第七讲 假设检验1.pptVIP

第七讲 假设检验;7 假设检验;其中;　　由于这种检验方法是基于正态分布的方法, 所以又称为正态检验法或Ｚ检验法.;7.1 已知，单个正态总体的均值μ的 假设检验（Z检验法）;例74;其中,;7.2 未知，单个正态总体的均值μ的假设检验( t检验法);某种电子元件的寿命X（以小时计）服从正态分布，u, σ2均未知。现测得16只元件的寿命如下159 280 101 212 224 379 179 264 222 362 168 250 149 260 485 170问是否有理由认为元件的平均寿命大于225（小时）？ σ2未知，在 水平下检验假设: ; 设总体X~ N(?1, ?12 ), X1,X2,…,Xn为来自总体X的样本，样本均值为 ，样本方差为 。;11;7.3 两个正态总体均值差的检验（t检验）;例76;7.4 两个总体一致性的检验——秩和检验;7.4 两个总体一致性的检验——秩和检验;例77;7.8 正态分布的拟合优度测试;7.8 正态分布的拟合优度测试;例 从一批零件中随机抽取一组样品，下面是零件样品直径的统计表： ; m1=ones(1,11)*2.55； m2=ones(1,12)*2.65; m3=ones(1,17)*2.75; m3=ones(1,19)*2.85; m4=ones(1,19)*2.85; m5=ones(1,26)*2.95; m6=ones(1,24)*3.05; m7=ones(1,22)*3.15; m8=ones(1,19)*3.25; m9=ones(1,13)*3.35; [h,p,lstat,cv]=lillietest(M);h = 1 p = 1.0000e-003 lstat = 0.1062 cv = 0.0701 结果h=1表示拒绝正态分布的假设；p= 1.0000e-003表示服从正态分布的概率很小，统计量lstat = 0.1062大于接受假设的临界值cv = 0.0701，因而拒绝假设，即不能认为这批零件的直径服从正态分布 ;7.9 单个样本分布的 Kolmogorov-Smirnov 测试;例产生100个正态分布N(2,3）的随机数，测试该随机数是否服从指定的理论分布。 解：在命令窗口输入： x=normrnd(2,3,100,1)； [h,p,ksstat,cv]=kstest(x,[x,expcdf(x,1)],0.05) h = 1 p = 1.4014e-015 ksstat = 0.4128 cv = 0.1340 测试是否服从参数为1的指数分布，h=1表明拒绝服从指数分布的假设;[h,p,ksstat,cv]=kstest(x,[],0.05) h = 1 p = 4.3748e-029 ksstat = 0.5678 cv = 0.1340 测试是否服从标准正态分布，h=1表明拒绝服从标准正态分布的假设; [h,p,ksstat,cv]=kstest(x,[x normcdf(x,2,3)],0.05) h = 0 p = 0.5335 ksstat = 0.0790 cv = 0.1340 测试是否服从u=2,σ=3正态分???，h=1表明服从u=2,σ=3正态分布正态分布的假设 ;1、某批砂矿的5个样本中的镍含量经测定为（%）： 3.25， 3.27， 3.24， 3.26,3.24 设测定值总体服从正态分布，但总体参数均未知，问在 α=0.001下能否接受假设：这批砂矿的镍含量的均值为3.25？ 2、某工厂有两个车间生产同一种产品,两个车间的月产量都服从正态分布，期望和方差均未知。现测得第一车间10个月的产量为：302 304 305 310 320 299 298 301 315 313.现对第二个车间进行技术改造后，其他条件尽可能的相同，测得10个月的产量为：305 314 320 315 313 308 318 325 301 312.问第二车间技术改造后是否提高了产量？ 3、产生100个标准正态分布的随机数，测试改组随机数是否服从指数分布和正态分布N(0.2,1.2).取α=0.05