- 1、本文档共45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)。
查看更多
例8.3 解:这是双侧检验,建立双侧假设组: Ho:两组“认出”的卡片数相同; H1:两组“认出”的卡片数不同。 比较离差大小,得最大离差: D=Max|S1(x)-S2(x)|=0.406 已知 n1=54,n2=44,都大于40,当α=0.05时,进行双尾检验的临界值为 ? ? 因为D=0.406>Da,因此在0.05的显著性水平下拒绝Ho,即。两组学生的智力不相同。 * 精品ppt·实用可编辑 例8.3 如建立单尾检验假设组: Ho:两组“认出”的卡片数相同; H1:高分组“认出”的卡片数多于低分组。 根据表8-5的数据计算得: D=Max[S1(x)-S2(x)]=-0.406 由于是大样本,故计算卡方统计量: 当α=0.05,df=2时,查得临界值C=5.991。因X2=15.986C,故在5%的显著性水平下拒绝Ho,即高分组的学生智力显著高于低分组的学生。 * 精品ppt·实用可编辑 第三节 卡方(X2)拟合优度检验 一、什么是卡方(X2)拟合优度检验 人们通常关心随机变量的概率分布,如:“随机变量服从参数为n=10和p=2的二项分布”,这样的命题假设可以用“拟合优度检验”来检验。即设计一个检验来比较从假设的分布中抽取的样本,看所假设的分布函数与样本数据是否“拟合”。 所以,拟合检验就是检验抽取样本的总体分布与某种特定分布的符合程度,也就是检验观察值与理论数之间的紧密程度。以X2分布为依据的这种检验,称为X2拟合优度检验 * 精品ppt·实用可编辑 英国统计学家Pearson(皮尔逊)于1900年首先提出了卡方统计量。 1、数据:由随机变量X的N个观测组成。这N个观测可划分为k类,即把X的样本空间S划分成k个互不相交的部分S1,S2,…,Sk,且Si与Sj相互独立。即 Si∩Sj=ф,(i≠j), 记Oi为类i中的观测数,i=1,2,…,k.则 第三节 卡方(X2)拟合优度检验 * 精品ppt·实用可编辑 2、假设条件 1.样本是随机的 2.度量尺度至少是名义的 3、检验统计量 在零假设为真的条件下,令X的一个随机观测落入类i的概率为pi 。定义Ei为H0为真时观测值落入类i的期望观测数,即Ei=piN, i=1,2,…,k.给出如下卡方检验统计量: 第三节 卡方(X2)拟合优度检验 * 精品ppt·实用可编辑 4、零分布:由于 的精确分布难以求得,所以我们用自由度为k-1的卡方 分布来近似。 5、假设组: H0: pi =p (i=1,2,…,k.) H1: pi ≠p (对某个i.) 若 (自由度为k-1的卡方分布的1-a分位数),则拒绝H0,p-值近似等于p(X2(c-1)Q),这个概率可由附表10获得。 第三节 卡方(X2)拟合优度检验 * 精品ppt·实用可编辑 三、X2检验的具体步骤 1.数据分组.根据样本观测值的范围划分为K组; 2.求X落在各组的频数Yi和频率Yi/ n 。 3.求理论概率Pi。当H0成立时,X出现在(bi-1,bi )内的概率Pi 4.计算检验统计量X2。 5.求出拒绝域.根据给定的显著性水平α和自由度k-r-1查X2分布表(附表10),可得临界值C,统计量X2的拒绝域为X2>C。 6.作出判断.若X2>C则拒绝H0,否则接受H0。 * 精品ppt·实用可编辑 实例 单样本拟合检验 一、检验某固定比率的假设 例8.4:据标准规定,某批工业产品中不良品的比例为10%,则可检验如下假设:H0:P=0.1; H1:P≠0.1。 为此,我们在产品批中抽出100个作为样本,发现不合格品数(Y1)为16,则合格品数Y2=100-16=84。 当H0成立时,不合格品的期望数应为nP1=10个,相应地,合格品的期望数n(1-P1)=90。则: k=2,自由度为k-1=1,显著水平a=0.05,查表10得临界值为3.841。由于Xn2>Xa2,所以拒绝Ho假设。 * 精品ppt·实用可编辑 二、检验某固定比率的假设 例8.5:检验随机变量X在(0,1) 区间是否为均匀分布。假设如下: H0:X在(0,1)区间为均匀分布(假设分10类,pi=1/10); H1:X在(0,1)区间不是均匀分布(pi≠p≠1/10); 从未知总体中抽取50个样本。为了检验,我们可以将(0,1)区间分为10等
文档评论(0)