统计学_2分析.ppt

* * 一个总体比例的检验 (例题分析) H0: ? = 14.7% H1: ? ? 14.7% ? = 0.05 n = 400 临界值(s): 检验统计量: 在? = 0.05的水平上不拒绝H0 该市老年人口比重为14.7% 决策: 结论: Z 0 1.96 -1.96 .025 拒绝 H0 拒绝 H0 .025 * 二、两个正态总体下的均值假设检验 设：获得来自两个正态总体的相互独立的样本观察值：x1，x2，…，xn1与y1，y2，…，yn2，且已知总体方差 ?12和?22 ，进行总体均值?1与?2差异的假设检验 可选择z统计量进行检验： 实例：[6-6] * 未知总体方差 ?12和?22 ，检验H0:?1= ?2 第一步： 第二步： H0:?21= ?22， H1:?21 ? ?22 SPSS把这个检验称为Levene检验 H0:?1= ?2 H1: ?1 ? ?2 根据方差齐性检验的结果，选择不同的检验统计量T进行检验。 * 总体分布未知、大样本情形： 已知总体方差 ?12和?22 可选择z统计量进行检验： 实例：[例6-7] * 三、配对样本的T检验 若两个总体服从正态分布（如果不服从正态分布，要求大样本情形），在实验中，数据都是成对出现的，用配对样本t检验来处理： 令ui=xi-yi(i=1,2,…,n)，用单样本的检验方法，检验ui均值与0是否有显著差异，从而得出两个总体的均值是否有显著差异。 * 独立样本存放方式 配对样本存放方式： 数值变量 分类变量 变量x 变量y 数字1 x x1 y1 数字2 x x2 y2 … … … … 数字n x xn yn 数字n+1 y 数字n+2 y … … 数字n+m y * 第三节 总体成数的假设检验 大样本情形(一般应满足np5，n(1-p)5) ： H0:P?P0 H1:PP0 统计量 拒绝域：(Z?，?） 例:[6-9] * 实例： 一个卖男士衬衣的邮购店，从过去的经验中总结出有15%的购买者说衬衣的大小不合身，要求退货。现在这家邮购店改进了邮购定单的设计，结果在接下来售出的500件衬衣中，有60件要求退货，问在5%的水平下，改进后的退货比例与原来的退货比例是否有显著差异？ * 解：np=755,n(1-p)=4255 H0:P?0.15 H1:P0.15 P=60/500=0.12 查表：Z?=1.645, Z- Z?, 拒绝H0 邮购定单的改进设计有效 * 两个总体成数之差的假设检验 获得来自两个总体的相互独立的样本观察值：x1，x2，…，xn1与y1，y2，…，yn2，检验两总体中具有某种特性的比例P1与P2是否有显著差异，选择检验统计量： 实例：例[6-11] * 第四节 正态总体方差?2的假设检验（检验水平?） 原假设H0 H0下的检验统计量及分布 备择假设H1 H0的拒绝域 * 实例： 某厂商生产出一种新型的饮料装瓶机器，按设计要求，该机器装一瓶一升(1000cm3)的饮料误差上下不超过1cm3。如果达到设计要求，表明机器的稳定性非常好。现从该机器装完的产品中随机抽取25瓶，分别进行测定(用样本减1000cm3)，得到如下结果。检验该机器的性能是否达到设计要求 (?=0.05) 0.3 -0.4 -0.7 1.4 -0.6 -0.3 -1.5 0.6 -0.9 1.3 -1.3 0.7 1 -0.5 0 -0.6 0.7 -1.5 -0.2 -1.9 -0.5 1 -0.2 -0.6 1.1 绿色 健康饮品 绿色 健康饮品 * 例题分析 H0: ?2 ?1 H1: ?2 1 ? = 0.05 df = 25 - 1 = 24 临界值(s): 统计量: 在 ? = 0.05的水平上不能拒绝H0 可以认为该机器的性能达到设计要求 决策: 结论: ?2 0 36.4151 ? =.05