第20讲概率统计王松桂.ppt

第八章 假设检验 例如：工厂生产的某产品的数量指标服从正态分布，均值为 μ0 ；采用新技术或新配方后，产品质量指标还服从正态分布，但均值为 ? 。我们想了解 “?是否显著地大于μ0”,即产品的质量指标是否显著地增加了。 如果μ =μ0，即原假设成立，则 就 不应太大；反之，如果 过大，就认为原假设不成立。 在?2已知情况下，根据定理6.4.1，知： 当原假设 成立时， 单边检验 H0: μ =μ0; H1: μ μ0 在?2未知情况下，当原假设 成立时， 例 2：某厂生产一种工业用绳,其质量指标是绳子所承受的最大拉力，假定该指标服从正态分布，且该厂原来生产的绳子指标均值 μ0 =15公斤，采用一种新原材料后,厂方称这种原材料提高了绳子的质量，也就是说绳子所承受的最大拉力 μ 比15公斤增大了。 为检验该厂的结论是否真实，从其新产品中随机抽取50件，测得它们所承受的最大拉力的平均值为15.8公斤，样本标准差S=0.5公斤。取显著性水平? =0.01。问从这些样本看：能否接受厂方的结论。 解：问题归结为检验如下假设 H0: μ =15; H1: μ 15 (?2未知) 于是， 从而，拒绝原假设，即认为新的原材料确实提高了绳子所能承受的最大拉力。 8.2.2 两个正态总体 N(?1, ?12) 和 N(?2, ?22) 均值的比较 在应用上，经常会遇到两个正态总体均值的比较问题。 例如：比较甲、乙两厂生产的某种产品的质量。将两厂生产的产品的质量指标分别看成正态总体 N(?1, ?12) 和 N(?2, ?22)。比较它们的产品质量指标的问题，就变为比较这两个正态总体的均值 ?1和 ?2的的问题。 又如：考察一项新技术对提高产品质量是否有效。将新技术实施前后生产的产品质量指标分别看成正态总体 N(?1, ?12)和 N(?2, ?22)。这时，所考察的问题就归结为检验这两个正态总体的均值 ?1和 ?2是否相等的问题。 设X1, X2, …, Xm与Y1, Y2, …, Yn 分别为抽自正态总体 N(?1, ?12)和 N(?2, ?22)的样本，记 考查如下检验假设: 1. H0: ?1= ?2 ; H1: ?1≠?2 当 ?12 和 ?22 已知时，根据定理7.5.1，有 当 H0: ?1 = ?2为真时， 故，拒绝域为 在?12=?22 =?2，?2未知情况下，根据定理7.5.1，有 当 H0: ?1=?2 为真时，有 拒绝域为 从而 上面，我们假定 ?12=?22。当然，这是个不得已而强加上去的条件，因为如果不加此条件，就无法使用简单易行的 t 检验。 在实用中，只要我们有理由认为?12和?22相差不是太大，往往就可使用上述方法。通常是：如果方差比检验未被拒绝(见下节), 就认为?12和?22相差不是太大。 说明 例3：假设有A和B两种药，欲比较它们在服用2小时后在血液中的含量是否一样。对药品A，随机抽取8个病人服药，服药2小时后，测得8个病人血液中药物浓度(用适当的单位)分别为: 1.23, 1.42, 1.41, 1.62, 1.55, 1.51, 1.60, 1.76. 对药品B，随机抽取6个病人服药，服药2小时后，测得血液中药的浓度分别为: 1.76, 1.41, 1.87, 1.49, 1.67, 1.81. 假定这两组观测值抽自具有共同方差的两个正态总体，在显著性水?=0.10下，检验病人血液中这两种药的浓度是否有显著不同? 故，接受原假设。即, 认为病人血液中这两种药浓度无显著差异。 解：问题就是从总体 N(?1, ?2)和N(?2, ?2)中分别抽取样本X1, X2,…, X8 和Y1, Y2,…, Y6，样本均值和样本方差分别为： 与1.的分析完全类似，可以得到: 2. 单边检验 H0: ?1≥?2; H1: ?1?2 ● ?12和?22已知情况下，H0的拒绝域为 ● ?12与?22未知，但二者相等情况下，H0的 拒绝域为 与1.的分析完全类似，可以得到: 3. 单边检验 H0: ?1≤?2; H1: ?1＞?2 ● ?12和?22已知情况下，H0的拒绝域为 ● ?12与?22未知，但二者相等情况下，H0的 拒绝域为 两个正态总体与成对数据的区别 两个正态总体━━假定来自这两个正态总体 的两组样本，是相互独立的。 成对数据━━两组样本可以是来自对同一个 总体上的重复测量，它们是成对出现的，可 以是相关的。 8.