第五章参数计假设检验.ppt

凌洁 条件 检验条件量 拒绝域 H0、H1 (1) H0: μ1 = μ2 H1: μ1 ≠ μ2 t (2) H0: μ1 = μ2 H1: μ1＞ μ2 (3) H0： μ1 = μ2 H1： μ1＜ μ2 t 0 t 0 0 两个正态总体 未知， 但相等 条件 检验条件量 拒绝域 H0、H1 (1) H0：μ1 = μ2 H1：μ1 ≠ μ2 (2) H0：μ1 = μ2 H1：μ1 ＞ μ2 (3) H0：μ1 = μ2 H1：μ1 ＜ μ2 0 z 0 0 两个非正态体n1≥30 n2≥30 已知或 未知 z z 条件 检验条件量 拒绝域 H0、H1 (1) H0：P=P0 H1：P≠P0 z (2) H0：P = P0 H1：P＞P0 (3) H0：P = P0 H1：P＜P0 z 0 z 0 0 np≥5 nq≥5 条件 检验条件量 拒绝域 H0、H1 (1) H0：P1=P2 H1：P1 ≠P2 z (2) H0： P1 ≤P2 H1：P1 ＞ P2 (3) H0：P1 ≥P2 H1：P1 ＜P2 z 0 z 0 0 n1p1≥5 n1q1≥5 n2p2≥5 n2q2≥5 条件 检验条件量 拒绝域 H0、H1 总体服从正态分布 条件 检验条件量 拒绝域 H0、H1 总体服从正态分布 F F F 方差分析 一、问题的提出 同一原材料加工产品质量 产地 各组产品的质量是否有显著差异？ 随机 原则 * 第五章 参数估计和假设检验 推断统计：利用样本统计量对总体某些性质或数量特征进行推断。 随机原则 总体参数 统计量 推断估计 参数估计 检验 假设检验 抽样分布 抽样分布 简单随机抽样和简单随机样本的性质 不放回 放 回 放回 不放 回 独立性和同一性 同一性 当n/N≤5%时，有限总体不放回抽样等同于放回抽样 统计量与抽样分布 统计量：即样本指标。 样本均值 样本成数 样本方差 如： 抽样分布： 某一统计量所有可能的样本的取值形成的分布。 性 质 数字特征 0≤P（Xi）?1 ∑P（Xi）=1 均值E（X） 方差E[x-E(x)]2 方差的平方根即抽样分布的标准差就是 推断的 抽样误差。 样本均值的抽样分布（简称均值的分布） 抽样 均值 均值μ=∑Xi/N 样本均值是样本的函数， 故样本均值是一个统计量， 统计量是一个随机变量， 样本均值的概率分布称为 样本均值的抽样分布。 抽 样 方 法 均 值 方 差 标 准差 （1）从无限总体抽 样和有限总体放回抽样 （2）从有限总体不放回抽样 抽样误差 抽样误差 从正态总体中抽样得到的均值的分布也服从正态分布。 从非正态总体中抽样得到的均值的分布呢？ 中心极限定理：无论总体为何种分布，只要样本n足够大（n≥30），均值（ ）标准化为（z）变量，必定服从标准正态分布，均值（ ）则服从正态分布，即： 关于均值的抽样分布有如下的一些结论: 1.对于多数总体分布来说，不论其形态如何，如果样本观察值超过30个，那么均值的抽样分布将近似于正态分布。 2.如果总体分布是明显对称的，那么只要样本观察值超过15个，均值的抽样分布也近似于正态分布。 3.如果总体是正态分布的，则不管样本大小如何，均值的抽样分布一定是正态分布的。 两个样本均值之差的抽样分布 抽样 抽样 估计 （1）如： （2〕如果两个总体都是非正态总体，只要n1、n2足够大，根据中心极限定理，可知： 样本成数（即比例）的抽样分布（简称成数的分布） 抽样 成数 成数P=Ni/N 所有可能的样本的成数（ ）所形成的分布，称为样本成数的抽样分布。 抽 样 方 法 均 值 方 差 标 准差 （1）从无限总体抽 样和有限总体放回抽样 （2）从有限总体不放回抽样 根据中心极限定理，只要样本足够大， 的分布就近似正态分布。（np和nq大于5时） 抽样误差 抽样误差 两个样本成数之差的抽样分布 抽样 抽样 估计 当n1、n2都足够大时，样本成数 都近似服从正态分布，两个样本成数之差（ ）也近似服从正态分布。 P1-P2=？ 一个样本方差的抽样分布 抽样 若:从一个正态总体中抽样所得到的样本方差的分布 n,S2 则 当 则 两个样本方差之比的抽样分布 抽样 从两个正