- 1、本文档共40页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第二节 显著水平检验法与正态总体检验 2 两个正态总体的假设检验 第二节 显著水平检验法与正态总体检验 1). 方差已知时均值的双侧假设检验 因为 当H0成立时,统计量 第二节 显著水平检验法与正态总体检验 从而,对于给定的显著性水平α,拒绝域为 第二节 显著水平检验法与正态总体检验 2).方差未知时均值的双侧假设检验 第二节 显著水平检验法与正态总体检验 第二节 显著水平检验法与正态总体检验 例5. 为评估某地区中学教学改革后教学质量情况,分别在1995年,1999年举行两次数学考试,考生是从该地区中学的17岁学生中随机抽取,每次100个。两次考试的平均得分分别为63.5,67.0.假定两次数学考试成绩服从正态分布N(μ,σ2), N(μ,σ2 ),分别在下列情况下,对显著水平α=0.05检验该地区数学成绩有无提高. (1). 已知σ1=2.1, σ2=2.2. (2). 假设σ1=σ2=σ但σ未知,且两次考试成绩的样本方差为S12=1.92, S22=2.012 解: 由题意,可设原假设H0:μ1=μ2,备择假设H1:μ1μ2.分别记1995年的样本平均为 ,1999年的为 ,可用 作μ1-μ2的点估计,因此当 偏大时,应拒绝H0 偏大等价于Z偏大,故有拒绝域 (1) 因在H0下 ,标准化 得到检验统计量 α=0.05,为求显著水平0.05的检验,只需选取k使得 代入数据得z=11.513,显然大于临界值1.645,因而依据检验 规则应该拒绝H0,即认为数学成绩有提高. (2) 因在H0下 可用 α=0.05,为求显著水平0.05的检验,只需选取k使得 代入数据得t=12.591,仍然大于临界值1.645,因而依据检验 规则应该拒绝H0,即认为数学成绩有提高. 例 某电器厂生产一种云母片,由长期生产的数据知,云母片的厚度服从正态分布,厚度均值 ,现从某天生产的云母片中随机抽取10片,测量期厚度,算得样本均值 ,样本标准差s=0.014(mm),问这天生产的云母片的平均厚度与以往有无显著差异?取显著性水平 解:以x表示这天生产的云母片的厚度总体,以 和 分别表示其均值和方差,按题意x~N( , ), 和 均未知,问问题就是要在显著性水平 下检验假设 由于 未知,现用t检验法检验,取检验统计量为 第十二章 假设检验 假设检验的基本原理 显著水平检验法与正态总体检验 第十二章 假设检验 假设检验是对总体的分布函数的形式或分布中某些参数做出某种假设,然后通过抽取样本,构造适当的统计量,对假设的正确性进行判断的过程. 前面我们讨论了在总体分布族已知的情况下,如何根据样本去得到参数的优良估计.但有时,我们并不需要估计某个参数的具体值而只需验证它是否满足某个条件,这就是统计假设检验问题. 第十二章 假设检验 假设检验 参数假设检验 非参数假设检验 总体分布已知, 检验关于未知参数 的某个假设 总体分布未知时的 假设检验问题 第一节 检验的基本原理 一、检验问题的提法 假设检验是既同估计密切联系,但又有重要区别的一种推断方法。 例如:某种电子元件寿命X服从参数为λ的指数分布,随机抽取其中的n件。测得其寿命数据, 问题⑴,这批元件的平均寿命是多少? 问题⑵,按规定该型号元件当寿命不小于5000(h)为合格,问该批元件是否合格? 问题⑴是对总体未知参数μ=E(X)=1/λ作出估计。回答“μ是多少?”,是定量的。问题⑵则是对假设“这批元件合格”做出接受还是拒绝的回答,因而是定性的。 对上述例子,还可做更细致考察,设想如基于一次观察 数据算出μ的估计值 ,我们能否就此接受“这批 元件合格”的这一假设呢?尽管 但这个估计仅仅 是一次试验的结果,能否保证下一次测试结果也能得到μ的 估计值大于5000呢?也就是说从观察数据得到的结果 与参考值5000的差异仅仅是偶然的呢?还是总体均值μ确实 有大于5000的“趋势”? 这些问题是以前没有研究过的。一般而言,估计问题是回答总体分布的未知参数是多少?或范围有多大?而假设检验问题则是回答观察到的数据差异只是机会差异,还
文档评论(0)