设总体
X
X
X~
N
(
μ
1
,
σ
2
)
N(\mu_1,\sigma^2)
N(μ1,σ2),
Y
Y
Y~
N
(
μ
2
,
σ
2
)
N(\mu_2, \sigma^2)
N(μ2,σ2)相互独立,
σ
2
\sigma^2
σ2未知。为检验右侧假设
H
0
:
μ
1
−
μ
2
≤
δ
,
H
1
:
μ
1
−
μ
2
>
δ
H_0:\mu_1-\mu_2\leq\delta,H_1:\mu_1-\mu_2>\delta
H0:μ1−μ2≤δ,H1:μ1−μ2>δ(或左侧假设
H
0
:
μ
1
−
μ
2
≥
δ
,
H
1
:
μ
1
−
μ
2
<
δ
H_0:\mu_1-\mu_2\geq\delta,H_1:\mu_1-\mu_2<\delta
H0:μ1−μ2≥δ,H1:μ1−μ2<δ),检验统计量为
X
‾
−
Y
‾
−
δ
S
w
1
/
n
1
+
1
/
n
2
\frac{\overline{X}-\overline{Y}-\delta}{S_w\sqrt{1/n_1+1/n_2}}
Sw1/n1+1/n2X−Y−δ~
t
(
n
1
+
n
2
−
2
)
t(n_1+n_2-2)
t(n1+n2−2)。其中,
X
‾
\overline{X}
X和
Y
‾
\overline{Y}
Y是来自
X
X
X和
Y
Y
Y的样本均值,
S
w
=
(
n
1
−
1
)
S
1
2
+
(
n
2
−
1
)
S
2
2
n
1
+
n
2
−
2
S_w=\sqrt{\frac{(n_1-1)S_1^2+(n_2-1)S_2^2}{n_1+n_2-2}}
Sw=n1+n2−2(n1−1)S12+(n2−1)S22,
S
1
2
S_1^2
S12和
S
2
2
S_2^2
S22为样本方差,
n
1
n_1
n1,
n
2
n_2
n2为样本容量。我们可以利用ttestR和ttestL来完成上述关于总体均值差
μ
1
−
μ
2
\mu_1-\mu_2
μ1−μ2单侧假设的检验。
例1两个班级A和B,参加数学课的同一期终考试。分别在两个班级中随机抽取9个、4个学生,他们的得分如下:
A班:
65
,
68
,
72
,
75
,
82
,
85
,
87
,
91
,
95
B班:
50
,
59
,
71
,
80
\text{A班:}65,68,72,75,82,85,87,91,95\\ \text{B班:}50,59,71,80
A班:65,68,72,75,82,85,87,91,95B班:50,59,71,80
设A班、B班考试成绩的总体服从的分布分别为
N
(
μ
1
,
σ
2
)
N(\mu_1,\sigma^2)
N(μ1,σ2)和
N
(
μ
2
,
σ
2
)
N(\mu_2, \sigma^2)
N(μ2,σ2),
μ
1
,
μ
2
,
σ
2
\mu_1, \mu_2, \sigma^2
μ1,μ2,σ2均未知,两个样本相互独立。试在显著水平
α
=
0.05
\alpha=0.05
α=0.05下,检验右侧假设
H
0
:
μ
1
≤
μ
2
,
H
1
:
μ
1
>
μ
2
.
H_0:\mu_1\leq\mu_2, H_1:\mu_1>\mu_2.
H0:μ1≤μ2,H1:μ1>μ2.
解: 下列代码完成本例计算。
import numpy as np#导入numpy
x=np.array([65, 68, 72, 75, 82, 85, 87, 91, 95])#样本数据
y=np.array([50, 59, 71, 80]) #样本数据
xmean=x.mean() #样本均值
ymean=y.mean() #样本均值
s12=x.var(ddof=1) #样本方差
s22=y.var(ddof=1) #样本方差
n1=x.size #样本容量
n2=y.size #样本容量
alpha=0.05 #显著水平
sw=np.sqrt(((n1-1)*s12+(n2-1)*s22)/(n1+n2-2)) #计算sw
T=(xmean-ymean)/(sw*np.sqrt(1/n1+1/n2)) #检验统计量值
accept=ttestR(T, n1+n2-2, alpha) #右侧检验
print('mu1<=mu2 is %s.'%accept)
第2~10行按题面设置各项数据。第11行计算 s w = ( n 1 − 1 ) s 1 2 + ( n 2 − 1 ) s 2 2 n 1 + n 2 − 2 s_w=\sqrt{\frac{(n_1-1)s_1^2+(n_2-1)s_2^2}{n_1+n_2-2}} sw=n1+n2−2(n1−1)s12+(n2−1)s22,第12计算检验统计量 x ‾ − y ‾ − δ s w 1 / n 1 + 1 / n 2 \frac{\overline{x}-\overline{y}-\delta}{s_w\sqrt{1/n_1+1/n_2}} sw1/n1+1/n2x−y−δ为T(注意,本例中 δ = 0 \delta=0 δ=0),第13行调用ttestR函数计算本例右侧假设 H 0 : μ 1 ≤ μ 2 H_0:\mu_1\leq\mu_2 H0:μ1≤μ2的检测。运行程序,输出
mu1<=mu2 is False.
表示拒绝假设
H
0
:
μ
1
≤
μ
2
H_0:\mu_1\leq\mu_2
H0:μ1≤μ2。
写博不易,敬请支持:
如果阅读本文于您有所获,敬请点赞、评论、收藏,谢谢大家的支持!
代码诚可贵,原理价更高。若为AI学,读正版书好。
返回《导引》