第10章 双样本检验.pptVIP

示例求解 检验假设是: H0: π1 – π2 = 0 (两个总体概率相等) H1: π1 – π2 ≠ 0 (两个总体概率有差异) 样本比例是: 男士 p1 = 36/72 = .50 女士: p2 = 31/50 = .62 总体成功比例合并估计: 示例求解（续） π1 – π2 的检验值是: .025 -1.96 1.96 .025 -1.31 决策: 不能拒绝 H0 结论：: 没有足够的证据证明男女在投赞成票的比例上有明显的区别。 Reject H0 Reject H0 临界值= ±1.96 显著性水平 ? = .05 总体比例差的置信区间 π1 – π2 的置信区间为: 总体比例 方差的假设检验 两个总体 方差 的检验 F 检验 H0: σ12 = σ22 H1: σ12 ≠ σ22 H0: σ12 ≤ σ22 H1: σ12 σ22 * 假设 FSTAT S12 / S22 S12 = 样本1的方差 n1 = 样本1 的样本量 S22 = 样本2的方差 n2 = 样本2的样本量 n1 –1 = 分子的自由度（样本1的自由度） n2 – 1 = 分母的自由度（样本2的自由度） 这里: F分布 df1 = n1 – 1 ; df2 = n2 – 1 找出拒绝域 H0: σ12 = σ22 H1: σ12 ≠ σ22 H0: σ12 ≤ σ22 H1: σ12 σ22 F 0 ? Fα Reject H0 Do not reject H0 Reject H0 if FSTAT Fα F 0 ?/2 Reject H0 Do not reject H0 Fα/2 Reject H0 if FSTAT Fα/2 F检验示例 你作为一家经纪公司的金融分析师。要了解纽约证券交易所（NYSE）和纳斯达克上市股票的股息收益率之间有什么不同？您收集以下数据： NYSE NASDAQ样本数 21 25 样本均值 3.27 2.53 样本标准差 1.30 1.16 假设两个总体都服从正态分布和具有相等的方差，在? = 0.05的显著信水平下，两个的均值有差异吗？ F检验：例解 原假设和备择假设分别为: H0: σ21 = σ22 (两个方差没有差异) H1: σ21 ≠ σ22 (两个方差有差异) 可以查表得到在? = 0.05时的F值: 分子自由度 d.f. = n1 – 1 = 21 –1 =20 分母自由度 d.f. = n2 – 1 = 25 –1 = 24 Fα/2 = F.025, 20, 24 = 2.327 求解 检验统计量: 0 ?/2 = .025 F0.025=2.327 Reject H0 Do not reject H0 H0: σ12 = σ22 H1: σ12 ≠ σ22 FSTAT = 1.256 不在拒绝域中，因此不能拒绝原假设 结论: 没有足够的证据证明两个方差在? = .05下存在显著性差异 * * * 第10章 双样本检验 学习目标 如何利用假设检验去比较它们之间的区别 两个独立总体均值 两个相关总体均值 两个独立总体比例 两个独立总体方差 如何使用单向方差分析（ANOVA）来测试几个总体之间的差异 如何在一个单向方差分析中进行多重比较 双样本检测 双样本检测 总体均值, 独立样本 总体均值, 相关样本 总体 方差 Mean 1 vs. Mean 2 Same group before vs. after treatment Variance 1 vs. Variance 2 Examples: 总体比例 Proportion 1 vs. Proportion 2 μ1 - μ2的假设检验（σ1 和 σ2 已知） 两个均值差 总体均值, 独立样本 目标：假设检验或确定两个均值差的置信区间, μ1 – μ2 基于样本均值的差 X1 – X2 * σ1 和 σ2 未知, 假设相等 σ1 和 σ2 未知, 假设不相等 独立样本的两个均值差 均值, 独立样本 * 利用 Sp 来估计未知的 σ 使用合并方差t检验 σ1 和 σ2 已知, 假设相等 σ1 和 σ2 未知, 假设不等 利用 S1 和 S2 来估计未知的 σ1 和 σ2，使用分离方差 t 检验 不同的数据源 没有联系 独立 一个样本的选择不会影响另一个样本的选择 两个总体均值的假设检验 Lower-tail 检测: