两个统计总体比的较.docxVIP

第六章总体的比较到目前为止我们已经讨论了来自一个单一样本的数据分析。在许多环境下，我们需要比较2个或者多个总体。我们可以比较两个生产过程的平均值以及方差，去看看其中一个过程是否比另一个更加一致或精确。我们可以比较一个新的过程和标准过程，或者许多过程，去了解是否存在差异。在这一章中,我们将首先检查两个总体的比较问题，然后通过方差分析(ANOVA)表提出一个通用程序来比较任意数量的总体。6.1 两个一直均值和方差的比较假定我们有兴趣比较两个过程的平均值，其中我们认为观察值来自同一个总体。是来自第j总体的第i观察值，是这个总体的平均值，表示第j个总体中第i个观察值发生随机误差的概率。因此，这个问题的模型：其中，我们通常假定这些错误是独立的，同时服从平均值为0以及方差为的正态分布。正在研究的过程 可能有不同的平均值，因为他们代表不同的处理方法，如两种化学添加剂、两个分析测量设备,或两个操作计划。由于方差已知，通过标准正态变量我们可以用中心极限定理比较不同的处理方法；让， (6.1.1)其中是来自第j个处理方法的个观察值得平均值，是已知的方差。为了保证这些观察值得独立性，它们是随机抽取而获得的。因此，统计量的方差是。为了测验0假设：=0（或者是其它的值），或者是为了计算的置信区间。我们只需要参考标准正态偏差表。例 6.1 假设认为通过改变高速钻所在的冷却液流动速度可以使工具得寿命增加。为了检验这个假设，应用标准流动速率（过程1）能够得到7个观察值，同时从新的流动速率（过程2）中得到6个观察值，所有的13种试验随机排列。结果如下：由于-1.74比-1.645小很多(Pr(z-1.645) = 0.05),流动度率对工件寿命无影响的假设不成立。这个推理是基于一个显著性水平为5%单边的假设检验（I型错误概率）。6.2 两个方差的比较我们还可以检验两个方差是否相同。假设两个来源的观察值服从正态分布。其中一个处理过程比另一个更容易变化吗？更精确或者可以重复使用吗？要回答这些问题，我们首先应该估计每一个过程的方差，如下：每一个都服从分布，.为了检验0假设:,我们需要建立一个检验统计。我们用分布去检验一个独立方差的假设。要检验两个方差的相等性，我们使用检验统计，这个检验统计服从F分布。定义： 其中是含有2个变量的F分布。是所涉及比例的2个分布的自由度，雨分子相关和与分母相关由此可见：即，如果，服从的自由分布。因此，当：（即=1），检验统计服从自由度为的F分布。图 6.1 F分布从分布中期望获得什么样合理的值？一个处理左边尾部的F分布的有用的关系式如下：例 6.2返回到例6.1中工具寿命的问题，为比例方差建立一个90%的置信区间。假设估计的方差是：然后转换不等式的符号：从F分布图中可以看出，.0.067 1.45因此，我们能够相信置信度为90时坐落于0.067和1.45之间。于是，可以接受的假设。比较两个方差的标准近似法是把较大的值放在分子上，然后只测试：(其中).通过这种近似法，我们通过比较与相反的=4.39来检验与：=1相反的。然后我们就可以接受。（这是一个单边5%的测试，或者等价于一个双边10%的测试）。观察值得正常假设可以用来构建这种测试。通过比较不同的方差，偏离正态分布的方差可能引起重大的错误，这种错误会导致接受不相等的方差作为相等的方差，反之亦然。因此，在比较方差的时候，因该多加注意，特别是在认识与方差分布有关的问题上。6.3 两个未知的平均值和方差的比较当两个方差已知，在比较两个过程方式的不同时，这两个方差是否相等没有区别。我们简单地计算出相应的标准正态值，并把其与临界值进行比较。当方差未知时，我们继续像我们单一总体一样处理；即，我们用估计值代替，用t代替z. 然而,正如我们将要看到的,不相等的方差导致某些额外的困难。我们应该假设方差是相等的。这通常是一个合理的假设，因为数据的方差即是所涉及的错误的方差，Var(xij) = Var ( + ) = Var ().尽管过程可能已经被改变，我们通常还是用同样的设备和程序来获得数据，这些错误有时会大于过程可变性中的偏差。6 .3. 1 t分布检验，方差相等在比较2个总体的方法 上，其中，我们用下式：其中，是自由度为的t分布，因为这些自由度在因为这些自由度在联合估计方差中；如果的假设成立，然后我们期望的观察值尽可能的与不同。因此，同意参数的两个独立的估计是可用的,同时可以合并。由于在个体估计中有两个自由度（即通过和所得的均值），所以联合估计中有个自由度。如果，则在双边检验的级数为5%时，假设不成立。然而，这一统计数据,对于测试任何假设是是完全通用的。注意，如果：,有Var是最小的当这也可以认为我们用来估计。因此，如果我们假定（已知或者未知），为了最小化Var()，选择相等的样本，因此可以缩