ch03-假设检验.pptVIP

2. 总体均值的置信区间 【例3-8】仍然考虑例3-3中的样本数据。假定其中数据使用如下数据步存放在数据集sjcj中，两套试卷得分的变量名分别为A和B。 data sjcj; input A B@@; cards; 78 71 63 44 72 61 89 84 91 74 49 51 68 55 76 60 85 77 55 39 ; run; 【例3-8】仍然考虑例3-3中的样本数据。假定其中数据使用如下数据步存放在数据集sjcj中，两套试卷得分的变量名分别为A和B。 使用最简代码求均值、标准差的置信区间： proc ttest data = sjcj; run; 代码运行结果给出两个变量在95%置信水平下的均值、标准差的置信区间，以及对原假设μ0= 0所作的t检验的p值，如图所示。 3. 单样本总体均值的假设检验 在例3-8中增加原假设选项以及置信水平，代码如下： proc ttest h0=70 alpha = 0.01 data=sjcj; var A; run; 代码运行结果除了给出变量A在99%置信水平下的均值、标准差的置信区间外，还给出对假设μ0 = 70，所作的t-检验的p值，如图3-15所示。 结果显示t统计量的p值 = 0.5734，不能拒绝（57.34%的把握）原假设：均值 = 70。 4. 配对两样本均值的假设检验 在例3-8中检验两套试卷有无显著差异，代码如下： proc ttest data=sjcj; paired A*B; run; 代码运行结果给出了对原假设μ1 – μ2 = 0所作的t检验的p值，如图3-16所示。 结果显示t统计量的p值 = 0.0005 0.05，因此拒绝原假设。说明两套试卷有显著差异。 5. 独立两样本均值的假设检验 过程TTEST还可以用于进行独立双样本均值比较的t检验法。它的用法为 PROC TTEST DATA = 数据集名; CLASS 分组变量名; VAR 分析变量名列; RUN; 使用这一格式要求将两个样本中被比较均值的变量的观测值记在同一分析变量下，不同的样本用另一个分类变量的不同值加以区分，而且分类变量只能取两个值，否则将报错。 【例3-9】仍然考虑例3-7中的样本数据。假定其中数据使用如下数据步存放在数据集zzcpsj中： data zzcpsj; input f g$@@; cards; 28.3 1 27.6 2 30.1 1 22.2 2 29 1 31 2 37.6 1 33.8 2 32.1 1 20 2 28.8 1 30.2 2 36 1 31.7 2 37.2 1 26 2 38.5 1 32 2 34.4 1 31.2 2 28 1 30 1 ; run; 将两批工人的测量结果看作两个样本，但其数据都放在一个数据集之中，所需的时间值是记录在同一分析变量f之下，而两种方法的差别是由变量g的值加以区分的，所以g可作为分类变量。检验代码如下： proc ttest data=zzcpsj; class g; var f; run; 检验结果如图。 在检验中，先看其最后关于方差等式的检验结果，检验方差相等是用的F 统计量，其数值为1.29，相应的p值为0.6779＞0.05 = α，所以不能拒绝方差相等的假设。 在方差相等的前提下，检验均值差异使用Pooled方法，对应统计量的t值为2.16，相应的p值为0.0433＜0.05 = α，所以两种方法所需的时间是有显著差异的。 在异方差的情况下，使用Satterthwaite法检验均值的差异。 作业 习题5 习题7 武汉大学计算机学院 武汉大学计算机学院 第三章 区间估计与假设检验 武汉大学计算机学院 区间估计与假设检验 3.1 区间估计与假设检验的基本概念 3.2 总体均值的区间估计与假设检验的SAS实现 3.3 总体比例的区间估计与假设检验的SAS实现 3.4 总体方差的区间估计与假设检验的SAS实现 3.5 分布检验 3.1.2 假设检验 1. 假设检验的基本原理 对总体参数进行假设检验时，首先要给定一个原假设H0，H0是关于总体参数的表述，与此同时存在一个与H0相对立的备择假设H1，H0与H1有且仅有一个成立；经过一次抽样，若发生了小概率事件（通常把概率小于0.05的事件称为小概率事件），可以依据“小概率事件在一次实验中几乎不可能发生”的理由，怀疑原假设不真，作出拒绝原假设H0，接受H1的决定；反之，若小概率事件没有发生，就没有理由拒绝H0，从而应作出拒绝H1的决定。 2. 假设检验的步骤 根据问题确立原假设H0和备选假