t检验的学习资料及练习习题.docx

t检验的学习资料及练习习题 t检验的学习资料及练习习题 PAGE PAGE14 t检验的学习资料及练习习题 PAGE 第 四 章 ： 定 量 资 料 的 参 数 估 计 与 假 设 检 验 基 础 抽样与抽样偏差 抽样方法自己所惹起的偏差。当由整体中随机地抽取样本时，哪个样本被抽到是随机的，由所抽到的样本 获取的样本指标 x与整体指标 μ之间偏差，称为实质抽样偏差。当整体相当大时，可能被抽取的样本特别多， 不行能列出全部的实质抽样偏差，而用均匀抽样偏差来表征各种本实质抽样偏差的均匀水平。 x=σ/ Sx=S/ 2t散布 t散布曲线形态与  n（切实地说与自由度  v）大小相关。与标准正态散布曲线对比，自由度  v越小，t  散布 曲线愈平展，曲线中间愈低，曲线两侧尾部翘得愈高；自由度  v愈大，  t  散布曲线愈靠近正态散布曲线，当自 由度  v=∞时，  t  散布曲线为标准正态散布曲线。 t=X-u/Sx=X-u/(S/),V=N-1 正态散布（normaldistribution ）是数理统计中的一种重要的理论散布，是很多统计方法的 理论基础。正态散布有两个参数，μ 和σ，决定了正态散布的地点和形态。为了应用方便，常将 一般的正态变量 X经过u变换[(X-μ)/σ]转变成标准正态变量 u，以使本来各种形态的正态散布 都变换为μ=0，σ=1的标准正态散布（standardnormaldistribution ）,亦称u散布。 依据中心极限制理，经过上述的抽样模拟试验表示，在正态散布整体中以固定 n，抽取若干 个样本时，样本均数的散布仍听从正态散布，即 N（μ，σ）。所以，对样本均数的散布进行 u 变换，也可变换为标准正态散布 N(0,1) 因为在实质工作中，常常 σ是未知的，常用  s作为σ的预计值，为了与  u变换差异，称为 t变换，统计量t值的散布称为t散布。 假定X听从标准正态散布N（0,1），Y听从χ2（n）散布，那么Z=X/sqrt(Y/n)的散布称为自由度为n的t散布,记为Z～t(n)。 特色： 1．以0为中心，左右对称的单峰散布； 2．t散布是一簇曲线，其形态变化与n（切实地说与自由度ν）大小相关。自由度ν越小，t散布曲线越低平；自由度ν越大，t散布曲线越靠近标准正态散布（u散布）曲线，如图. t(n)散布与标准正态 N(0,1)的密度函数 对应于每一个自由度ν，就有一条t散布曲线，每条曲线都有其曲线下统计量t的散布规律，计算较复杂。 学生的t散布（或也t散布），在概率统计中，在置信区间预计、显着性查验等问题的计算中发挥重要作用。 散布状况出现时（如在几乎全部实质的统计工作）的整体标准偏差是未知的，并要从数据 估量。教科书问题的办理标准偏差，因为假如它被称为是两类：（1）那些在该样本规模是这样之 大的一个可办理的数据为基础预计的差异，就仿佛它是必定的（2）这些说明数学推理，在此中的问题，预计标准偏差是临时忽视的，因为这不是一点，这是作者或导师当时的解说。 均数的参数预计 可信区间 按必定的或可信度(1-α)用一个区间来预计整体参数所在的范围，该范围往常称为参数的可信区间或许置信区间，早先给定的概率(1-α)称为可信度或许置信度,常取95%或99%。 点预计用样本统计量直接作为整体参数的预计值。其方法简单，易于理解，但为考虑抽样偏差的大小。 区间预计既依据早先给定的概率（1-a），确立的包含整体参数的可能范围。该范围被称为整体参数的可信区间或置信区间。 假定查验基础 假定查验的基本思想是小概率反证法思想。小概率思想是指小概率事件（或）在一次试验中基本上不会发生。反证法思想是先提出假定(查验假定H0)，再用适合的统计方法确 定假定成立的可能性大小，如可能性小，则以为假定不行立，若可能性大，则还不可以以为不假定成立。[2] 假定查验 假定能否正确，要用从整体中抽出的样本进行查验，与此相关的理论和方法，构成假定查验 的内容。设 A是对于整体散布的一项命题，全部使命题 A成立的整体散布构成一个会合 h ，称为 。使命题A不行立的全部整体散布构成另一个会合 0 原假定 ( 常简称假定 ) h，称为备择假定。假如 1 见非参数结果 。假如 h能够经过有限个实参数来描绘，则称为参数假定，不然称为非参数假定 ( ) 0 h0(或h1)只包含一个散布，则称原假定(或备择假定)为简单假定，不然为复合假定。对一个假定h0进行查验，就是要拟订一个规则，使得有了样本此后，依据这规则能够决定是接受它（认可命 题A正确），仍是拒绝它（否定命题A正确）。这样，全部可能的样本所构成的空间（称样本空间）被区分为两部分HA和HR(HA的补集)，当样本x∈HA时，接受假定h0；当x∈HR时，拒绝 h0。会合HR常称为查验的拒