,现从两种 鸟巢中得到杜鹃蛋24个.其中9个来自一种鸟巢, 15 个来自另一种鸟巢, 测得杜鹃蛋的长度(mm)如下:
§7.2 正态总体参数的假设检验
一、一个正态总体
1、关于 的检验
拒绝域的推导
给定显著性水平与样本值(x1,x2,…,xn )
设 X ~N ( 2)，2 已知，需检验：
H0 : 0 ； H1 : 0
构造统计量
U
X
0
~
N (0,1)
n
P(拒绝H0|H0为真) P ( X 0 k 0 ) PH0 ( X 0 k )
上述两种解法的立场不同，因此得到不同 的结论.第一种假设是不轻易否定厂方的结论； 第二种假设是不轻易相信厂方的结论。
2、关于 2 的检验
2检验法
原假设 备择假设
H0
H1
2=
2 0
2
2 0
2
2 0
2<
2 0
检验统计量及其在 H0为真时的分布
n
(Xi )2
2 i1
2 0
~ 2(n)
拒绝域
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 ),
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
x 0.8 1.753 x 0.8 1.753 0.32 0.94
s/ n
4
现 x 0.92 0.94
故接受原假设, 即不能否定厂方断言.
解二 :H0 : 0.8 ； H1 : < 0.8
选用统计量: T X ~ T (15)
S / 16
查表得 t0.05(15) = 1.753, 故拒绝域
取统计量
2 (n 1)S 2 ~ 2(n 1)
2 0
拒绝域
0：
2
2 (n 1)
2 0.05
(24)
36.415
0
2
24 0.00066 0.00040
39.6
36.415
落在0内, 故拒绝H0. 即改革后的方差显著大于 改革前的方差, 因此下一步的改革应朝相反方向
进行.
二、两个正态总体
设 X ~ N ( 1 1 2 ), Y ~ N ( 22 2 ),
( 未知)
2 2 (n 1)
例2 ：某汽车配件厂在新工艺下对加工好的
25个活塞的直径进行测量,得样本方差S2=0.00066. 已知老工艺生产的活塞直径的方差为0.00040. 问 进一步改革的方向应如何？
解：一般进行工艺改革时, 若指标的方差显著 增大, 则改革需朝相反方向进行以减少方差；若 方差变化不显著, 则需试行别的改革方案.
w
~ T (n m 2)
12, 22未知
12
=
2 2
T t
2
T t
T t
其中
Sw
(n 1)S12 (m 1)S22 nm2
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
F
S12 S22
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 0
0 <0 >0
T X 0
S n ~ t(n 1)
拒绝域
T t
2
T t
T t
例1 :某厂生产小型马达, 其说明书上写着: 这 种小型马达在正常负载下平均消耗电流不会 超过0.8 安培.
现随机抽取16台马达试验, 求得平均消耗 电流为0.92安培, 消耗电流的标准差为0.32安 培.
2
1
2
(n)
或
2
2
(n)
2
2
2 1
(n)
2
2 0
2>
2 0
( 已知)
2 2 (n)
原假设 H0
2=
2 0
2
2 0
备择假设 H1
2
2 0
2<
2 0
检验统计量及其在 H0为真时的分布
2
(n
1)S
2 0
2
~ 2 (n 1)
拒绝域
2
2
1
2
(n
1)
或
2
2
(n
1)
2
2
2 1
(n
1)
2
2 0
2>
2 0
1–2= 1–2 1–2 1–2 < 1–2 1–2>
U X Y
2 1
2 2
nm
~ N (0,1)
( 12，22 已知)
U z
2
U z
U z
原假设 备择假设 检验统计量及其在
H0
H1HBiblioteka 为真时的分布拒绝域1–2 = 1–2 1–2 –2 < 1–2 1–2 >
T X Y
1 n
1S m
PH0 (
X 0
k
) PH0 (
X 0
Z )
2
n
n
n
取k Z
2n
所以本检验的拒绝域为
U z
2
U 检验法
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 0 <0
~ N (0,1) n
U
X 0
拒绝域
U z
2
U z
0 >0
U z
假设马达所消耗的电流服从正态分布,
取显著性水平为 = 0.05, 问根据这个样本,
能否否定厂方的断言?
解: 根据题意待检假设可设为
H0 : 0.8 ； H1 : > 0.8 未知, 故选检验统计量:
T X ~ T (15)
S / 16
查表得 t0.05(15) = 1.753, 故拒绝域为
设测量值 X ~ N( , 2 ) 2 0.00040
需考察改革后活塞直径的方差是否步大于改革前 的方差？故待检验假设可设为：
H0 : 2 0.00040 ； H1 : 2 > 0.00040.
此时可采用效果相同的单边假设检验
H0 : 2 = 0.00040 ； H1 : 2 > 0.00040.
x 0.8 1.753 x 0.8 1.753 0.32 0.66
s/ n
4
现 x 0.92 0.66
故接受原假设, 即否定厂方断言.
由例1可见: 对问题的提法不同(把哪个假 设作为原假设),统计检验的结果也会不同。
由于假设检验是控制犯第一类错误的概率, 使得拒绝原假设 H0 的决策变得比较慎重, 也就 是 H0 得到特别的保护. 因而, 通常把有把握的, 经验的结论作为原假设, 或者尽量使后果严重 的错误成为第一类错误.