多元正态分布的假设检验法分析.pptxVIP

本资料来源 proc iml; n=20; p=3; x={3.7 48.5 9.3 ,5.7 65.1 8.0 ,3.8 47.2 10.9 , 3.2 53.2 12.0 ,3.1 55.5 9.7 ,4.6 36.1 7.9 , 2.4 24.8 14.0 ,7.2 33.1 7.6 ,6.7 47.4 8.5 , 5.4 54.1 11.3 ,3.9 36.9 12.7 ,4.5 58.8 12.3 , 3.5 27.8 9.8 ,4.5 40.2 8.4 ,1.5 13.5 10.1 , 8.5 56.4 7.1 ,4.5 71.6 8.2 ,6.5 52.8 10.9 , 4.1 44.1 11.2 ,5.5 40.9 9.4 }; m0={4 50 10}; ln={[20] 1} ; x0=(ln*x)/n; print x0; xm=x0-m0; print xm; mm=i(20)-j(20,20,1)/n; a=x`*mm*x; print a; ai=inv(a); print ai; dd=xm*ai*xm`; d2=(n-1)*dd; t2=n*d2; f=(n-p)*t2/((n-1)*p); print dd d2 t2 f; p0=1-probf(f,p,n-p); print p0; fa=finv(0.95,p,n-p); beta=probf(fa,p,n-p,t2); print fa beta;quit; The SAS System 08:48 Wednesday, March 10, 2008 4 X0 XM A AI DD D2 T2 F P0 FA BETA1、问题引入例 设是取自该总体的样本。检验： 与上面的假设等价的是，寻找常数矩阵 注：矩阵C不是唯一的， 在例4.2.1中，假定人类的体形有这样一个一般规律的身高、胸围和上臂围平均尺寸比例为6:4:1。检验比例是否符合这一规律。检验： 则上面的假设可以表达为 其中C为一已知的k×p阶矩阵，kp，rank(C)=K，φ为已知的K维向量。根据多元正态分布的性质可知, 检验：S为协方差矩阵 当 为真时，故可以将霍特林分布的统计量换算成F统计量。 对给定的显著性水平α，检验的规则 编号身高（cm）胸围（cm）上半臂长（cm）17860.616.527658.112.539263.214.548159.014.058160.815.568459.514.0某地区农村男婴的体格测量数据如下检验三个指标的均值是否有关系proc iml;s={ , , };mu={ };c={2 -3 0, 1 0 -6};a=c*t(mu);d=c*s*t(c);g=inv(d);T=6#(t(a)*g*a);f=((6-2)/(2*(6-1)))*T;Print T, f ; p0=1-probf(f,2,6-2); print p0;fa=finv(,2,6-2); print fa;Quit;T＝The SAS System 08:48 Wednesday, March 10, 2008 18 T F P0 FA设从总体 ，中各自独立地抽取样本和 ， 。一、两个独立样本的情形 与一元随机变量的情形相同，常常我们需要检验两个总体的均值是否相等。 考虑假设 根据两个样本可得μ1和μ2的无偏估计量为其中当原假设为真的条件下， 检验的规则为：data d331; input type x1-x4; cards; 1 65 35 25 60 1 75 50 20 55 1 60 45 35 65 1 75 40 40 70 1 70 30 30 50 1 55 40 35 65 1 60 45 30 60 1 65 40 25 60 1 60 50 30 70 1 55 55 35 75 2 55 55 40 65 2 50 60 45 70 2 45 45