多元正态分布假设检验.ppt

多元正态分布的假设检验 §4.1 单个总体均值向量的推断 The SAS System 08:48 Wednesday, March 10, 2008 4 X0 4.64 45.4 9.965 XM 0.64 -4.6 -0.035 A 54.708 190.19 -34.372 190.19 3795.98 -107.16 -34.372 -107.16 68.9255 AI 0.0308503 -0.001162 0.0135773 -0.001162 0.0003193 -0.000083 0.0135773 -0.000083 0.0211498 DD D2 T2 F 0.0256283 0.4869386 9.7387729 2.9045463 P0 0.0649283 FA BETA 3.1967768 0.3616381 二 单个总体均值分量间结构关系的检验 是取自该总体的样本。检验： 与上面的假设等价的是，寻找常数矩阵 在例4.2.1中，假定人类的体形有这样一个一般规律的身高、胸围和上臂围平均尺寸比例为6:4:1。检验比例是否符合这一规律。检验： 2、统计量及方法 其中C为一已知的k×p阶矩阵，kp，rank(C)=K，φ为已知的K维向量。根据多元正态分布的性质可知, proc iml; s={ 31.600 8.040 0.500, 8.040 3.172 1.310, 0.500 1.310 1.900}; mu={82.00 60.20 14.50}; c={2 -3 0, 1 0 -6}; a=c*t(mu); d=c*s*t(c); g=inv(d); T=6#(t(a)*g*a); f=((6-2)/(2*(6-1)))*T; Print T, f ; p0=1-probf(f,2,6-2); print p0; fa=finv(0.95,2,6-2); print fa; Quit; §4.2 两个总体均值的检验 一、两个独立样本的情形 根据两个样本可得μ1和μ2的无偏估计量为 二、成对试验的T2统计量 前面我们讨论的是两个独立样本的检验问题，但是不少的实际问题中，两个样本的数据是成对出现的。例如当讨论男女职工的工资收入是否存在差异；一种新药的疗效等。 设(xi,yi),i=1,2,3,…,n，时成对的试验数据，由于总体X和Y均服从p维正态分布，且协方差相等。 §4.3 两个总体均值分量间结构关系