管理统计学-第4章假设检验.pptVIP

未知总体均值?1和?2 ，检验H0： 统计量 服从F(n-1，m-1)分布 计算统计量F值，与Fα/2和F1- α/2比较，做出决策 未知总体均值?1和?2 ，检验H0： 统计量 服从F（n-1，m-1）分布 计算统计量F值，与Fα比较，做出决策 未知总体方差 ，已知  检验H0：?1=?2 统计量 服从t(m+n-2)， n为来自总体X的样本数，m为来自总体Y的样本数 计算统计量F值， ︱t︱≥t α/2，拒绝H0 ︱t︱＜t α/2 ，接受H0 未知总体方差 ，已知  检验H0：?1=?2 统计量 检验过程同未知两个总体的方差 ， 已知 ，检验假设H0：?1=?2 的检验 例4.2 独立样本的t检验 某企业统计了两种不同的膨化食品A和B分别在八家不同超市的日销量（箱） 检验两种膨化食品的日销量是否有显著差异 食品A 86 87 56 93 84 93 75 79 食品B 80 79 58 91 77 82 76 66 Independent-Sample T Test对话框 Analyze→Compare Means→Independent-Samples T Test... Test 列表框 分类变量 ②确定适当的检验统计量 假设检验需要借助样本统计量进行统计推断，称为检验统计量。不同的假设检验问题需要选择不同的检验统计量。 在具体问题中，选择什么统计量，需要考虑的因素有：总体方差已知还是未知，用于进行检验的样本是大样本还是小样本，等等。 在本例中，由于n=4030是大样本，所以 近似服从正态分布，以样本标准差代替总体标准差，所用的统计量是： ③选取显著性水平，确定接受域和拒绝域 显著性水平（Significant Level）：事先给定的形成拒绝域的小概率，用a表示。 通常取a=0.01， a=0.05或a=0.10；这表明，当作出接受原假设的决定时，其正确的概率为99%，95%或90%。 拒绝域：原假设 H0 成立条件下,统计量落入的小概率区域。 接受域：统计量能够取值的非拒绝域。 本例为双侧检验，有 接受域：－1.96≤z≤1.96 拒绝域：z－1.96或z1.96 在实际应用中，一般是先给定了显著性水平，这样就可以由有关的概率分布表查到临界值（critical value） ，从而确定H0的接受域和拒绝域。对于不同形式的假设， H0的接受域和拒绝域也有所不同。 0 拒绝域 拒绝域 接受域 (1)双侧检验 0 拒绝域 接受域 (2)左单侧检验 0 拒绝域 接受域 (3)右单侧检验 如图所示，双侧检验的拒绝域位于统计量分布曲线的两侧，左单侧检验的拒绝域位于统计量分布曲线的左侧，右单侧检验的拒绝域位于统计量分布曲线的右侧。 ④计算检验统计量的值 在提出原假设H0和备选假设H1，确定了检验统计量，给定了显著性水平a以后，接下来就要根据样本数据计算检验统计量的值。其计算的基本公式为： 上式不是计算检验统计量的唯一公式 在本例中， ⑤作出统计决策 根据样本信息计算出统计量z的具体值，将它与临界值 相比较，就可以作出接受原假设或拒绝原假设的统计决策。 在本例中，由于z=3.1841.96，落在拒绝域内，所以拒绝原假设H0。可以得出结论：在a=0.05的显著性水平下，抽样结果的平均年龄显著低于主管经理的估计值，有理由认为经理的估计不准确。 4.2 参数假设检验 一个正态总体参数假设检验 一个正态总体参数假设检验的SPSS应用 两个正态总体参数假设检验 4.2.4 两个正态总体参数假设检验的SPSS应用 假设检验的内容 假设检验 一个总体均值的 假设检验 s未知 s已知 ? 大样本 ? 小样本 两个总体均值差 的假设检验 一个正态总体参数假设检验 已知?的Z检验 已知?的Z检验 1. 将样本统计量（如 ）转换为标准正态分布Z变量 2. 与Z的临界值比较 如Z检验统计量的值落在临界域内则拒绝H0 否则，不能拒绝H0 Z X X n x x ? ? ? ? ? ? ? ? / ?已知，均值的双侧Z检验 1. 假设 总体服从正态分布； 当(n ? 30)时，不服从正态分布的总体可以用正态分布来近似。 2. 零假设只有“=”号 3. 使用Z检验统计量 Z X X n x x ? ? ? ? ? ? ? ? /