项目八 假设检、回归分析与方差分析.docVIP

项目八 假设检验、回归分析与方差分析 实验1 假设检验 实验目的 掌握用Mathematica作单正态总体均值、方差的假设检验, 双正态总体的均值差、方差比的假设检验方法, 了解用Mathematica作分布拟合函数检验的方法. 单正态总体均值的假设检验(方差已知情形) 例1.1 (教材 例1.1) 某车间生产钢丝, 用表示钢丝的折断力, 由经验判断, 其中, 今换了一批材料, 从性能上看, 估计折断力的方差不会有什么变化(即仍有), 但不知折断力的均值和原先有无差别. 现抽得样本, 测得其折断力为 578 572 570 568 572 570 570 572 596 584 取试检验折断力均值有无变化? 根据题意, 要对均值作双侧假设检验 输入 Statistics\HypothesisTests.m 执行后, 再输入 data1={578,572,570,568,572,570,570,572,596,584}; MeanTest[data1,570,SignificanceLevel-0.05, KnownVariance-64,TwoSided-True,FullReport-True] (*检验均值, 显著性水平, 方差已知*) 则输出结果 {FullReport- Mean TestStat Distribution 575.2 2.05548 NormalDistribution[] TwoSidedPValue-0.0398326, Reject null hypothesis at significance level -0.05} 即结果给出检验报告: 样本均值, 所用的检验统计量为统计量(正态分布),检验统计量的观测值为2.05548, 双侧检验的值为0.0398326, 在显著性水平下, 拒绝原假设, 即认为折断力的均值发生了变化. 例1.2 (教材 例1.2) 有一工厂生产一种灯管, 已知灯管的寿命X服从正态分布, 根据以往的生产经验, 知道灯管的平均寿命不会超过1500小时. 为了提高灯管的平均寿命, 工厂采用了新的工艺. 为了弄清楚新工艺是否真的能提高灯管的平均寿命,他们测试了采用新工艺生产的25只灯管的寿命. 其平均值是1575小时, 尽管样本的平均值大于1500小时, 试问: 可否由此判定这恰是新工艺的效应, 而非偶然的原因使得抽出的这25只灯管的平均寿命较长呢? 根据题意, 需对均值的作单侧假设检验 检验的统计量为 , 输入 p1=NormalPValue[(1575-1500)/200*Sqrt[25]] ResultOfTest[p1[[2]],SignificanceLevel -0.05,FullReport -True] 执行后的输出结果为 OneSidedPValue -0.0303964 {OneSidedPValue-0.0303964, Fail to reject null hypothesis at significance level -0.05} 即输出结果拒绝原假设 单正态总体均值的假设检验(方差未知情形) 例1.3 (教材 例1.3) 水泥厂用自动包装机包装水泥, 每袋额定重量是50kg, 某日开工后随机抽查了9袋, 称得重量如下: 49.6 49.3 50.1 50.0 49.2 49.9 49.8 51.0 50.2 设每袋重量服从正态分布, 问包装机工作是否正常()? 根据题意, 要对均值作双侧假设检验: 输入 data2={49.6,49.3,50.1,50.0,49.2,49.9,49.8,51.0,50.2}; MeanTest[data2,50.0,SignificanceLevel -0.05,FullReport -True] (*单边检验且未知方差,故选项TwoSided,KnownVariance均采用缺省值*) 执行后的输出结果为 {FullReport- Mean TestStat Distribution, 49.9 -0.559503 StudentTDistribution[8] OneSidedPValue -0.295567, Fail to reject null hypothesis at significance level -0.05} 即结果给出检验报告: 样本均值, 所用的检验统计量为自由度8的分布(检验),检验统计量的观测值为-0.559