第八章假设检验.pptVIP

例：某制造厂生产某装置的平均工作温度是190℃，今从一个由16台装置所构成的随机样本中求得的工作温度的平均数和标准差分别是194℃和8℃，能否说明平均工作温度与制造厂规定的温度不一致呢?（设α＝ 0.05，并假定工作温度服从正态分布） 解：建立假设 H0 :μ＝190℃；H1 :μ≠190℃ 因方差未知，选取统计量。 则t～tα/2(15)， tα/2 (15)＝2.13。将 ＝194，μ0＝190，s＝8，n＝16代人计算得: 因|t| tα/2 (15)，故接受零假设，即没有95％的把握认为，μ≠190℃。 第八章 假设检验 总结：单个总体的假设检验 条件 检验条件量 拒绝域 H0、H1 (1)H0： H1： z (2) H0： H1： (3 )H0： H1： z 0 z 0 正态总体σ2已知 第八章 假设检验 条件 检验条件量 拒绝域 H0、H1 (1) H0： H1： t (2) H0： H1： (3) H0： H1： t 0 t 0 0 正态总体σ2未知(n＜30) 第八章 假设检验 条件 检验条件量 拒绝域 H0、H1 (1) H0： H1： z (2) H0： H1： (3) H0： H1： z 0 z 0 0 非正态总体n≥30 σ2已知或未知 第八章 假设检验 条件 检验条件量 拒绝域 H0、H1 (1) H0：P=P0 H1：P≠P0 z (2) H0：P≤P0 H1：P＞P0 (3) H0：P≥P0 H1：P＜P0 z 0 z 0 0 np≥5 nq≥5 课堂作业： 某企业声明有30%以上的消费者对其产品质量满意。如果随机调查600名消费者，表示对该企业产品满意的有220人。试在显著性水平α=0.05下，检验调查结果是否支持企业的自我声明。 解：第一步：作出假设。 ：ρ ＞30%， : ρ≤ 30%。 以上的原假设是企业自我声明的结论，我们希望该企业说的是实话。因此使用左侧检验。 第二步：构造z检验统计量。 第三步：确定拒绝域。 显著水平α=0.05，查标准正态分布表得临界值： =1.645，拒绝域是z≤1.645。 第四步：计算检验统计量的数值。 样本成数p=220/600=0.37，总体假设的成数ρ =0.3,代入z检验统计量得： 第五步：判断。 检验统计量的样本取值z=3.51.645，落入接受域。接受原假设，认为样本数据证明该企业声明属实。 第八章 假设检验 生活中的统计检验的例子生活中可谓无处不在、无时不有：买件日常用品要检验它的长度、重量；产品出厂要检验它的性能、质量；升学要检验学习成绩的优劣、功底的深厚……等等。与参数估计不同的是，对检验的对象我们并不是事先一无所知，而是已经得到过一些“宣称”，我们的工作是对此“宣称”进行核实，这便是“检验”的由来。检验过程开始后，首先需要抽取一定大小的样本，算出对应统计量大小然后加以判断，但众所周知，样本并非总体的严格反映，不少情况下会发生总体“合格”而样本“不合格”或者总体“不合格”而样本“合格”的矛盾现象，如何从往往只能一次试验中进行判断，这便是“假设检验”的任务。 　重点：假设检验的基本思路、工作原理、方法特点； 　难点：检验时所用的繁杂公式以及公式之间的细微差别 现实中的统计 案例一：时下不少大学生在一边学习的同时也不断寻找一些机会打些零工以赚点钱弥补学习和生活之需，这已经是学生们之间人所共知的事情。这没有丝毫的让人好奇之处，让人好奇的是这些打工的学生究竟一个月平均能赚多少钱？假设有人说：这个数据是500元，你觉得信不信它呢？当然，你首先需要收集证据，没有证据是肯定说明不了任何问题的。又假设有人通过组织调查取得过如下数据（调查到一共30人，单位：元）： 350 500 900 100 100 200 240 300 100 320 450 260 650 380 290 400 800 400 250 400 290 870 540 320 140 160 300 400 500 340 第八章 假设检验 这时你该做何结论？就算是你得到以上数据的平均数等于423元，你是否就可以作出“是”或“不是”的回