第五章 抽样调查假设检验部分.ppt

* * * Rejection region does NOT include critical value. * * * Rejection region does NOT include critical value. * * * * * * * * * * * * * * * * * F ratio is a statistic defined as the ratio of 2 independent estimates of a normally distributed population’s variance. Note: degrees of freedom refer to numerator and denominator * * 有两种方法生产同一种产品，方法1的生产成本较高而次品率较低，方法2的生产成本较低而次品率则较高。管理人员在选择生产方法时，决定对两种方法的次品率进行比较，如方法1比方法2的次品率低8%以上，则决定采用方法1，否则就采用方法2。管理人员从方法1生产的产品中随机抽取300个，发现有33个次品，从方法2生产的产品中也随机抽取300个，发现有84个次品。用显著性水平?=0.01进行检验，说明管理人员是不是应决定采用方法1进行生产？ 方法1的次品率为P1。方法2的次品率为P2 提出假设H0 ：P2- P1?8%，H1 ：P2- P18% 选择统计量：Z统计量 显著性水平? = 0.05，临界值 接受区间[ ,-1.96] 根据样本计算统计量 拒绝原假设 3、两个总体方差比的检验 假定条件 两个总体都服从正态分布，且方差相等 两个独立的随机样本 检验统计量 一家房地产开发公司准备购进一批灯泡，公司打算在两个供货商之间选择一家购买。这两家供货商生产的灯泡平均使用寿命差别不大，价格也很相近，考虑的主要因素就是灯泡使用寿命的方差大小。如果方差相同，就选择距离较近的一家供货商进货。为此，公司管理人员对两家供货商提供的样品进行了检测，得到的数据如右表。检验两家供货商灯泡使用寿命的方差是否有显著差异 两家供货商灯泡使用寿命数据 样本1 650 569 622 630 596 637 628 706 617 624 563 580 711 480 688 723 651 569 709 632 样本2 568 540 596 555 496 646 607 562 589 636 529 584 681 539 617 提出假设： 选择统计量：F统计量 显著性水平? = 0.05，临界值 接收域[2.13,2.37] 根据样本数据计算统计量 拒绝原假设 EXCEL中的统计函数 ZTEST—计算Z检验的P值 TDIST—计算t分布的概率 TINV—计算t分布的临界值 TTEST—计算t分布检验的P值 FDIST—计算F分布的概率 FINV—计算F分布的逆函数(临界值) FTEST—计算F检验(两个总体方差比的检验)单尾概率 * * * * * * 9 * * * * * * * * Rejection region does NOT include critical value. * Rejection region does NOT include critical value. * Rejection region does NOT include critical value. * * * * * * * * * * P值是关于数据的概率 它反映的是在某个总体的许多样本中某一类数据出现的经常程度，它是当原假设正确时，得到目前这个样本数据的概率。P值越小，你拒绝原假设的理由就越充分 比如，要检验全校学生的平均生活费支出是否等于500元，检验的假设为H0：?=500；H1：??500 。假定抽出一个样本算出的样本均值600元，得到的值为P=0.02，这个0.02是指如果平均生活费支出真的是500元的话，那么，从该总体中抽出一个均值为600的样本的概率仅为0.02。如果你认为这个概率太小了，就可以拒绝原假设，因为如果原假设正确的话，几乎不可能抓到这样的一个样本，既然抓到了，就表明这样的样本不在少数，所以原假设是不对的 单侧检验中，P值通常为统计量分布曲线从检验统计量从观察值到拒绝区域这一侧的面积。 左侧检验时，P值= P{ξ? c } 右侧检验时，P值= P{ξ? c } 双侧检验中，P值=单侧P值的2倍。即： P值=2P{ξ≥c }，当 c 在右侧时; 或： P值=2P{ξ≤c }，当 c 在左侧时。 双侧检验的P 值：算出统计量临界值后，其统计量小于或大于临界值的概率 ? / 2 ? / 2 Z 拒绝H0 拒绝H0 0 临界值 计算出的样本统计