假设检验
假 设 检 验 的 基 本 思 想 是 “ 小 概 率 事 件 ” 原 理 , 其 统 计 推 断 方 法 是 带 有 某 种 概 率 性 质 的 反 证 法 。 小 概 率 思 想 是 指 小 概 率 事 件 在 一 次 试 验 中 基 本 上 不 会 发 生 。 假设检验的基本思想是“小概率事件”原理,\\其统计推断方法是带有某种概率性质的反证法。\\ 小概率思想是指小概率事件在一次试验中基本上不会发生。 假设检验的基本思想是“小概率事件”原理,其统计推断方法是带有某种概率性质的反证法。小概率思想是指小概率事件在一次试验中基本上不会发生。
一维正太分布的均值与方差(分布)
大类 | 条件 | 分布 | 范围 |
---|---|---|---|
均 值 μ 0 均值μ_0 均值μ0 | σ 已 知 σ已知 σ已知 | ∑ x i n − μ 0 σ / n \frac{ \frac{\sum x_i}{n} -μ_0}{σ/ \sqrt{n}} σ/nn∑xi−μ0 | N(0,1) |
均 值 μ 0 均值μ_0 均值μ0 | σ 未 知 σ未知 σ未知 | ∑ x i n − μ 0 S / n \frac{ \frac{\sum x_i}{n} -μ_0}{S/ \sqrt{n}} S/nn∑xi−μ0 | t(n-1) |
方 差 σ 2 方差σ^2 方差σ2 | μ 未 知 μ未知 μ未知 | ( n − 1 ) S 2 σ 2 \frac{(n-1)S^2}{σ^2} σ2(n−1)S2 | χ 2 ( n − 1 ) χ^2(n-1) χ2(n−1) |
二维正太分布的均值与方差(分布)
大类 | 条件 | 分布 | 范围 |
---|---|---|---|
均 值 μ 1 , μ 2 均值μ_1,μ_2 均值μ1,μ2 | σ 1 , σ 2 已 知 σ_1,σ_2已知 σ1,σ2已知 | ∑ x 1 i n 1 − ∑ x 2 i n 2 σ 1 n 1 + σ 2 n 2 \frac{ \frac{\sum x1_i}{n1} -\frac{\sum x2_i}{n2}}{ \sqrt{ \frac{ σ_1}{n1} +\frac{ σ_2}{n2} }} n1σ1+n2σ2n1∑x1i−n2∑x2i | N(0,1) |
均 值 μ 1 , μ 2 均值μ_1,μ_2 均值μ1,μ2 | σ 1 , σ 2 已 知 σ_1,σ_2已知 σ1,σ2已知 | ∑ x 1 i n 1 − ∑ x 2 i n 2 σ 1 n 1 + σ 2 n 2 \frac{ \frac{\sum x1_i}{n1} -\frac{\sum x2_i}{n2}}{ \sqrt{ \frac{ σ_1}{n1} +\frac{ σ_2}{n2} }} n1σ1+n2σ2n1∑x1i−n2∑x2i | t(n+m-2) |
方 差 σ 2 方差σ^2 方差σ2 | μ 未 知 μ未知 μ未知 | S 1 2 S 2 2 \frac{S1^2}{S2^2} S22S12 | F ( n − 1 , m − 1 ) F(n-1,m-1) F(n−1,m−1) |
例 : 由 经 验 知 某 零 件 的 重 量 X N ( μ , o 2 ) , μ = 15 , o = 0.05 ; 技 术 革 新 后 , 抽 出 6 个 零 件 , 测 得 重 量 为 ( 单 位 : 克 ) 14.715.114.815.015.214.6 , 已 知 方 差 不 变 , 试 统 计 推 断 , 平 均 重 量 是 否 仍 为 15 克 ? ( a = 0.05 ) 例:由经验知某零件的重量X~N (μ, o2) ,μ=15,\\ o=0.05;技术革新后,抽出6个零件,测得重量为\\ (单位:克) 14.7 15.1 14.8 15.0 15.2 14.6, 已\\ 知方差不变,试统计推断,平均重量是否仍为15克?(a=0.05 ) 例:由经验知某零件的重量X N(μ,o2),μ=15,o=0.05;技术革新后,抽出6个零件,测得重量为(单位:克)14.715.114.815.015.214.6,已知方差不变,试统计推断,平均重量是否仍为15克?(a=0.05)
