第5章 统计假设检验.ppt

(1) 提出假设 ① H0:μD＝0， H1:μD≠0 (2) 选择检验假设H0的统计量，并确定其分布。 ~t(9) (3) 根据样本观测值计算出该统计量的T (4) 在给定的显著性水平?=0.05下， (5) 由于 T =3.305 2.2622，所以拒绝H0，认为两家公司 的评估之间存在显著性差异。进一步分析 房屋 1 2 3 4 5 6 7 8 9 10 di 7 5 12 2 7 7 4 －5 3 4 两家最大差异来源于3号房屋，需要进一步评价。 5.2.4 两个独立样本的F检验 两个独立样本的F检验的目的是利用来自两个总体的独立样本，推断两个总体的方差是否存在显著差异。 设总体X~N(μ1，σ12 )，总体Y~N(μ2，σ22 )， X与Y独 立，且μ1与 μ2未知。 X1，X2，…， 是来自总体X的样 本，Y1，Y2，…， 是来自总体 Y 的样本，S12、S22分别 为两样本方差。给定显著性水平?，检验参数σ12与σ22。 (1) 提出假设 ① H0:σ12=σ22 H1:σ12≠σ22 ② H0:σ12≥ σ22 H1:σ12σ22 ③ H0:σ12≤ σ22 H1:σ12σ22 (2) 选择检验假设H0的统计量，并确定其分布。 ~F(n1-1，n2-1) (3) 据样本观测值计算出该统计量的值F。 (4) 在给定的显著性水平?(0＜?＜1)下，查所选统计量 服从的分布表，确定临界值。 (5) 确定拒绝域并做出判断。对应于3种假设的拒绝域 形式分别为： ① 拒绝域为F≥Fα/2 (n１-1，n2-1)或 F≤F 1-α/2 (n１-1，n2-1) ② 拒绝域为F≤F1-α (n１-1，n2-1) ③ 拒绝域为F≥Fα (n1-1，n2-1) 【例5.5】 某外资公司按两套计划对新招收的打字员进行培训，这些新雇员被交替分配到执行不同训练计划的两个组，第一组有22人，第二组有25人。培训结束后对每个雇员进行考核，假定考核结果都服从正态分布。第一组的样本方差s12=70.3，第二组的样本方差s22=225.5。该公司用 t 检验法来检验这两个组的得分均值是否有显著差异，试问这些数据是否足以使人对用 t 检验所必需的关于方差相等的假设提出怀疑？(α=0.05) 解：(1) 提出假设 H0:σ12 =σ22 H1：σ12 ≠σ22 (2) 检验假设H0的统计量为 (3) 根据样本数据：n1=22，n2=25，S12=70.3，S22=225.5， 计算F的值 F0=S12/S22=70.3/222.5=0.316 (4) 由显著性水平?=0.05，查表知F0.025(21，24)≈2.27， F0.975(21，24)=1/ F0.025(24，21)=1/1.75=0.57 (5) 由于F0=0.316＜0.57，所以拒绝H0，即认为两总体的方差有显著差异。 §5.3 单因素方差分析 5.3.1 方差分析的基本概念 在实际应用中常常要探讨不同实验条件或处理方法对结果的影响。通常是比较不同实验条件下总体均值间差异。方差分析是检验多个总体均值间差异是否显著的一种统计方法。 简言之，方差分析是k个总体均值相等性的检验 。 方差分析中常用的术语有： 实验指标：将要考察的结果，用大写字母X、Y等表示。 (2) 实验因素：影响实验指标的条件，常用大写字母A、B、 C等表示。 (3) 因素水平：因素所处的某种特定状态，常用代表该因素 的字母加下标表示，如A1、A2、B1、B 2等表示。 (4) 方差分析：对于影响一个指标的众多因素，若仅使一 个(或一个以上)因素发生变化，而其他因素均保持不变 (或控制在一定范围内)，分析这一个(或一个以上)因素对 指标的影响是否显著，称为单因素(或多因素)方差分析。 例：为了比较四种不同肥料对小麦亩产量的影响，取一 片土壤肥沃程度和水利灌溉条件差不多的土地，分成16 块。化肥品种记为A1 ，A2 ，A3 ，A4，每种肥料施在四块 土地上，得亩产量如下： 肥料品种A 亩产量 A1 981，964，917，669 A2 607，693，506，358 A3 791，642，810，705 A4 901，703，792，883 问施肥品种对小麦产量有无影响。 实验指标 实验因素 因