假设检验及总结.xlsVIP

假设检验工具要点 样本率差异检验 双样本等方差假设的均值差检验 F检验 双样本方差 成对双样本t-检验 方差检验 比例检验 标准差未知t z单侧检验 习题 Z双侧检验 假设检验的基本思想 分析一种新体育疗法是否对减肥具有减肥显著作用。现随机抽机了12位病人进行试验，试验前后测得体重如下： 治疗前x 治疗后y t-检验: 成对双样本均值分析 治疗前x 治疗后y 平均 方差 观测值 泊松相关系数 假设平均差 df t Stat P(T=t) 单尾 t 单尾临界 P(T=t) 双尾 t 双尾临界 分析检验结果可以看出，样本的t统计量等4.745664，大于t双边临界值2 即|t|=40.05/2(11)=2所以拒绝原假设H0， 即在置信度为0.05的情况下，新体育疗法前后的数据有显著差异。 操作方法外，其他条件都尽可能做到相同。先用标准方法生产一批，然后用建议的新方法生产一批，以后交替进行，各生产了10批零件，其产品优质率分别为： 在机床上进行一项试验以确定改变操作方法的建议是否会增加产品的优质率，是否会改变产品优质率的波动性，试验是在同一机床上进行的。每生产一批零件时除 标准方法 新方法 假设检验就是根据样本的信息来判断总体分布是否具有指定的特征。例如，已知样本来自正态总体，那么是否说明它是来自均值等μ0的正态分布。 处理假设检验问题的一般步骤是： 2、给定显著性水平α和样本容量n（α的值视具体情况而定，通常取0.1、0.05、0.001及0.0005等值） 3、确定检验统计量和拒绝域的形式。 5、根据样本观测值所求出的统计量确定是接受还是拒绝原假设H0。 4、按P｛拒绝H0/H0为真｝=α求出拒绝域。 假设治疗前后，除参加了这种新体育疗法外，其余的一切条件都尽可能做到相同。 两个正态总体的均值差和方差的假设检验问题 有时为了比较两种产品、两种仪器、两种方法等的差异，常在相同的条件下作对比试验，得到一批成对的观察值，然后分析观察数据作出推断。 在假设检验中利用t统计量进行检验，因而称为基于成对数据的t检验或成对观测值t检验。 本例就是属于对观测值t检验问题。对于这类假设检验，理论上是这样处理的。 假设d1,d2,……dn，来自正态总体N(μd, σ2)均属未知。若新体育疗法对体重没有什么影响，则治疗前后各对数据的差异d1,d2,……dn属随机误差。 而随机误差可以认为服从均值为0的正态分布。因此检验新体育疗法是否对减肥具有显著作用，就归结为在显著性水平α下，检验假设： 检验统计量为服从t分布的统计量： H1：μd ≠0 检验的拒绝域：对于给定的α，当 |t| tα/2(n-1)时拒绝假设H0。 其中：μx为试验前观测样本x的均值，μy为试验观测样本y的均值，μd为成对观察样本d的均值； 和 分别为成对观测样本的样本均值和样本方差。 问建议的新操作方法能否提高产品优质率，以及建议的新操作方法是否会改变产品优质率的波动性？ 设这两个样本相互独立，且分别来自正态总体N(μ1， )和N(μ2， ) ，μ1，μ2， ， 均未知。 这就是一个典型的双样本假设检验问题。下面分双样本方差检验和双样本均值差检验来讨论。 1、双样本方差的F检验 波动性，就归结为检验假设（显著性水平α): μ1，μ2， ， 均未知。且这两个样本相互独立，其样本方差分别为 ， 。本例要检验建议的新操作方法是否会改变产品优质率的 H0： = H1： ≠ 检验统计量为服从F分布的统计量： 设x1,x2,……xn1（标准方法观察值）是来自正态总体N(μ1， )的样本，y1,y2,……yn2（新方法观察值）是来自正态总体N(μ2， )的样本， （当H0为真时，即当 = 时取F= / 为检验统计量） 检验拒绝域：对于给定的α，当 或 F≥Fα/2(n1-1, n2-1) F≥Fα/2(n1-1, n2-1)= 先由n对观测值之差构成成对观测样本d1,d2,……dn，其中di=xi-yi，xi为试验前的观测样本，yi为试验后的观测样本。 H0：μd = 0 (即μx =μy) (即μx≠μy) 时，拒绝假设H0。 标准方法 新方法 则有： 与标准方法相比两种方法的产品优质率的波动性并没有显著变化。 F-检验 双样本方差分析 F P(F=f) 单尾 F 单尾临界 分析检验结果可知，Excel 2000只提供了F检验的单尾临界值， 而本例属于双边假设检验问题，因此需要读者自己查找双尾临界值。 查F分布表得（α=0.05, n1=10,