第六章假设检验2资料.ppt

两独立样本(A)：完全随机分组得到两独立样本 两独立样本(B)：从两总体中随机抽样得到  两独立样本 两独立样本(C)：按某一两分类的属性分组得到两独立样本 注: 这里若想准确一些，可采用插值法做一些处理. (4) 因P0.1，所以在0.05水平上不拒绝H0，差异无统计学意义，即不能认为两种方法的测量值有差异。 【例9】设一种产品的某项指标服从均值为80的正态分布，其厂家经工艺革新后，随机抽取了容量为64的样本，算的样本均数为84，样本标准差为16，问这次工艺革新是否提高了产品的该项指标？ 三、大样本正态总体期望值的u-检验（大样本） 当为大样本时，由中心极限定理可知，不管总体服从什么分布，其样本均值都近似服从正态分布。所以这时的t检验近似于u检验。其步骤类似，检验统计量不同。 (一)单样本资料的u检验（大样本） (4) 因P0.05，所以在0.05水平上拒绝H0，革新后指标差异有统计学意义，即可认为这次工艺革新提高了产品的该项指标。 * * 参数假设检验解法通常采用P值法或临界值法，应该重点关注各类参数检验方法的不同，主要体现在： （1）统计假设的不同； （2）检验统计量的不同； （3）抽样分布及其临界值表的不同。 假设 求统计量值 查表 比较 分析结论 目标要求 1、熟悉总体方差已知条件下的u-检验 (单总体、双总体) 2、掌握总体方差未知的正态总体期望值的t-检验 【单正态、双正态总体（配对，成组）】 第三节 正态总体期望值的参数假设检验 一、方差已知条件下的u-检验（大小样本） (一) 方差已知单正态总体的期望值的u—检验 标准型：设x1,x2,…,xn为来自于总体N(?,?2)的样本值，且?2已知，试对总体期望值?=?0进行假设检验。 1、建立统计假设：H0:? = ? 0 H1:?≠? 0 H0:? = ? 0 H1:?? 0 H0:? = ? 0 H1:?? 0 2、H0真，选择合适统计量，并计算U的样本值u. 3、反查临界值表得到P值，P=P(|U|≥u) 。 4、与?比较, 若P≤?, 则在水平?上拒绝原假设H0 . 5、统计学结论和专业结论。 【补例】设某厂生产一种医疗仪器, 其寿命X?N(?, 2002), 由以往经验知平均寿命? =1500小时, 现采用新工艺后, 在所生产仪器中抽取25只, 测得平均寿命1675小时, 问采用新工艺后, 仪器寿命是否有显著性提高。 (4) 因P0.01，故在0.01水平上拒绝H0，仪器平均寿命与1500小时差异有统计学意义。结合实际可以认为平均寿命有提高。 (二) 方差已知双正态总体的期望值的u—检验 标准型：设x1,x2,…,xn1为来自总体N(?1,?12)的样本值， y1,y2,…,yn2 为来自总体N(?2, ?22)的样本值，且?12、?22已知，试对两正态总体数学期望是否有显著性差异进行检验。 1、建立统计假设：H0:?1=?2 H1: ?1≠?2 对其它单侧假设，方法与单正态总体类似。 2、 H0为真，选择合适统计量,并计算其样本值u 扩展：H0:?1- ? 2=d 3、反查临界值表得到P值，P=P(|U|≥u) 4、与显著性水平?比较, 若P≤?, 则在水平?上拒绝原假设H0 5、统计学结论和专业结论。 【注意】对于正态总体，只要总体方差已知,则不论样本大小都可采用u—检验方法。 而对于非正态总体，只有大样本才可采用u—检验方法(近似)。 且两样本独立，问这两正态总体数学期望是否有显著性差异? 【例3】从两个正态总体 中分别抽取容量为25和30的样本，算得 (4) 因P0.01，在0.01水平上拒绝H0，故差异有统计学意义，可以认为两者有差异。 二、方差未知的正态总体期望值的t-检验（小样本） 在小样本下，使用u-检验要求正态总体方差已知，但这一条件往往不易满足，所以在实际中常常使用条件更为宽松的t-检验，只要获得正态总体的一个 小样本，即可对总体期望值进行检验。 (一)单正态样本资料的t-检验 标准型：设x1,x2,…,xn为来自于正态总体N(?, ?2)的样本值，且?2未知，试对总体期望值?与常数?0的关系进行假设检验。 单正态样本资料的t-检验步骤： 1、建立统计假设：H0:? = ?0 H1:?≠?0 2、选择合适统计量，并计算t的样本值t0 3、反查临界值表得到P值，P=P(|t|≥t0) 4、与显著性水平?比较, 若P≤?, 则在水平?上拒绝原假设H0 . 5、统计学结论和专业结论。 例4 正常人的脉搏平均为72次/分，某职业病院测得10例慢性铅中毒患者的脉搏（次/分）如下：54，67，6