单一母体变异数的推论.PPT

11.1單一母體變異數的推論 前幾章中，我們以樣本變異數 母體變異數σ2的點估計量。如果要以樣本變異數為基礎來進行母體變異數的統計推論，則(n-1)s2/σ2的抽樣分配十分好用，此一抽樣分配表達如下。 (n-1)s2/σ2的抽樣分配 只要一樣本數為n的簡單隨機樣本是選取自一常態母體，則 的抽樣分配乃一自由度為n-1的卡方分配。 圖11.1呈現(n-1)s2/σ2的抽樣分配幾種可能形式。 卡方分配即可用來進行單一母體變異數的區間估計與假設檢定。 圖11.1 (n-1)s2/σ2抽樣分配(卡方分配)的例子 區間估計 以X2α代表卡方方配的某個值，在此值的右邊面積或機率為α。 圖11.2中，自由度為19的卡方方配其 X20.025＝32.852，表示有2.5%的卡方值會落在32.852的右邊;同理X20.975＝8.907，表示有97.5%的卡方值會落在8.907的右邊。 對照表11.1中自由度為19的卡方值可查得這些數字。 區間估計 由圖11.2可得知有95%的卡方值，會落在X20.975與X20.025之間;也就是說，我們有95%的機會抽到一個X2值，且 用(n-1)s2/σ2取代上式中的X2 對式11.3移項左半邊移項 圖11.2 自由度為19的卡方分配 表11.1 卡方分配表的摘錄值 區間估計 對式11.3右半邊移項 將式11.4式11.5合併 區間估計 例子：一容器的平均裝填量為16盎司，選取20容器為一樣本，其樣本變異數為s2＝ 0.0025，樣本數為20，因此自由度為 19 。 取這些值的平方根，可得到母體標準差的95%信賴區間如下。 因為使用了X20.025和X20.975，因此該區間估計值的信賴係數為0.95。 單一母體變異數的假設檢定 其中X2值是基於自由度為n-1的卡方分配，且信賴係數為1-α。 假設檢定 令σ 代表母體變異數的假設值，則三種對單一母體變異數的假設檢定模式可表示如下： 母體變異數假設檢定之檢定統計量 範例:聖路易市Metro Bus公司希望各站到達時間的變異數必須在四分鐘以內。 範例：假定觀察隨機樣本24輛公車公車到達時間之樣本變異數為s2=4.9，如果到站時間的母體為近似常態分配，則 p值檢定法：自由度為23的卡方分配如圖11.3所示。因此為右尾檢定，故位於檢定統計量X2=28.18右邊區域的值即為本檢定的p值。 圖11.3聖路易市Metro Bus公司範例之卡方分配 如同t分配表，卡方分配表無足夠資訊使我們求出正確的p值，但可由此找到p值的範圍。 因為X2=28.18小於32.007，故右尾面積(p值)將大於0.10。因為p值α＝0.05，故我們不能拒絕虛無假設。此樣本並不支持到站時間的母體變異數超過標準的說法。 臨界值法：當α＝0.05時， X20.05值即為右尾檢定的臨界值，使用表11.1，查得自由度為23之X20.05=35.172，則到站時間範例的拒絕法則為 因為檢定統計量X2=28.18，故我們不能拒絕虛無假設。 實務上，有關單一母體變異數的檢定最常用到的是右尾檢定。當拒絕虛無假設時，即表示有母體變異數過大的問題，此時我們應採取改善行動。 範例:車輛監理站目前設計出一份新測驗卷，主管希望考駕者成績的變異數仍維持既有水準。根據記錄，考駕者成績的變異數為σ2=100。 雙尾檢定 使用α=0.05的顯著水準進行檢定，並抽取30位申請駕照者為樣本，給予新測驗卷作答。 此30份測驗成績的樣本顯示，其樣本變異數為s2=162，卡方檢定統計量之值為： 現在再計算p值。利用卡方分配表與自由度29，可求得： 所以X2=46.98之檢定統計量代表在卡方分配右尾介於0.025與0.01的區域，加倍這個值後顯示出雙尾檢定的p值介於0.05與0.02之間。 因為p值≤α= 0.05，所以拒絕H0，並得知新測驗分數的母體變異數，與既有的變異數σ2=100間有差異。 表11.2為單一母體變異數之假設檢定。 表11.2單一母體變異數之假設檢定摘要 進行兩母體間變異數比較時，我們將使用從兩獨立隨機母體蒐集得來的資料，其中一個樣本取自母體1，另一個取自母體2。 在進行兩母體變異數σ 與σ 的推論時，主要是以兩個樣本變異數s 與s 為基礎。 只要兩個母體變異數相等，兩個樣本變異數的比率s /s 的抽樣分配即呈現以下特性。 當σ ＝σ ，s /s 的抽樣分配 只要樣本數分別為n1與n2的兩獨立簡單隨機樣本，乃選自兩個變異數相等的常態母體，則 的抽樣分配乃分子自由度為n1-1，分母自由度為n2-1的F分配。其中s 是取自母體1樣本數為n1