简单试验分析4.pptVIP

设总体X－N（μ,σ2）， x1,x2,…..,xn是样本的观察值，对μ假设检验 。 1、 σ2已知，检验假设H0：μ＝μ0（已知），H1： μ?μ0 H0 ：称为0假设，要检验的假设 H1：称为备择假设 简单的0假设：μ＝μ0 也可： μμ0 μμ0 hypothesis:假说 如果H0成立，则样本服从N（μ0 ,σ2）分布，必有 解释式中各符号涵义 |Z|Z α/2 接受域： 拒绝域： 分析：已知总体σ，检验总体μ → Z法检验 解：假设H0： μ＝ μ0＝0.5 取α＝0.05，查标准正态分布表 Z α/2=1.96 Z -α/2 =-1.96 计算Z0： X＝（0.499+0.514+……+0.524）/9=0.511 Z0=(0.511-0.5)/0.015/91/2=2.2 Z0=2.2在±1.96之外，说明在显著性水平0.05下，认为包装机不正常。 采取区间估计的方法如何做？ 区间估计和假设检验 是一枚硬币的正反面 零假设 备择假设 这里要先检验两组试验方差是否发生变化 单边检验问题： 正态总体常用统计量 统计量 表达式 适用情况 Z 已知总体方差的情况下对总体均值进行区间估计和假设检验 χ2 对总体方差进行区间估计和假设检验 t 总体方差未知情况下，对总体均值进行区间估计和假设检验 F 两个正态总体方差比的估计和假设检验 举例：用红外光谱法测定煤中S含量，仪器分析均方差未知，现对某煤进行8次测定：1.85,1.83,1.84,1.87,1.85,1.88,1.85,1.86。问95％概率下该煤S含量是多少？ Z统计量及其分布 设总体X ?N(?,?2), (X1,X2,…,Xn)是X的样本，均值为X，则： 总体标准偏差未知，不能用Z统计量 邓书p119例8 T统计量： 一个正态总体参数估计常用统计量 统计量 表达式 适用情况 Z 已知总体方差的情况下对总体均值进行区间估计 χ2 对总体方差进行区间估计 t 总体方差未知情况下，对总体均值进行区间估计 T分布和标准正态分布的异同： T分布与标准正态分布相似，左右对称； 在n30, t分布和正态分布就差别不大了。 Z分布与T分布差别：当n较小时，二者相差较大；当自由度n充分大时，t分布近似于正态分布。 ——曾善玉《应用概率统计》p60 回顾异常数据检验：对于小样本，T检验法更准确。 4.2.4两个正态总体方差比的区间估计——F统计量 邓书p124 试验分析中统计量F应用最为广泛 均值 84.7 85.9 88.4 89.6 87.9 这就是方差分析的基本原理 设X1、X2为相互独立的随机变量，且X1~χ2(n1) 、X2~χ2 (n2)， 则称： 是第1自由度为n1，第2自由度为n2的F统计量，其分布称为F分布，记作F(n1,n2)。 定义： F统计量的分布密度函数： F统计量的分布密度图像如下： 如何查表？单侧α点情况 电脑查F值 双侧α点情况 可以证明： F统计量的作用： 常被用来对两样本的方差进行比较，也被用于方差分析、回归分析中的显著性检验。 证明：由总体X ?N(?,?2)的样本方差?2构造的统计量服从卡方分布： 设X—N(μ1,σ12),Y－N(μ2,σ22),其数学期望μ,方差σ均未知。 正态总体常用统计量 统计量 表达式 适用情况 Z 已知总体方差的情况下对总体均值进行区间估计 χ2 对总体方差进行区间估计 t 总体方差未知情况下，对总体均值进行区间估计 F 两个正态总体方差比的估计 正态总体的常用统计量及其分布是试验设计的核心内容； 是试验设计和分析的基础，必须掌握； 也是本书的难点。 12次重复分析结果的标准偏差（95％置信度）： 卡方统计量 T统计量——两个正态总体均值差 4.3 假设检验问题 通过对样本的分析估计出参数的估值或估值范围，但有时我们不要了解这么详细，而更关心结果：是否、有无。 邓书p131例1：奶粉包装机是否异常问题 实际工作中这类问题还有很多，它们可以归纳为： 先提出一个假设，再根据样本观察值，论证这一假设是否真实。 这就是假设检验。 假设检验基本思想的解释 例1 奶粉包装机问题：奶粉包装机重量均值为μ0＝0.5 根据抽样结果计算出样本均值： X＝（0.499+0.514+…..+0.524)/9=0.511 样本X≠ 总体μ0 ,它们之间差异如何解释？ 有两种可能性：A、 X与 μ0的差异是抽样的随机性造成的