参数估计及假设检验案例.docxVIP

参数估计和假设检验案例 案例一：工艺流程的检测 某公司是一家为客户提供抽样和统计程序方面建议的咨询公司，这些建议可以用来监控客户的制造工艺流程。在一个应用项目中，一名客户向该公司提供了一个样本，该样本由工艺流程正常运行时的800个观测值组成。这些数据的样本标准差为0.21；因为有如此多的样本数据，因此，总体标准差被假设为0.21。然后，该公司建议：持续不断地定期抽取容量为30的随机样本以对工艺流程进行检测。 通过对这些新样本的分析，客户可以迅速知道，工艺流程的运行状况是否令人满意。当工艺流程的运行状况不能令人满意时，可以采取纠正措施来解决这个问题。设计规格要求工艺流程的均值为12，该公司建议采用如下形式的假设检验。 H0 ： 12 H1 ： 12 只要H0被拒绝，就应采取纠正措施。 下表为第一天运行新的工艺流程的统计控制程序时，每隔一小时收集的样本数据。 样本一样本二样本三样本四11.5511.6211.9112.0211.6211.6911.3612.0211.5211.5911.7512.0511.7511.8211.9512.1811.9011.9712.1412.1111.6411.7111.7212.0711.8011.8711.6112.0512.0312.1011.8511.6411.9412.0112.1612.3911.9211.9911.9111.6512.1312.2012.1212.1112.0912.1611.6111.9011.9312.0012.2112.2212.2112.2811.5611.8812.3212.3911.9512.0311.9312.0012.0112.3511.8511.9212.0612.0911.7611.8311.7611.7712.1612.2311.8212.2011.7711.8412.1211.7912.0012.0711.6012.3012.0412.1111.9512.2711.9812.0511.9612.2912.3012.3712.2212.4712.1812.2511.7512.0311.9712.0411.9612.1712.1712.2411.9511.9411.8511.9211.8911.9712.3012.3711.8812.2312.1512.2211.9312.25问题： 对每个样本在0.01的显著性水平下进行假设检验，并且确定，如果需要的话，应该采取怎样的措施？给出每一检验的统计量和P值。Z0.005=2.58 均值11.9586712.0286711.88912.081331-p0.8478820.23806300.015333p值0.1521180.7619370.001670.984667样本标准差0.2203560.22035600.206109统计量-1.030.71-2.932.15　　　拒绝原假设　 计算每一个样本的标准差，总体标准差为0.21的假设检验合理吗？ 样本一样本二样本三样本四样本标准差0.2203560.22035600.206109样本方差0.0485570.04855700.042481方差的统计量31.9331.9328.2227.94四个数都在13.121和52.336之间，所以假设检验合理。 在 12附近，计算样本均值的范围。 样本一样本二样本三样本四置信区间（11.90,12.10）（11.90，12.10） (11.90,12.10)（11.90,12.10) 讨论将显著性水平改变为一个更大的值时的影响？如果增加显著性水平，哪种错误或误差将增加？ 显著性水平增加，置信区间减小，误差减小。 案例二：计算机辅助教学会使完成课程的时间差异缩小吗？ 某课程引导性教程采用一种个性化教学系统，每位学生观看教学录像，然后给以程式化的教材。每位学生独立学习直至完成训练并通过考试。人们关心的问题是学生完成训练计划的进度不同。有些学生能够相当快地完成程式化教材，而另一些学生在教材上需要花费较长的时间，甚至需要加班加点才能完成课程。学的较快的学生必须等待学