ch03-假设检验PPT.ppt

然后，对上面假设进行检验，步骤如下： 1) 在分析家中打开数据集Mylib.gcjgQ后，选择菜单“Statistics”→“Hypothesis Tests”→“Two Sample Test for Proportion（双样本比例检验）”，在对话框中，按图左设置双样本比例检验，分析结果如图右所示。 结果显示，由于Z统计量的p值为0.5664，所以在95%的置信水平下，不能拒绝原假设。即该地区2004年底与年中私家购车价格在15万元以上者所占比例无明显差异。 3.4 总体方差的区间估计与假设检验的SAS实现 3.4.1 总体方差的置信区间 3.4.2 单样本总体方差的假设检验 3.4.3 两样本总体方差的比较 3.4.1 总体方差的置信区间 【例3-13】表3-15所示为某中学1980年模拟高考数学的部分学生成绩，试估计本次模拟考试成绩的方差。 表3-15 部分学生成绩 假定表3-15数据存放在数据集Mylib.kscj中，成绩变量名为score。分析步骤如下： 1) 在“分析家”中打开数据集Mylib.kscj； 2) 选择菜单“Statistics（统计）”→“Hypothesis Tests（假设检验）”→“One Sample Test for a Variance（方差的单样本检验）”； 100 96 96 90 92 100 100 90 99 92 100 98 100 97 97 95 94 100 3) 在打开的“One Sample t – test for a Mean”对话框中设置均值的置信区间（如图3-6）。 结果表明（下图），根据抽样样本，该仓库中药材的平均重量以95%的可能性位于50.08千克至52.92千克之间。 2. 单样本总体均值的假设检验 【例3-5】使用“分析家”检验例3-2中食品重量是否符合要求。希望通过样本数据检验变量WEIGHT均值的如下假设： H0：μ = 100， H1：μ ? 100。 由于此时的方差未知，所以使用t检验法。步骤如下： 1) 在“分析家”中打开数据集Mylib.spzl； 2) 选择菜单“Statistics（统计）”→“Hypothesis Tests（假设检验）”→“One Sample t – test for a Mean（单样本均值t - 检验）”，打开“One Sample t – test for a Mean”对话框； 3.2.2 使用“分析家” 4)按图3-8所示设置均值检验，单击“OK”按钮，得到结果如图左所示。； 显示结果（图右）表明t统计量的p值为0.01050.05，所以拒绝原假设，即认为总体的均值不等于100。 3. 两样本总体均值的比较：成对匹配样本 【例3-6】使用“分析家”对例3-3中两套试卷检验有无显著差异。 这是一个（成对匹配）双样本均值检验问题，若μ1和μ2分别表示两套试卷的平均成绩，则检验的是： H0：μ1 – μ2 = 0， H1：μ1 – μ2 ? 0； 分析步骤如下： 1) 在“分析家”中打开数据集Mylib.sjdf； 2) 选择菜单“Statistics（统计）”→“Hypothesis Tests（假设检验）”→“Two Sample Paired t - Test for a Mean（均值的成对双样本t - 检验）”； 3) 在打开的“Two Sample Paired t - Test for a Mean”对话框中，按图左所示设置双样本均值检验，单击“OK”按钮，得到结果如图右所示 结果显示，无论两总体的方差是否相等，t统计量的p值 = 0.0005 0.05，所以在95%的置信水平下，拒绝原假设，两总体的均值有显著差异。 结果表明可以95%的把握认为两套试卷有显著差异。 4. 两样本总体均值的比较：独立样本 【例3-7】为估计两种方法组装产品所需时间的差异，分别对两种不同的组装方法各随机安排一些个工人进行操作试验，每个工人组装一件产品所需的时间如表3-10所示。试以95%的置信水平推断两种方法组装产品所需平均时间有无差异。 表3-10 两种方法组装产品所需的时间（单位：分钟） 这是一个（独立）两样本均值检验问题，若μ1和μ2分别表示两种方法组装一件产品所需的平均时间，则检验的是：H0：μ1 – μ2 = 0，H1：μ1 – μ2 ? 0； 方法1 28.3 30.1 29.0 37.6 32.1 28.8 36.0 37.2 38.5