假设检验课件.pptVIP

6.4第二類錯誤概率例題（續）：根據圖6－2，計算得由標準正態概率分佈表可知，當U＝2.36時，μ=112時，β=0.0091。6.5對總體均值進行假設檢驗時樣本容量的確定檢驗假設：H0：μ≥μ0H1：μμ06.5對總體均值進行假設檢驗時樣本容量的確定圖6-3上半部分為當H0為真並且μ=μ0時的抽樣分佈。6.5對總體均值進行假設檢驗時樣本容量的確定圖6-3中下半部分為當H0為假時，總體均值的值，記作μ1。所以：得：6.5對總體均值進行假設檢驗時樣本容量的確定由上面得到的公式可得α、β和樣本容量n之間的關係：αβ和n之間關係當三者中有二者已知時，即可計算得到第三者。對於給定的顯著性水準α，增大樣本容量將會減少β對於給定的樣本容量，減小α會使β增大，相反增大α將會使β減小。6.6非參數的假設檢驗 前兩節的假設檢驗都是在已知總體的分佈類型（如正態分佈）下進行的。 但是在許多問題中，總體不一定是屬於正態分佈，甚至總體的分佈未知。 為此，本節介紹統計上常用的不依賴於總體分佈及其參數知識的檢驗——非參數檢驗（NonparametricTests）方法。6.6.1兩個總體分佈差異的檢驗 實際問題中，經常要檢驗兩種不同的處理方法效果是否相同。 例如，比較在不同鑽機、不同操作人員、不同地質條件下，鑽機效率是否相同等等。 諸如此類問題是對兩個總體的分佈是否相同的檢驗。下麵介紹兩種簡單易行的方法：“符號檢驗法”和“秩和檢驗法”。符號檢驗法（SignTests） 設兩個總體X1,X2,它們的分佈皆未知，以f1(x)和f2(x)分別表示兩總體的概率密度。我們要檢驗f1(x)=f2(x)是否成立。 於是 H0:f1(x)=f2(x),H1:f1(x)≠f2(x)符號檢驗法（SignTests） 為此對兩個總體分別獨立地抽取m個元素，即得到m對數據： (a1,b1),(a2,b2),…,(am,bm) 如果f1(x)=f2(x)假設成立，那麼aibi或aibi(i=1,2,…,m)應該有相同的概率（1/2）。且樣本aibi與aibi的個數差異不應很大。符號檢驗法（SignTests） 令aibi的事件為yi,其取值為1，0 於是y=y1+y2+...+ym服從二項分佈 根據二項分佈計算出了比較aibi或aibi差異的臨界值Sα(n)符號檢驗法步驟：比較樣本數據求出n:n=n++n-在顯著水準α下，根據n值查符號檢驗表得其臨界值Sα(n)判別顯著性aibi記為“+”,“+”的個數記為n+aibi記為“-”，“-”的個數記為n-ai=bi記為“0”，“0”的個數記為n0若S0=min{n+,n-}Sα(n),則拒絕H0,接受H1；認為f1(x)與f2(x)有顯著差異。若S0=min{n+,n-}Sα(n)，則接受H0，認為f1(x)與f2(x)無顯著差異。秩和檢驗法 符號檢驗法的缺點:沒有充分利用數據本身提供的資訊，而且必須在數據成對時使用。 如果兩樣本數據不成對，則可用秩和檢驗法。秩和檢驗法秩和檢驗法的做法： 建立H0和H1；將兩組數據依從小到大次序（秩號）排列成表，如果有兩個以上重複的數，則取秩號平均數作為其秩。 取樣本容量小的一組（樣本容量相同時，取平均數小的一組），其數據個數記為n1,則另一組數據個數記為n2，將樣本容量小的一組所對應的秩相加稱為該組的秩和（SumofRanks）,記為T。秩和檢驗法 如果兩個總體分佈無顯著差異，則T值不應太大或太小。所謂太大或太小是比較而言，其比較值就是秩和檢驗表中的下限T1和上限T2(在給定的顯著水準α下， 若T1TT2,則接受H0:f1(x)=f2(x),認為兩總體分佈無顯著差異。 若TT2或TT1,則拒絕假設H0而接受H1：f1(x)≠f2(x)，認為兩個總體分佈有顯著差異。秩和檢驗法 秩和檢驗法的原理和符號檢驗法類似。 對於兩個總體X1,X2,其概率密度為f1(x)和f2(x)，從中分別獨立抽取樣本觀測值a1,a2,…,am;b1,b2,…bn。如果f1(x)=f2(x)的假設成立，那麼在將兩個樣本的觀測值混合排列的次序中，某個秩數對應的數是ai和bi的概率應是相等的。秩和檢驗法 [例6.4]某藥廠生產殺蟲藥品，檢查兩種配方藥品殺蟲的效果（死亡百分數）如下： 問兩種配方殺蟲效果有無顯著差異？甲配方效果樣本6765646867646