正态总体均值和方差的假设检验.pptVIP

(例题分析) H0 ：? = 0.150 H1 ：? ? 0.150 ? = 0.1 n = 75 临界值(c): (例题分析) H0 ：? = 0.10 H1 ：? ? 0.10 ? = 0.05 n = 5 临界值(c): (例题分析) H0 ：?1- ?2 = 4 H1 ： ?1- ?2 ≠4 ? = 0.05 n1 = 8， n2 = 7 临界值(c): * §8.2正态总体均值和方差的假设检验 F 检验 用 F分布 一般说来，按照检验所用的统计量的分布, 分为 U 检验 用正态分布 t 检验 用 t 分布 检验 用 分布 这一节我们讨论正态总体的参数的假设检验问题 参数检验 数学期望 方差 (U检验法) (t 检验法) ?2检验法 (单正态总体) F检验法 (双正态总体) 1、?2已知的情形—U检验 一、正态总体均值的检验 问题：总体 X~ N( ? , ?2)，?2已知 检验假设 H0：?=?0；H1：?≠?0 选取检验统计量 确定拒绝域 H0为真时 的拒绝域 的接受域 如果统计量的观测值 则拒绝原假设；否则接受原假设 确定拒绝域 例1 假设某装配车间由加工车间供应钢轴，长期积累的数据资料表明钢轴直径ξ服从正态分布，其标准差σ0=0.012厘米。根据设计要求，钢轴的直径应该是μ0=0.150厘米，而且既不希望低于也不希望高于此规格，否则拒收。现从一大批钢轴中抽验了75件，测得它们的直径平均值为0.154厘米，问保证每批合格品被拒收的概率不大于10％的前提下，应该接受还是拒收这批产品？(P164, 例1) 解 假设检验 选取检验统计量 拒绝域为 查表得 计算得 落入拒绝域内，因此拒绝H0 ，即认为这批钢轴是不合格的。 当H0成立时 检验统计量: z 0 1.645 -1.645 0.05 拒绝 H0 拒绝 H0 0.05 结论: 有证据表明这批钢轴是不合格的 因为：uuα/2 决策: 拒绝H0 问题：总体 X~ N(?，?2)，?2未知 假设 H0：?=?0；H1：?≠?0 选取检验统计量 由 确定拒绝域 2、?2未知的情形— t检验 H0为真时 的拒绝域 的接受域 如果统计量的观测值 则拒绝原假设；否则接受原假设 确定拒绝域 例2 某种片剂药物中成分A的含量规定为10％，现抽验该药物一批成品中的五个片剂，测得其中成分A的含量分别为0.1090，0.0945，0.1038，0.0961，0.0992，假设该药物中成分A的含量X服从正态分布，问在5％的显著性水平下，抽验结果是否与片剂中成分A的含量为10％要求相符？（P165，例2） 解 依题意，该批药物中成分A的含量X服从正态分布N(μ ,σ2)，其中μ，σ2均为未知。问题化为在α＝0.05的显著性水平下的检验假设 H0:μ=0.10, H1:μ≠0.10 检验统计量为 当H0成立时，拒绝域为 W={ |t| ≥ t?/2(n ?1) } n＝5，计算可得样本均值和样本方差 计算得t＝0.1970 查表得t?/2 (4) =t0.025(4)=2.7764 由于|t|＝0.1970 t?/2(4) =2.7764 没有落入拒绝域，故没有理由拒绝H0，即认为该批药物片剂中成分A的含量与规定含量10％相符。 检验统计量: t 0 2.7764 -2.7764 0.025 拒绝 H0 拒绝 H0 0.025 结论:样本提供的证据还不足以推翻“该批药物片剂中成分A的含量与规定含量10％相符”的看法 因为：ttα/2(4) 决策: 接受H0 3、两个正态总体均值差的检验 设 是来自 的样本, 是来自 的样本,它们相互独立 分别是两个总体的均值与方差 （1）. 当 未知时 ( t 检验 ) 为已知常数，显著水平为 检验假设: 选取检验统计量 同单个总体的讨论类似，有： 其中： H0为真时 在显著性水平 下, 的拒绝域: 如果统计量的观测值 则拒绝原假设；否则接受原假设 检验假设: 为已知常数，显著水平为 （2）. 当 已知时 ( U 检验 ) 选取检验统计量 同单个正态总体的讨论类似，有: H0为真时 在显著性水平 下, 的拒绝域: 如果统计量的观测值 则拒绝原假设；否则接受原假设 例3 从人群中任选8名成年男子和7名成年女子做膝关节反射