最新第12 章.pptVIP

適合度檢定：多項母體(實例) 令顯著水準 α＝0.05，利用觀察次數與期望次數計算檢定統計量的值。由於所有的期望次數都等於或大於 5，卡方檢定統計量的計算如表 12.1 所示，即χ2 ＝7.34。 觀察次數與期望次數的差異夠大時，我們將拒絕虛無假設。此差異愈大會導致檢定統計量的值愈大，因此適合度的檢定為一右尾的檢定，在檢定統計量的右尾區域計算 p 值，並據以決定是否拒絕虛無假設。 第12章 適合度與獨立性的檢定 第446頁 11 * 適合度檢定：多項母體(實例) 查卡方分配表 (附錄 B 表 3)，當自由度為 k－1＝ 3－1＝2 時，結果如下： 第12章 適合度與獨立性的檢定 第446頁 表12.1 12 * 適合度檢定：多項母體(實例) 由於檢定統計量 χ2 ＝7.34，介於 5.991 與 7.378 之間，因此，其對應的右尾區域的 p 值會在 0.05 與 0.025 之間。因為 p 值 ≤ α ＝0.05，我們的結論為拒絕 H0，亦即 C 公司藉由新產品的導入，將會改變目前市場佔有率的結構。 運用 Minitab 或Excel 可以算出當χ2＝7.34 時，其 p 值為 0.0255。 第12章 適合度與獨立性的檢定 第446頁 13 * 適合度檢定：多項母體(實例) 除了 p 值的方法外，我們也可以使用臨界值的方法得到相同的結果。當 α ＝ 0.05 且自由度為 2 時，檢定統計量的臨界值為 ＝5.991，右尾的拒絕法則為 若 χ2 ≥ 5.991，則拒絕 H0 由於7.34＞5.991，因此拒絕 H0。p 值和臨界值兩種方法都會有一致的檢定結果。 第12章 適合度與獨立性的檢定 第447頁 14 * 列出虛無及對立假設。 選取一組隨機樣本，記錄列聯表中每一方格的觀察次數 fij。 計算每一方格的期望次數 eij 。 12.2 獨立性檢定 第12章 適合度與獨立性的檢定 第451頁 15 * 拒絕法則： 若 p 值 ≤ a 或 ，拒絕 H0 計算檢定統計量的值 其中 α 為顯著水準，在 n 列、m 行的情況下自由度為(n－1)(m－1) 獨立性檢定 第12章 適合度與獨立性的檢定 第452頁 16 * 獨立性檢定(實例) 以下以亞利桑那州土桑市的 Albers 酒廠所進行的研究，來說明獨立性檢定。該公司主要是製造與配銷三種啤酒：淡啤酒、一般啤酒與黑啤酒。在一項對這三種啤酒市場區隔的分析中，該公司的市場研究小組提出一個問題，即男性與女性的啤酒飲用者對這三種啤酒的偏好是否不同。如果性別與對啤酒的偏好相互獨立，則該公司將對其所有啤酒展開同一種廣告活動；反之，如果對啤酒的偏好與性別有關，該公司將針對不同的目標市場採行不同的促銷活動。 第12章 適合度與獨立性的檢定 第450頁 17 * 獨立性檢定(實例) 針對啤酒偏好 (淡啤酒、一般啤酒及黑啤酒) 是否與啤酒飲用者的性別 (男性或女性) 相互獨立的問題，進行一項獨立性檢定，其假設為 H0：對啤酒的偏好與啤酒飲用者的性別相互獨立Ha：對啤酒的偏好與啤酒飲用者的性別並非相互獨立 表 12.2 可用來描述此一研究的狀況。我們將母體定義為所有的男性與女性啤酒飲用者，從其中取出一組樣本，請每人說出他或她對三種 Alber‘s 啤酒的偏好，如此一來，樣本中的每個人都將被歸類到表中的 6 個方格之一。 第12章 適合度與獨立性的檢定 第450頁 18 * 獨立性檢定(實例) 表12.2 可稱為列聯表 (contingency table)。獨立性檢定即是以列聯表的方式為之，因此其亦稱為列聯表檢定 (contingency table test)。 第12章 適合度與獨立性的檢定 第450頁 表12.2 19 * 獨立性檢定(實例) 表 12.3 中的資料，乃每一個組別或類別的觀察次數。如果可決定在啤酒偏好與性別相互獨立的假設下，每個組別或類別的期望次數，我們即可使用卡方分配來判斷觀察次數與期望次數之間是否有顯著的差異。 第12章 適合度與獨立性的檢定 第450頁 表12.3 20 * 獨立性檢定(實例) 假定啤酒偏好與性別間相互獨立的虛無假設為真，其次，我們注意到，在 150 位啤酒飲用者的樣本中，有 50 位偏愛淡啤酒，70 位偏愛一般啤酒，至於偏愛黑啤酒者則有 30 位。此意指這三種啤酒的偏好比率依序為 50/150＝1/3, 70/150＝7/15，以及 30/150＝ 1/5。如果獨立性的假設成立，則這些比率不論就男性或女性飲用者而言，均可一體適用。 因此，在獨立性的假定之下，我們可以預期在樣本中的 80 位男性中，有 (1/3)80＝26.67 位偏好淡啤酒，