假设检验（二）.pptVIP

假设检验（2） 总体比例的假设检验（Z 检验） 一个总体的检验 样本比例的抽样分布(数学期望与方差) 样本比例的数学期望 样本比例的方差 重复抽样 不重复抽样 一个总体比例检验 假定条件 有两类结果 总体服从二项分布 可用正态分布来近似 比例检验的 Z 统计量 一个总体比例的 Z 检验 （实例） 【例】某研究者估计本市居民家庭的电脑拥有率为30%。现随机抽查了200的家庭，其中68个家庭拥有电脑。试问研究者的估计是否可信？ (? = 0.05) 一个样本比例的 Z 检验 （结果） H0: p = 0.3 H1: p ? 0.3 ? = 0.05 n = 200 临界值(s): 一个总体的检验 总体方差的检验(?2 检验) 方差的卡方 (?2) 检验 检验一个总体的方差或标准差 假设总体近似服从正态分布 检验统计量 方差的卡方 (?2) 检验(例题分析) 【例】某厂商生产出一种新型的饮料装瓶机器，按设计要求，该机器装一瓶一升(1000cm3)的饮料误差上下不超过1cm3。如果达到设计要求，表明机器的稳定性非常好。现从该机器装完的产品中随机抽取25瓶，分别进行测定(用样本减1000cm3)，得到如下结果。检验该机器的性能是否达到设计要求 (?=0.05) 方差的卡方 (?2) 检验(例题分析) H0: ?2 = 1 H1: ?2 ? 1 ? = 0.05 df = 25 - 1 = 24 临界值(s): 卡方检验的特点 更多的用于非参数检验，即总体分布未知的检验。 常常用于检验总体是否服从某种假定的分布，即属于按拟合优度型。如判断总体是否服从均匀分布。 有必要专门介绍非参数检验。 两个正态总体的参数检验 两个独立样本的均值检验 两个独立样本之差的抽样分布 两个总体均值之差的Z检验 (?12、 ?22 已知) 1. 假定条件 两个样本是独立的随机样本 两个总体都是正态分布 若不是正态分布, 可以用正态分布来近似(n1?30和 n2?30) 原假设：H0: ?1- ?2 =0；备择假设：H1: ?1- ?2 ? 0 检验统计量为 两个总体均值之差的Z检验 (假设的形式) 两个总体均值之差的Z检验 (例子) 两个总体均值之差的Z检验（计算结果） H0: ?1- ?2 = 0 H1: ?1- ?2 ? 0 ? = 0.05 n1 = 32，n2 = 40 临界值(s): 两个总体均值之差的检验 (?12、 ?22 未知且不相等,小样本) 检验具有不等方差的两个总体的均值 假定条件 两个样本是独立的随机样本 两个总体都是正态分布 两个总体方差未知且不相等?12 ? ?22 检验统计量 两个总体均值之差的检验 (?12、 ?22 未知但相等,小样本) 检验具有等方差的两个总体的均值 假定条件 两个样本是独立的随机样本 两个总体都是正态分布 两个总体方差未知但相等?12 = ?22 检验统计量 两个总体均值之差的 t 检验 (例子) 两个总体均值之差的 t 检验（计算结果） H0: ?1- ?2 = 0 H1: ?1- ?2 ? 0 ? = 0.05 n1 = 10，n2 = 8 临界值(s): 使用SPSS对两个总体独立样本进行T检验 SPSS执行独立样本的T检验可以不需要总体方差相等的假设。其本身可完成一个方差检验(Levene方差齐性检验)。 例：比较两类牧草对奶牛的饲养效果，随机从奶牛中选出11头，喂A牧草，选出12头，喂B牧草，根据二个月的观察，得出它们的平均日产奶量分别为：数据 比较两种牧草对奶牛的喂养效果。 两个相关（配对或匹配）样本的均值检验 两个总体均值之差的检验（配对样本的 t 检验） 1. 检验两个相关总体的均值 配对或匹配 重复测量 (前/后) 2. 假定条件 两个总体都服从正态分布 如果不服从正态分布，可用正态分布来近似 (n1 ? 30 , n2 ? 30 ) 配对样本的 t 检验 (假设的形式) 配对样本的 t 检验（数据形式） 配对样本的 t 检验（检验统计量） 配对样本的 t 检验（例子） 【例】一个以减肥为主要目标的健美俱乐部声称，参加其训练班至少可以使减肥者平均体重显著下降8.5公斤。为了验证该宣称是否可信，调查人员随机抽取了10名参加者，得到他们的体重记录如下表： 配对样本的 t 检验（计算表） 配对样本的 t 检验（计算结果） 配对样本的 t 检验（计算结果） H0: m1 – m2 = 8.5 H1: m1 – m2 ? 8.5 a = 0.05 df = 10 - 1 = 9 临界值(s): 两个总体比例之差的检验 （Z 检验） 两个总体比例之差的Z检验 1. 假定条件 两个总体是独立的 两个总体都服从二项分布 可以