正态总体,标准差已知
z = x ˉ − μ 0 σ / n z=\frac{\bar{x}-\mu_0}{\sigma/\sqrt{n}} z=σ/nxˉ−μ0
标准差未知,大样本
z = x ˉ − μ 0 s / n z=\frac{\bar{x}-\mu_0}{s/\sqrt{n}} z=s/nxˉ−μ0
- 在总体标准差σ未知时,可以用样本标准差s代替
例:双侧检验
某机床厂加工一种零件,根据经验知道,该厂加工零件的椭圆度渐近服从正态分布,其总体均值为0.081mm,今另换一种新机床进行加工,取200各零件进行检验,得到椭圆度均值为0.076mm,样本标准差为0.025mm,问新机床加工零件的椭圆度总体均值与以前有无差别?
假设:
H
0
:
μ
=
0.081
m
m
H_0 : \mu = 0.081mm
H0:μ=0.081mm
H 1 : μ ≠ 0.081 m m H_1 : \mu \neq 0.081mm H1:μ=0.081mm:
双侧检验
import pandas as pd
import numpy as np
import scipy as sp
from scipy import stats
# 由题可知
n = 200
mu_0 = 0.081
x_bar = 0.076
sigma = 0.025
a = 0.05
计算 z a / 2 z_{a/2} za/2
z_a2 = stats.norm.isf(a/2)
z_a2
计算统计量
z = (x_bar-mu_0)/(sigma/np.sqrt(n))
z
依据统计量 z 决策
if abs(z)<abs(z_a2):
print('不能拒绝H0,差异不显著')
if abs(z)>abs(z_a2):
print('拒绝H0,接受H1')
不能拒绝H0,差异不显著
计算p值
# 计算p值
p_value = stats.norm.cdf(z)*2
p_value
1.8202875051210001
依据p值决策
if p_value > a :
print('不能拒绝H0,差异不显著')
if p_value < a :
print('拒绝H0,接受H1')
不能拒绝H0,差异不显著
例:单侧检验
某电子元件批量生产的质量标准为平均使用寿命1200小时,标准差为150小时。某厂宣称它采用一种新工艺生产的元件质量大大超过规定标准。为了进行验证,随机抽取20件作为样本,测得平均使用寿命为1245小时。能否说该厂的元件质量高于规定标准?
假设:
H 0 : μ ≤ 1200 H_0 : \mu \leq 1200 H0:μ≤1200
H 1 : μ > 1200 H_1 : \mu > 1200 H1:μ>1200:
单侧检验
# 由题可知
mu_0 = 1200
x_bar = 1245
sigma = 150
n = 20
a = 0.05
计算 z a / 2 z_{a/2} za/2
z_a = stats.norm.isf(a)
z_a
计算统计量
z = (x_bar-mu_0)/(sigma/np.sqrt(n))
z
依据统计量z决策
if abs(z)<abs(z_a):
print('不能拒绝H0,差异不显著')
if abs(z)>abs(z_a):
print('拒绝H0,接受H1')
不能拒绝H0,差异不显著
依据p值决策
p_value = stats.norm.sf(z)
p_value
0.08985624743949988
if p_value > a :
print('不能拒绝H0,差异不显著')
if p_value < a :
print('拒绝H0,接受H1')
不能拒绝H0,差异不显著