第七章 假设检验.pptVIP

第七章 假设检验 一般,若总体中的个体可按两个属性A与 B分类，A 有r 个类 ，B 有c个类 从总体中抽取大小为n的样本，设 其中有 个个体既属于 类又属于 类， 称为频数，将r?c个 排列为一个r行c列的 二维列联表，简称r?c表(表7.4.3)。 表7.4.3 r?c列联表 表7.4.4 二维离散分布表 例4 为研究儿童智力发展与营养的关系，某研 究机构调查了1436名儿童，得到如表7.4.5的数 据，试在显著性水平0.05下判断智力发展与营 养有无关系。 7.4.3 正态性检验 正态分布是最常用的分布，用来判断总体分布是否为正态分布的检验方法称为正态性检验，它在实际问题中大量使用。 一、 正态概率纸 例7.5 随机选取10个零件，测得其直径与标准尺寸的偏差如下：（单位：丝） 9.4 8.8 9.6 10.2 10.1 7.2 11.1 8.2 8.6 9.6 在正态概率纸上作图步骤如下： (1) 首先将数据排序： 7.2 8.2 8.6 8.8 9.4 9.6 9.8 10.1 10.2 11.1 (2) 对每一个i，计算修正频率 (i-0.375)/(n+0.25), i=1,2,…,n, (3) 将点 逐一点在正态概率纸上, (4) 观察上述n个点的分布: 从图7.4.2可以看到，10个点基本在一条直线附近，故可认为直径与标准尺寸的偏差服从正态分布。 例7.4.5 随机抽取某种电子元件10个,测得其 寿命数据如下: 对该10个寿命数据作对数变换,结果见表7.4.8 表7.4.8 对数变换后的数据 利用表7.4.8 中最后两列上的数据在正 态概率纸上描点，结果见图7.4.4，从图上可 以看到10个点近似在一条直线附近，说明对 数变换后的数据可以看成来自正态分布。这 也意味着，原始数据服从对数正态分布. 二、夏皮洛－威尔克(Shapiro-Wilk)检验 夏皮洛－威尔克检验也简称W 检验。这个检验当8?n?50时可以利用。过小样本(n8)对偏离正态分布的检验不太有效。W 检验是建立在次序统计量的基础上。检验统计量为:  其中? 分位数 可查附表7. 系数 还具有如下几条性质： 例7.4.6 某气象站收集了44个独立的年降雨量数据，资料如下（已排序）： 表7.4.9 某一气象站收集的年降雨量 从表7.4.9可以计算出W 的值： 进而可给出诸 ，如 其它结果见表7.4.6 表7.4.6 诸 的计算结果 营养良好 384.1677 346.8724 259.7631 313.3588 0.9081 0.2946 0.2660 0.1992 0.2403 营养不良 38.8779 35.1036 26.2881 31.7120 0.0919 80 80?90 90?99 ?100 由表7.4.5和表7.4.6可以计算检验统计量的值 此处r=2，c=4，(r-1)(c-1)=3,若取? =0.05 ， 查表有 ，由于19.27857.815， 故拒绝原假设，认为营养状况对智商有影响。 本例中检验的p 值为0.0002。 正态概率纸可用来作正态性检验，方法 如下：利用样本数据在概率纸上描点，用目 测方法看这些点是否在一条直线附近，若是 的话，可以认为该数据来自正态总体，若明 显不在一条直线附近，则认为该数据来自非 正态总体。 若诸点在一条直线附近,则认为该批数据来自正态总体； 若诸点明显不在一条直线附近，则认为该批数据的总体不是正态分布。 如果从正态概率纸上确认总体是非正态分布时，可对原始数据进行变换后再在正态概率纸上描点，若变换后的点在正态概率纸上近似在一条直线附近，则可以认为变换后的数据来自正态分布，这样的变换称为正态性变换。常 用的正态性变换有三个：对数变换 、 倒数变换 ,和根号变换 110.47, 99.16, 97.04, 77.60, 4269.82, 539.35, 179.49, 782.93, 561.10, 28