解 : 由 题 意 可 知 : 零 件 重 量 X N ( μ , o 2 ) , 且 技 术 革 新 前 后 的 方 差 不 变 σ 2 = 0.0 5 2 , 要 求 对 均 值 进 行 检 验 , 采 用 U 检 验 法 。 假 设 H 0 : μ = 15 ; H 1 : μ ≠ 15 构 造 U 统 计 量 , 得 U 的 0.05 双 侧 分 位 数 为 U 0.025 = + / − 1.96 而 样 本 均 值 为 x = 14.9 故 U 统 计 量 的 观 测 值 为 X ˉ − μ σ n = 1 ˉ 4.9 − 15 0.05 6 = − 4.9 观 测 值 落 在 拒 绝 域 内 所 以 拒 绝 原 假 设 。 解:由题意可知:零件重量X~N (μ, o2) ,且技术革新前后的方差不变σ^2=0.05^2,\\ 要求对均值进行检验,采用U检验法。\\ 假设H_0: μ=15;H_1: μ≠15\\ 构造U统计量,得U的0.05双侧分位数为 U_{0.025}= +/-1.96\\ 而样本均值为x =14.9\\ 故U统计量的观测值为 \frac{\bar X-μ}{\frac{σ}{\sqrt{n}}} =\frac{\bar 14.9-15}{\frac{0.05}{\sqrt{6}}} =-4.9 观测值落在拒绝域内 所以拒绝原假设。 解:由题意可知:零件重量X N(μ,o2),且技术革新前后的方差不变σ2=0.052,要求对均值进行检验,采用U检验法。假设H0:μ=15;H1:μ=15构造U统计量,得U的0.05双侧分位数为U0.025=+/−1.96而样本均值为x=14.9故U统计量的观测值为nσXˉ−μ=60.051ˉ4.9−15=−4.9观测值落在拒绝域内所以拒绝原假设。
对
普
通
正
态
总
体
的
参
数
μ
的
区
间
估
计
X
ˉ
−
μ
σ
n
∼
N
(
0
,
1
)
总
体
方
差
已
知
,
非
标
准
正
态
化
为
标
准
正
态
(
由
中
心
极
限
定
理
,
当
n
足
够
大
,
也
可
以
把
独
立
同
分
布
的
随
机
变
量
之
和
当
作
正
态
变
量
)
X
ˉ
−
μ
s
n
∼
t
(
n
−
1
)
总
体
方
差
w
e
i
知
对普通正态总体的参数μ的区间估计\\ \frac{\bar X-μ}{\frac{σ}{\sqrt{n}}} \ \sim N(0,1) \\总体方差已知,非标准正态化为标准正态(由中心极限定理,当n足够大,\\也可以把独立同分布的随机变量之和当作正态变量)\\ \frac{\bar X-μ}{\frac{s}{\sqrt{n}}} \ \sim t(n-1) \\总体方差wei知\\
对普通正态总体的参数μ的区间估计nσXˉ−μ ∼N(0,1)总体方差已知,非标准正态化为标准正态(由中心极限定理,当n足够大,也可以把独立同分布的随机变量之和当作正态变量)nsXˉ−μ ∼t(n−1)总体方差wei知
1
σ
2
∑
i
=
1
n
(
X
i
−
μ
)
2
∼
χ
2
(
n
)
\frac{1}{σ^2}\sum_{i=1}^{n}(X_i-μ)^2 \ \sim χ^2(n)
σ21i=1∑n(Xi−μ)2 ∼χ2(n)
n
−
1
σ
2
S
2
∼
χ
2
(
n
−
1
)
\frac{n-1}{σ^2}S^2 \ \sim χ^2(n-1)
σ2n−1S2 ∼χ2(n−1)