Minitab区间估计和假设检验讲课文档.pptVIP

双样本Poisson率 您是邮政服务的分析员，您要对两个邮局分支机构进行比较，以确定哪个机构的客户每日到访率更高。您对 40 个工作日内 (9:00 a.m.–5:00 p.m.) 进入每个分支机构的客户数进行计数，并使用双样本 Poisson 率函数比较每个分支机构的客户到访数。 ? 数据： 邮局.MTW Minitab 第三十页，编辑于星期五：十三点 三十分。 单方差 “单方差”命令分析来自总体的单个样本，并为该总体的标准差和方差计算置信区间。它还以可选的假设检验为特征，来确定未知的总体标准差或方差是否等于用户指定的值。例如，此检验在确定方差是否不同于行业标准时很有用。 方法：卡方方法仅适用于正态分布。 Bonett?方法适用于任何连续分布。 Minitab 第三十一页，编辑于星期五：十三点 三十分。 木材厂的经理要分析锯木机的性能。设计了一台锯木机，以生产刚好为 100 cm 长的梁。经理决定要分析这些长度的方差，以便更好地了解该设备的精度。经理取 50 个梁作为样本，以厘米为单位测量其长度，并使用单方差检验分析此单个总体的方差。 ? 数据： 锯木机.MTW Minitab 第三十二页，编辑于星期五：十三点 三十分。 双方差置信区间和检验 双方差置信区间和检验过程用于根据两个独立的随机样本中的数据对两个总体比率之间的标准差和方差的相等性进行推断。 Minitab 计算两个总体方差和标准差之间比率的假设检验和置信区间；如果比率为 1，则表明两个总体相等。 包括方差分析在内的许多统计过程都假定不同总体具有相同的方差 。使用双方差可以确定相等方差的假设是否有效。 Minitab 第三十三页，编辑于星期五：十三点 三十分。 Minitab 2Variances(两个总体方差的同一性检验) EXH_STAT.MTW 两个总体的方差的同一性（之比）检验 在做方差的同一性检验之前 ， 有必要先做正态性数据检验。 随正态分布时F-Test 结果, 不随正态分布时看Levene’s Test 结果再解释 结果解释:p值比显著水平 5%大, 故不能 判断两个总体的方差不同。 （ 相同 ） 第三十四页，编辑于星期五：十三点 三十分。 最近的研究对在两种道路上驾驶的司机进行了比较。每位司机在两种道路的其中一种上驾驶：一级公路 (1) 和土路 (2)。作为对驾驶性能的测量，测试人员记录了每位司机在每种道路上所作的控制校正次数。您要测试司机的表现在两种道路情况下是否均匀变化。 ? 数据： 公路.MTW （在样本数据文件夹中） Minitab 第三十五页，编辑于星期五：十三点 三十分。 相关系数 Pearson 相关系数度量两个连续 变量线性相关 的程度。 假设您有糖果的样本，并且要了解生产设施的温度是否与巧克力涂层的厚度变化有关。或者，您可能有一个高尔夫球的样本，并且要确定其直径差别是否与弹性差别有关。 执行或解释相关分析时，需要记住以下几点： ·????相关系数只度量线性关系。即使相关系数为 0，也会存在有意义的非线性关系。 ·????但根据相关性，不适合推断出以下结论：一个变量的变化会引起另一个变量的变化。只有正确控制的实验才能确定关系是否存在因果性。 ·????相关系数对极值非常敏感。数据集中与其他值截然不同的单个值会极大地改变该系数值。 Minitab 第三十六页，编辑于星期五：十三点 三十分。 第三十七页，编辑于星期五：十三点 三十分。 铝铸件工厂需要评估含氢量与铝合金铸件的多孔性之间的关系。他们收集铸件的随机样本，并测量每个铸件的以下属性： ·????氢含量 ·????多孔性 ·????强度 ? 数据： 铝.MTW Minitab 第三十八页，编辑于星期五：十三点 三十分。 第一页，编辑于星期五：十三点 三十分。 利用样本的信息对总体的特征进行统计推断。通常包括两方面：一类是进行估计，包括参数估计、分布函数的估计以及密度函数的估计等； 另一类是进行检验。主要介绍利用Minitab对正态总体参数进行区间估计和假设检验，其次再来介绍对观测数据的正态性进行检验，最后介绍一些常用的非参数检验方法 本章目录 Minitab 第二页，编辑于星期五：十三点 三十分。 假设检验是从样本特征出发去判断关于总体分布的某种“看法”是否成立。 一般步骤为 : （1）根据问题提出一个原假设H0和备择假设H1 （2）构造一个统计量T，其抽样分布不依赖任何参数 （3）计算概率值 （4）判断：若 ，则拒绝原假设H0，否则接受H1。 本章目录 Minitab 第三页，编辑