08比例检验和独 立性检验.pptVIP

Testing of Proportion…比例检验 1 Proportion….1个比例测试…. 计数型数据 计数型数据 例1：一个比例 2个比例测试…. 例2：两个抽样对象比例 例2：两个抽样对象比例 双比率检验和置信区间 样本 X N 样本 p 1 41 60 0.683333 2 24 60 0.400000 差值 = p (1) - p (2) 差值估计: 0.283333 差值的 95% 置信区间: (0.112395, 0.454272) 差值 = 0(与 ≠ 0) 的检验: Z = 3.25 P 值 = 0.001 Fisher 精确检验: P 值 = 0.003 例3：两个抽样对象比例 再计算红书P239例6-11 ，理解取样量不同对比例检验的结果影响。 例6-11 ： 用A与B两种不同的方法制造某零件，从各自制造的零件中分别随机抽取100个，其中A中有10个不合格品，B中有6个不合格品。在a = 0.05水平上，能否认为不合格率与方法有关？ 设A的不合格率为P1,B的不合格率为P2，此时要检验的假设为： H0: P1=P2 H1: P1≠P2 例3：两个抽样对象比例 双比率检验和置信区间 样本 X N 样本 p 1 10 100 0.100000 2 6 100 0.060000 差值 = p (1) - p (2) 差值估计: 0.04 差值的 95% 置信区间: (-0.0349926, 0.114993) 差值 = 0(与 ≠ 0) 的检验: Z = 1.05 P 值 = 0.296 Fisher 精确检验: P 值 = 0.435 例3：两个抽样对象比例 这里P值为0.296，大于给定的a = 0.05 ，因此无法拒绝原假设：两种方法间无显著差异。这就给我们很大启示，表面上看，10%当然比6%要大，但是在样本量较小时竟然得不到有显著差别的结论。统计工作者不相信简单的百分数，100分之6与1000分之60是不同的。如果上例的数字都扩大十倍，则二者的差别就显著了。 例3：两个抽样对象比例 双比率检验和置信区间 样本 X N 样本 p 1 100 1000 0.100000 2 60 1000 0.060000 差值 = p (1) - p (2) 差值估计: 0.04 差值的 95% 置信区间: (0.0162852, 0.0637148) 差值 = 0(与 ≠ 0) 的检验: Z = 3.31 P 值 = 0.001 Fisher 精确检验: P 值 = 0.001 Multi- Proportion….多比例测试…. 相关性检验（独立性） 独立性检验—假定 Example 举例 Chi-square Statistic Chi-square 统计 Computing Expected Counts期望频率的计算 Computing Expected Counts期望频率的计算 期望值的意思就是： 三所学院所有的女生共有996人，女生占总人数的比例是996/ 1820=0.547；而工学院总人数为727人，按上述比例，女生数应该为727 x0.547=398人，而实际工学院女生人数为512人，这中间有114人的差距。当这个差距太大时，我们就认为学院录取和性别有相关性，对此的统计检验方法，采用的是c2检验。 当原假设成立时，观测值与期望值不应该相差很大，故当c2统计量的值偏大时，倾向于H0不真，即 应拒绝H0。 Computing Chi-SquareChi-Square 计算 Compare Computed Chi-Square to Critical Value比较计算的Chi-Square和临界值 P Value P值 Minitab Output Minitab输出 例题 见红书P256页例6-18 MINITAB dat 在吸烟与咳嗽.mtw中 例题 另一个三比例检验例子在营业执照.mtw中（红书P259页例6-19） 太钢矿业公司六西格玛管理黑带培训教材 * 太钢六西格玛管理黑带培训 情况 1 见P237 以下假设检验的应用属于计数型数据： 1、检验抽样对象比例是否相等 2、检验关联性 举例：缺陷品率 以前，一产品的渗漏检测发现的缺陷品率为0.12 对过程进行了变更。从新过程抽样300个产品，其 中45个是缺陷品，在5%的显著水平，过程是否得 到了