Minitab区间估计和假设检验教程分析.pptVIP

区间估计和假设检验 利用样本的信息对总体的特征进行统计推断。通常包括两方面：一类是进行估计，包括参数估计、分布函数的估计以及密度函数的估计等； 另一类是进行检验。主要介绍利用Minitab对正态总体参数进行区间估计和假设检验，其次再来介绍对观测数据的正态性进行检验，最后介绍一些常用的非参数检验方法 假设检验是从样本特征出发去判断关于总体分布的某种“看法”是否成立。 一般步骤为 : 单正态总体的参数的假设检验 单正态总体的参数的假设检验 两正态总体的参数的假设检验 两正态总体的参数的假设检验 两正态总体的参数的假设检验 两正态总体的参数的假设检验 参数的置信区间 营养学家选择随机的 13 瓶食用油样本，以确定饱和脂肪的平均百分比是否不同于宣传的 15%。以前的研究表明，总体标准差为 2.6% 数据： 食用油.MTW 对随机选择的 15 个美国高收入家庭的能量消费进行了度量，以确定平均消费是否不同于发布值 $1080。 数据： 能源.MTW 一个健康管理机构具有两个医院以前的患者的满意度样本，并想知道是否对一个医院的评价高于另一个医院。该信息将用于查阅患者并为医院改进提供建议。这两个样本的方差非常接近，因此将对该检验使用合并标准差。 数据： 医院满意度.MTW 一位生理学家想确定某种类型的赛跑计划是否对稳定心率有影响。对随机选择的 15 个人测量了心率。然后对其实施该赛跑计划，并在一年后再次测量心率。因此，对每个人前后进行的两次测量构成一个观测值对。 ?数据： 赛跑.MTW 非正态总体或近似正态总体参数假设检验 单比率检验：似然比检验（基于二项分布）、正态近似检验 双比率检验：Fisher检验（基于超几何分布）、正态近似检验（合并参数或不合并参数检验统计量） 单Poisson率检验：似然比检验（基于Poisson分布）、正态近似检验 双Poisson率检验：基于二项分布的检验、正态近似检验（合并参数或不合并参数） 直接邮件公司想确定邮寄的广告是否使响应率与国家平均值 6.5% 不同。随机选择 1000 个家庭的样本，来接收此新产品的广告。在抽样的 1000 个家庭中，87 个家庭采购了该产品。研究人员决定使用基于正态分布的检验和区间。 大学的财政援助办公室对其大学生进行调查，确定男生还是女生更可能获得暑假职业。在抽样的 802 名男生中，725 人在暑假被雇佣，而抽样的 712 名女生中有 573 人被雇佣。 单样本 Poisson 率 Poisson 过程描述某一事件在给定时间、面积、量或其他观测值空间内的出现次数。 例如，汽车制造商取 50 辆车作为样本，并对每个车盖上的擦痕进行计数；客户服务中心每天接听的电话数；10 米长导线的缺陷数 单样本 Poisson 率过程将计算置信区间，并对单样本 Poisson 模型中的出现率进行假设检验。 单样本Poisson率检验 在过去的 30 天内，城市公共运输公司计算了客户投诉数目。该公司想确定每日投诉率的置信区间。 ? 数据： 故障.MTW 双样本 Poisson 率 双样本 Poisson 率过程执行假设检验，并计算两个 Poisson 模型的出现率之间差值的置信区间。 双样本Poisson率 您是邮政服务的分析员，您要对两个邮局分支机构进行比较，以确定哪个机构的客户每日到访率更高。您对 40 个工作日内 (9:00 a.m.–5:00 p.m.) 进入每个分支机构的客户数进行计数，并使用双样本 Poisson 率函数比较每个分支机构的客户到访数。 ? 数据： 邮局.MTW 单方差 “单方差”命令分析来自总体的单个样本，并为该总体的标准差和方差计算置信区间。它还以可选的假设检验为特征，来确定未知的总体标准差或方差是否等于用户指定的值。例如，此检验在确定方差是否不同于行业标准时很有用。 方法：卡方方法仅适用于正态分布。 Bonett?方法适用于任何连续分布。 木材厂的经理要分析锯木机的性能。设计了一台锯木机，以生产刚好为 100 cm 长的梁。经理决定要分析这些长度的方差，以便更好地了解该设备的精度。经理取 50 个梁作为样本，以厘米为单位测量其长度，并使用单方差检验分析此单个总体的方差。 ? 数据： 锯木机.MTW 双方差置信区间和检验 双方差置信区间和检验过程用于根据两个独立的随机样本中的数据对两个总体比率之间的标准差和方差的相等性进行推断。 Minitab 计算两个总体方差和标准差之间比率的假设检验和置信区间；如果比率为 1，则表明两个总体相等。 包括方差分析在内的许多统计过程都假定不同总体具有相同的方差 。使用双方差可以确定相等方差的假设是否有效。 最近的研究对在两种道路上驾驶的司机进行了比较。每位司机在两种道路的其中一种上驾驶：一级公路 (