管理资料-其它管理→统计分析方法介绍.pptVIP

统计分析方法介绍 二零零四年元月 主要内容 一，区间估计 二，假设检验 三，ANOVA 四，回归分析（比较相关分析 ） 区间估计的主要内容 区间估计的基本步骤 置信水平 总体平均值的区间估计 （点估计） 1, 基本步骤 确定一个与检验参数相关的统计量及其分布 确定置信水平 1-a 置信水平(置信度）：样本统计量反映总体特性的水平， 显著性水平，记为 a 根据统计量的分布和置信水平确定置信区间 2, 置信水平 例：以下是对总体平均值进行区间估计时，样本平均值的分布 3, 总体平均值的区间估计 与总体平均值相关的统计量 样本平均值 样本平均值的分布 总体特性分布 X~N(μ,σ2) 样本平均值的分布 (n : sample size) Sigma 已知 X~N(μ,σ2/n) → Z=n1/2(X- μ)/ σ~N(0,1) Sigma 未知 X~N(μ,σ2/n) → t= n1/2(X- μ)/ s~t(n-1) 总体平均值的置信区间 Sigma 已知 ZaZZ1-a → X+Za σ n-1/2 μ X+Z1-a σ n-1/2 Sigma 未知 tatt1-a → X+ta s n-1/2 μ X+t1-a s n-1/2 Za, Z1-a 为标准正态分布 a, 1-a 分位点 ta, t1-a 为t(n-1)分布 a, 1-a 分位点 3, 总体平均值的区间估计 标准正态分布和 t 分布比较 3, 总体平均值的区间估计 自由度(degree of freedom) 在计算sigma=[∑ (Xi-X)2/(n-1)]1/2时 (X1-X)+ (X2-X)+…+ (Xn-X)=0 所以(X1-X), (X2-X), … , (Xn-X)中只有n-1个独立的数据 样本数量越大，自由度越高，估计越准确 假设检验的主要内容 基本步骤 两类风险 平均值的假设检验 标准差的假设检验 正态分布的假设检验 合格率的假设检验 离散性数据相关性检验 势 (power), 样本大小，差异计算 1, 一般步骤 确定原假设和对立假设 H0: 原假设（零假设） H1: 对立假设 确定一个与检验参数相关的统计量及其分布 根据统计量的分布和风险水平确定临界值和拒绝域 计算结果并判断 P0.05时，拒绝原假设H0 ，对立假设H1成立 P value: 根据实际观测到的结果，当H0成立时，拒绝H0的概率。 2,两类风险 第一类风险（生产方风险） α 当H0成立时，拒绝H0的概率 第二类风险（使用方风险）β 当H0不成立时，接受H0的概率 势 (power) 第一类风险与置信水平 3,平均值的假设检验 3,平均值的假设检验 3, 平均值的假设检验 3, 平均值的假设检验 3, 平均值的假设检验 3, 平均值的假设检验 MINNTAB中假设检验路径及数据格式 3, 平均值的假设检验 3, 平均值的假设检验 Two-sample T-test 3, 平均值的假设检验 Paired T-test 3, 平均值的假设检验 Option in hypothesis 4, 标准差的假设检验 1, 检验两组数据的标准差是否相等 2, 原假设和对立假设: H0 σ1=σ2 ??H1 σ1σ2 3, 标准：P 0.05时, 两组数据的标准差相等 4, Path in MINITAB: Stat?Basic statistics?Variances 5，正态分布的假设检验 定义：检验一组数据是否服从正态分布 假设：H0: 正态分布??H1: 非正态分布 标准：P 0.05时, 数据为非正态分布 正态概率图 计算平均值，标准差 将数据从小到大排序，计算各数据对应的累积分布概率 描点（注意纵轴的刻度） Path in MINITAB: Stat?Basic statistics?Normality test 5, 正态分布的假设检验 正态分布下的直方图和正态概率图 5, 正态分布的假设检验 非正态分布下的直方图和正态概率图 5, 正态分布的假设检验 在数据不服从正态分布时，采用Box-Cox变换改变数据的分布形状 Box-Cox变换 Y?Yλ (Path: Stat?control charts?Box-Cox transformation…) 6，合格率的假设检验 类型 一批产品合格率是否小于P％ 二批产品合格率是否相等 例 1，从生产产品中抽出2000进行检查，52不合格，合格率是否小于98％？ 2，从一条生产线抽出1500产品检查，17不合格；从另一条生产线抽出1300产品检查，25不合格；它们的合格率是否一样？ 6，合格率的假设检验 Proportion test in MINITAB 6，合格率的假设检验 例