《应用统计学两个总体的假设检验.ppt》由会员分享，可在线阅读，更多相关《应用统计学两个总体的假设检验.ppt（20页珍藏版）》请在三一办公上搜索。
1、1,本章教学目标掌握运用 Excel 的“数据分析”及其统计函数功能求解两个总体的假设检验问题。,第8章 两个总体的假设检验,2,本章主要内容：,8.1 案例介绍 8.2 两个独立正态总体均值的检验8.3 成对样本试验的均值检验8.4 两个正态总体方差的检验(F检验)8.5 两个总体比例的检验8.6 两个总体的假设检验小结,3,【案例1】新工艺是否有效？某厂生产的一种钢丝的平均抗拉强度为 10560(kg/cm2)。现采用新工艺生产了一种新钢丝，随机抽取 10 根，测得抗拉强度为：10512,10623,10668,10554,10776 10707,10557,10581,10666,106
2、70 求得新钢丝的平均抗拉强度为 10631.4(kg/cm2)。是否就可以作出新钢丝的平均抗拉强度高于原钢丝，即新工艺有效的结论?,8.1 案例介绍,4,为分析甲、乙两种安眠药的效果，某医院将20个失眠病人分成两组，每组10人，两组病人分别服用甲、乙两种安眠药作对比试验。试验结果如下：两种安眠药延长睡眠时间对比试验(小时),(1)哪种安眠药的疗效好？(2)如果将试验方法改为对同一组10个病人，每人分别服用甲、乙两种安眠药作对比试验，试验结果仍如上表，此时结论如何？,案例1哪种安眠药的疗效好？,5,设总体 X1 N(1,12)，,X2N(2,22)，,且 X1和 X2 相互独立。,和 S12,
3、S22 分别是,它们的样本的均值和样本方差，,样本容量分别为,n1和 n2。,原假设为,H0：1=2,8.2 两个独立正态总体均值的检验,6,可以证明，当 H0 为真时，统计量,其中：,完全类似地，可以得到如下检验方法：,t(n1+n2-2),称为合并方差。,1.12=22=2，,但 2 未知,(t 检验),7,测得甲,乙两种品牌轿车的首次故障里程数数据如下：甲品牌 X1：1200,1400,1580,1700,1900乙品牌 X2：1100,1300,1800,1800,2000,2400设 X1和 X2 的方差相同。问在水平 0.05 下，(1)两种轿车的平均首次故障里程数之间有无显著差异
4、?(2)乙品牌轿车的平均首次故障里程是否比甲品牌有显著提高?,【案例2】轿车质量差异的检验,8,解：,双边检验问题,S12=269.62，,S22=471.92,12=22=2 未知，,n1=5，,H0：1=2,H1：12。,由所给数据，可求得,|t|=0.74,t/2(n1+n2-2),=t0.025(9),故两种轿车的平均首次故障里程间无显著差异，,即两种轿车的该项质量指标是处于同一水平的。,n2=6，,=2.2622,9,(2)左边检验,t=-0.74-t(n1+n2-2)=-t0.05(9)=-1.833故乙品牌轿车平均首次故障里程并不显著高于甲品牌。显然，对给定的水平，若单边检验不显
5、著，则双边检验肯定不显著。但反之却不然，即若双边检验不显著，单边检验则有可能是显著的。,H1：12,10,此时，可用 Excel 的【工具】“数据分析”“t 检验：双样本异方差假设”检验 1222且都未知时两个正态总体的均值。,2.1222 且未知,11,为分析甲、乙两种安眠药的效果，某医院将20个失眠病人分成两组，每组10人，两组病人分别服用甲、乙两种安眠药作对比试验。试验结果如下：两种安眠药延长睡眠时间对比试验(小时),(1)两种安眠药的疗效有无显著差异？(2)如果将试验方法改为对同一组10个病人，每人分别服用甲、乙两种安眠药作对比试验，试验结果仍如上表，此时两种安眠药的疗效间有无差异？,
6、【案例1】哪种安眠药的疗效好？,12,(1)设服用甲、乙两种安眠药的延长睡眠时间分别为X1,X2，,故不能拒绝H0，两种安眠药的疗效间无显著差异。,S22=1.7892,S12=2.0022，,案例 1 解答,X1N(1,2)，,X2N(2,2)，,n1=n2=10。,由试验方法知 X1,X2 独立。,H0：1=2，H1：12由表中所给数据，可求得：,13,故两种安眠药疗效间的差异是高度显著的！,=4.0621,8.3 成对样本试验 案例 1(2)解答,由于此时 X1,X2 为同一组病人分别服用两种安眠,药的疗效，,因此 X1,X2 不独立，,属于成对样本试验。,对于这类“成对样本试验”的均值
7、检验，,应当化,为单个正态总体的均值检验。,方法如下：,设 X=X1-X2,(服用甲、乙两种安眠药延长睡眠时,间之差)，,则 XN(,2)。,H0：=0，,H1：0,由表中所给数据，可求得,S=1.23，,n=10,t 0.005(9)=3.2498,14,1.F 分布,设 X 2(n1)，,Y 2(n2)，,且 X 和 Y 相互独立，,则随机变量,服从自由度为(n1,n2)的 F 分布，,记为,F F(n1,n2),n1 为第一(分子的)自由度，,n2 为第二(分母的)自由度。,8.4 两个正态总体方差的检验,15,F 分布密度函数的图形,x,f(x),0,n1=20,n2=10,n1=20
8、,n2=25,n1=20,n2=100,16,F 分布的右侧 分位点 F(n1,n2),F 分布的右侧 分位点为满足 P F F(n1,n2)=的数值 F(n1,n2)。,F(n1,n2),F(n1,n2)有以下性质：F1-(n1,n2)=1/F(n2,n1)利用上式可求得 F 分布表中未给出的 值的百分位点。,如 F0.95(10,15)=1/F0.05(15,10),17,2.两总体方差的检验(F 检验),原假设为 H0：12=22。,完全类似地，可以得到如下检验方法：,F(n1-1,n2-1),当 H0为真时，,统计量,【例2】在 0.20下，检验【案例1】中两个正态总体的方差是否存在显著差异,由于我们希望得到的结论是无显著差异，即原假设H0成立，为使检验结论有较高的可信度，重点应控制犯第二类错误(方差间存在显著差异但推断无显著差异)的概率。由两类错误的概率与 间的关系可知，此时不能取得太小。,18,19,8.5 大样本两个总体比例的检验,设 P1,P2 分别是两个独立总体的总体比例，,原假设为,H0：P1=P2,设 p1,p2 分别是它们的样本比例，,n1,n2 分别是它们的,样本容量。,则在大样本的条件下，,统计量,由此，可以得到如下检验方法：,20,8.6 两个总体的假设检验小结,
