研究生SAS教程24.pptVIP

三、两个正态总体均值或方差的假设检验 * * 根据样本观测值，对总体提出的某些假设做出“是”或“否”的结论性判断。（检验观测值与给定的假设是否存在矛盾） 解决问题： 假设检验是另一种有重要理论和应用价值的统计推断形式。 假设检验 参数假设检验 非参数假设检验 §2.4 总体分布参数的假设检验 已知:总体X的分布函数为F(x,?),但F包含未知参数? 解决问题： 目的： 通过样本对未知参数?的某个取值（或取值区间）所作的假设做出认定，即做出“是”或“否”的结论性判断。 参数假设检验 思考：参数假设检验与点估计、区间估计 的区别与联系。 一、假设检验基本概念 二、一个正态总体均值或方差的假设检验 三、两个正态总体均值或方差的假设检验 1.原假设H0与备择假设H1 一、假设检验基本概念 例1.某车间用一台包装机包装葡萄糖，包得的袋装糖重是一个随机变量X,且X~N(?,0.0152). 当机器正常作时，其均值为0.5kg，随机地抽取它所包装的糖9袋，称得净重（单位:kg）分别为： 0.497 0.506 0.518 0.524 0.498 0.511 0.520 0.515 0.512 问包装机工作是否正常？ 1.提出假设： 原假设H0与备择假设H1 H0：?=0.5；H1：??0.5 2.确定判断准则： 小概率原理 H0为真时，根据样本观测值判断小概率事件是否发生； 反证法 小概率事件: 给定?， P(g(X1,X2,…,Xn)?W)=? 注：建立判断准则的过程就是确定拒绝域W的过程。 若(小概率事件）发生，则拒绝H0；否则接受H0. 称W为该检验问题的拒绝域 注：为了确定拒绝域，往往首先由问题的直观背景出发，寻找一个统计量，使得在原假设成立时和在备择假设成立时，该统计量的值有差异，从而使得我们能够根据这个统计量的值的大小选定拒绝域。称这个能从样本空间中划分出拒绝域的统计量为检验统计量。 对例1而言： 给定一个很小的数?， 3.对原假设做出“是”或“否”的结论性判断 判断方法:样本观测值g(x1,x2,…,xn)是否落入拒绝域。 （2）若g(x1,x2,…,xn)?W,则接受原假设H0。 ?=0.05时拒绝原假设称差异显著； ?=0.01时拒绝原假设称差异极显著。 即认为样本观测结果与原假设有差异。 （1）若g(x1,x2,…,xn)?W,则拒绝原假设H0， 当?=0.05时，?1-0.5?=?0.975=1.96 对例1而言： 用显著性概率大小来判断接受或拒绝原假设 该值称为该检验的p值，即可观察到的显著性概率。 当检验的p值小于给定的显著性水平时就拒绝原假设，否则接受原假设。 接受原假设H0 原假设H0为真 原假设H0不真 拒绝原假设H0 第II类错误 (取伪)? 第I类错误 (弃真)? 4.两类错误 计算统计量的样本观测值 样本 提出原假设H0 假设检验步骤 构造统计量 小概率事件（构造拒绝域） 接受或者拒绝原假设 例1. 所求问题为检验H0：?=0.5；H1：??0.5 解： 当?=0.05时，?1-0.5?=?0.975=1.96 二、一个正态总体均值或方差的假设检验 当?=0.05时，?1-0.5?=?0.975=1.96 对例1而言： 显著性概率： 该值称为该检验的p值，即可观察到的显著性概率。 当检验的p值小于给定的显著性水平时就拒绝原假设，否则接受原假设。 二、一个正态总体均值或方差的假设检验 SAS程序（一个正态总体均值是否为零的假设检验） data ex；input x @@；y=x-0.5；cards； 0.497 0.506 0.518 0.524 0.498 0.511 0.520 0.515 0.512 ； proc means mean std t prt；var y；run； The MEANS Procedure Analysis Variable : y Mean Std