09第九章假设检验分析.ppt

（二）总体满足正态分布N（μ，σ2），且方差σ2未知，小样本（n＜30）时，统计量 于是，对总体均值μ的检验应采取t检验法。 其中，S为样本标准差 原假设：H0：μ＝μ0 备择假设：H1：μ≠μ0 检验统计量： 拒绝域： 双侧检验 例7：某种板材的厚度要求为5 mm，为了解板材生产设备的状况，随机抽取了18 块板材进行检查，测得其厚度资料如下： 已知板材厚度服从正态分布，试以0.05的显著性水平检验生产设备性能是否良好。 5.05 5.11 5.01 4.86 4.93 4.96 5.03 4.69 4.80 4.99 5.03 5.02 4.91 4.87 4.91 4.89 4.91 4.60 解：这是一个双侧检验的问题，可建立假设如下： H0：μ＝5 mm H1：μ≠5 mm 根据已知条件，选择检验统计量 根据样本数据，可计算出样本均值 =4.92 mm，样本标准差S=0.128 mm，则检验统计量的值为t=-2.632。 当显著性水平α＝0.05，自由度n－1＝17时，查t分布表可知双侧检验临界值为tα/2（17）＝2.1098。显然检验统计量的值落入拒绝域之内，因此要拒绝原假设，接受备择假设，说明该生产设备的性能不好。 原假设：H0：μ≤μ0 备择假设：H1：μ＞μ0 检验统计量： 拒绝域：t＞tα（n－1） 右侧检验 例8：从某种蔬菜中随机抽取9件样品检测其农药含量，测得某种农药成分的平均值为0.325 mg/kg，标准差为0.068 mg/kg，国家卫生标准规定，蔬菜中农药残留量应0.3 mg/kg。假定蔬菜中该种农药残留量服从正态分布，问该种蔬菜中农药残留量是否超标（α＝0.05）？ 解：根据题意可建立假设如下： H0：μ≤0.3 mg/kg H1：μ＞0.3 mg/kg 由已知条件可知，应进行右侧t检验，检验统计量 根据t分布表可知，当显著性水平α＝0.05时，右侧检验临界值为tα（8）＝1.86，即拒绝域为（1.86，∞）。 根据样本数据计算得检验统计量的值为1.1029＜1.86，即落入接受域内，故要接受原假设H0：μ＝0.3 mg/kg ，即没有充分的证据证明这种蔬菜中农药残留量超标。 原假设：H0：μ≥μ0 备择假设：H1：μ＜μ0 检验统计量： 拒绝域：t-tα（n－1） 左侧检验 t检验也可借助于Excel中的TDIST函数计算出P值进行检验： ①打开Excel表格，点击“f（x）”命令。 ②在函数分类中点击“统计”，并在函数名菜单下选择“TDIST”，然后确定。 ③在出现的对话框中，X一栏填入检验统计量t的绝对值，Deg-freedom一栏填入t分布的自由度，Tails一栏填入“1”或“2”（如果是单侧检验填入“1”，如果是双侧检验则填入“2”）。 ④在对话框填入相应数据后，在下方会自动显示“计算结果＝×××××”，此即P值。 ⑤将P值与显著性水平α对比，如果大于α则接受原假设，如果小于α则拒绝原假设而选择备择假设。 前面例子中对板材厚度进行的t检验借助于TDIST函数计算的结果见上图，P值=0.0174819650.05，故要拒绝原假设。 （三）任意总体，大样本（n≥30） 此时，根据中心极限定理可知 （总体标准差σ已知） （总体标准差σ未知，以样本标准差S代替） 或 这时，均值的检验仍采取Z检验法。 * 第九章 假设检验 第一节 假设检验的一般问题 第二节 单总体参数的假设检验 本章内容 第一节 假设检验的一般问题 假设检验（hypothesis text）是先对总体参数提出某种假设，然后进行随机抽样，并根据样本的信息来验证该假设是否成立。 假设检验可分为参数检验和非参数检验两种。参数检验是对总体的参数进行检验，可进一步区分为单总体参数检验和多总体参数检验。而非参数检验是对总体的分布形式、随机变量独立性等方面进行检验。 本章只讨论单总体均值、比例、方差等参数的检验。 一、假设检验的一般原理 假设检验的依据是小概率原理：在一个已知假设下，如果某个事件发生的概率非常小，我们通常认为，这个假设可能是不成立的。 小概率原理是对人们日常思维习惯的抽象概括。在日常生活中，人们习惯于把概率非常小的事件，当作在一次观察中是不可能出现的事件。当然，如果我们认为某个事件是小概率事件，但在一次观察中却发生了，合理的解释自然是我们原来的看法有问题，也就是说，我们原来认定的事件可能并不是小概率事件。 例1：ProCare Industries，Ltd.曾经提供了一种