第六章 简单统计分析与SAS过程ppt课件.ppt

第六章 简单统计分析与SAS过程 一、假设检验与SAS过程 平均每户消费支出 500 600 700 800 900 1000 家庭数 8 15 30 25 13 9 例题6.1： 为了了解农村居民家庭消费水平是否有所提高，2008年，某市对其农村居民家庭进行了一次抽样调查，其中100户被抽样家庭的调查结果如下表： 表6.1 2008年某市农村居民家庭月均消费水平 若3年前该市农村居民家庭月均消费支出服从N（720，17580），假定2008年月均消费支出服从正态分布，问该市农村居民家庭月均消费支出是否有显著提高？（显著性水平0.05） 即在方差未知的情况下检验 统计量的计算值、临界值、显著性水平及检验概率之间的关系 假定 检验统计量Z服从正态分布 统计量的计算值：一次抽样观测值代入统计量Z后得到的数值Z0. 临界值：在给定的显著性水平下，由 统计量的计算值、临界值、显著性水平及检验概率之间的关系 检验概率： 由临界值和检验概率的计算公式，可知 因此，判断接受或拒绝H0只需看p大于还是小于 单样本和两样本下的假设检验 单样本的假设检验 （一）单样本的参数假设检验（正态分布总体） 总体均值的假设检验 检验统计量： 拒绝域： 检验统计量： 拒绝域： data a; set meant; k=_freq_-1; p=1-probt(tv,k); t1=tinv(0.95,k); proc print;run; p=1-probt(t,k) t1=tinv(0.95,k);计算t分布的0.95分位数 显然，tv的值t1且p值也0.05,故在0.05的显著性水平下拒绝原假设，也即接受居民月均消费支出显著大于720. 总体方差的假设检验 检验统计量： 拒绝域： 例6.2：检验例6.1中居民消费支出的方差是否有变化，即是否仍为17580。 proc means var; var expend; freq number; output out=test var=varex; run; data A(drop=_type_); set test; k=_freq_-1; chisq=k*varex/17580; p=1-probchi(chisq,k); ci1=cinv(0.025,k); ci2=cinv(0.975,k); proc print data=a noobs; run; 程序说明： ci1=cinv(0.025,k); ci2=cinv(0.975,k); chisq=k*varex/17580; p=1-probchi(chisq,k); 分别计算 分布的0.025和0.975分位数。 由于 chisq统计量值满足ci1chisqci2，正好落在拒绝域外， 故接受原假设，认为方差没有发生显著变化。 另一方面，p=0.480180.05也表明，在0.05的显著性水平下， 接受原假设。 （二）单样本的非参数假设检验 K.Pearson提出以下统计量： 总体分布的拟合优度检验 拟合优度检验是根据样本的经验分布对总体分布作出的估计。 拒绝域： 表6.3 订单频数分布表 星期一 星期二 星期三 星期四 星期五 合计 7 12 15 11 15 60 问：该企业的订单在每星期5天中是否服从均匀分布？（显著性水平0.05） 例6.3 某企业欲了解其产品订单的分布情况，在随机选择的一周中发现，其订单频数分布如下表： 程序实现： data chisq;input foi fei@@; dif=(foi-fei);div=dif*dif/fei; cards; 7 12 12 12 15 12 11 12 15 12 ; proc means sum; var div; output out=test sum=chisq; run; data A; set test; k=_freq_-1; p=1-probchi(chisq,k); ci1=cinv(0.025,k); ci2=cinv(0.975,k); proc print data=a noobs; run; 程序说明： ci1=cinv(0.025,k); ci2=cinv(0.975,k); div=dif*dif/fei; proc means sum; var div; output out=test sum=chisq; p=1-probchi(chisq,k); 分别计算 分布的0.025和0.975分位数。 由于 chisq统计量值满足ci1chisqci2，正好落在拒绝域外， 故接受原假设，认为订单在每周的5天中服从均匀分布。 另一方面，p=0