统计学――假设检验概念和方法

第6章假设检验，第1章假设检验的基本问题2个常规总体参数的检验3个常规总体参数的检验4个假设检验的其他问题，假设检验的统计方法的状态，学习目标，了解假设检验的基本想法，假设检验的阶段对实际问题使用假设检验置信区间进行假设检验的假设检验，6.1假设检验的基本问题，提出假设问题的假设检验的两种类型的错误假设检验基本概念，生产线的罐装可乐继续包装和包装。如何知道这罐可乐的容量是否合适？罐头可乐的容量要按标准355毫升，基本概念，一定间隔搜索几罐。每隔一小时提取5罐，就是根据5个容量的值X1，X5，相应的值判断生产是否正常。一般方法是抽样检验。基于基本概念，样本信息，测试整体命题之一是否正确。这些问题称为假设测试问题。什么是基本概念，假设？(hypothesis)，对整个参数的数值的说明的整体参数包括对整体平均值、比率、方差等的分析之前，包括必要的陈述，我认为这个地区新出生的婴儿的平均体重是3190克！什么是假设检验？Hypothesistesting会预先假设整体参数或分布的形式，并使用范例资讯来判断原始假设是否有参数假设假设检验和非参数假设检验，并根据统计小概率原则假设测试的基本想法，、所以我们提出假设=50，样本均值，m，=50，采样分布，H0，假设检验的过程，假设检验的阶段，提出假设，以适当的检验统计来确定显著性水平，计算检验统计的值，提出成本说和替代假说，成本定是什么？(nullhypothesis)“零假设”研究者想收集证据提出异议的假设3。总是有等号或4 .h0h0:指定数值为=编号。也就是说，为什么我们称之为H0:3190(克)，0假设？为什么叫零家庭？用零修改原始假设的原因是原始假设的内容总是没有差异、没有变化、变量之间没有关系等零假设总是与整个参数相关的问题，因此总是用希腊语字符表示。样品统计数据与样品统计数据(例如样品平均或样品平均之间的差异)的零假设没有意义。因为样本统计是已知的。当然，多少等于多少，替代假说是什么？(alternativehypothesis)是与原始假设相反的假设，研究假设(research what)研究者想收集证据的假设总是不等于：或者h1:数字或数字(例如，h1: H0)不拒绝的话，p-值对于H0，在不拒绝p值(延长寿命)的情况下创建的原始假设和替代假设必须为h 03336901500 h 1:11500，单侧检查(确定原始假设和替代假设)，一项研究表明，改进生产工艺后，产品的拒绝率可能会下降到2%以下。为了验证这个结论是否成立，研究人员总是将自己的研究结论(废品率降低)定为正确的替代假设的方向“”(废品率减少)而建立的原始假设和初步假设为h 033362% h 1:2%，单侧检查(由原始假设和初步假设决定)，一个灯泡准备出货的话，如何将检验权从一个卖方地方检验为经销商？生产商(如果寿命超过1000小时)建立了正确的替代假设方向“”(如果寿命小于1000小时)的原始假设和选择前提，我想收集证据，表明h 0336900h 1:10=0.05n=16阈值(s):检验统计：=0.05水平拒绝H0，有证据表明这些灯泡的寿命有了显着提高，决定：结论：2对未知大样品平均值的检验(案例分析)，电子部件批量生产的质量标准为平均寿命1200小时。有些工厂声称，他们引进新工序生产的零件质量远远超过规定标准。为了验证，我们随机抽取了100个样本，测量了平均使用寿命1245小时，标准偏差300小时。可以说这个工厂生产的电子零部件质量明显高于规定标准吗？(=0.05)，单侧检查，2对未知大样本平均值的检查(案例分析)，h 0336901200h 1336011200=0.05n=100阈值(s):检查统计信息：整个条件的正态分布2未知，小样本2。使用t统计，检查2个未知的小样本平均值(病例分析)，检验机器制作的肥皂厚度为5厘米的现在，为了了解机器性能是否良好，随机抽取10块肥皂，进行5.3厘米，标准差为0.3厘米，0.05的重要水平，试验机器性能良好的假设。双方检查，对两个未知小样本平均值的检查(案例分析)，h 0:=5h 1:5=0.05 df=10-1=9阈值(s):检查统计信息：在0.05级别步骤1:转到Excel表格界面，选择插入下拉菜单步骤2:单击函数，在函数分类中单击统计信息，然后从函数名称的菜单中选择字符“TDIST”，执行步骤3:将计算出的t值输入到弹出x列中输入3.16自由度列中输入9 2， 双方检查(在单次检查中，在此列中输入1)p值的结果为0.01550.025，拒绝对H0，2未知小样本平均值进行检查(案例分析)，一家汽车轮胎制造商声称特定等级的轮胎平均寿命在特定汽车重量和正常行驶条件下大于40000公里，并试验了由20个轮胎组成的随机样本。 被称为轮胎寿命的公里数遵循正态分布，你能断定该制造商的产品符合他说的标准吗？(=0.05)，单侧检查！平均的单尾t检验(计算结果)，h 033369000h 13360000=0.05 df=20-1=19阈值(s):检验统计数据：在0.05层不拒绝H0， 一项统计结果显示，特定城市老年人人口(65岁以上)的比例为14.7%，为了确认该统计的可靠性，随机挑选了400名居民，其中57人超过65岁。调查结果支持这个城市老年人人口比重为14.7%的观点吗？(=0.05)，双方检查，全面比率检查(案例分析)，h 0:=14.7% h 1:14.7%=0.05n=400阈值(s):检查统计信息：满足设计要求，表明机器稳定性很好。目前在这台机器上组装的产品中随机抽取25瓶，分别测量(样品减去1000cm3)的结果如下。机械性能为设计要求(=0.05)，双侧检查，分布卡(2)检查(案例分析)，h 0333692=1h 1:11=0.05 df=25-1=24阈值(s) 两个正则总体参数的测试，独立样本的总体平均值的差异测试，两个独立样本的差异采样分布，两个总体平均值的差异测试(称为12，22)，1。 条件假设两个样本是独立的随机样本，如果两个群体都不是正态分布，则可以近似为正态分布(n1 30和N2 30)检验统计为两个整体平均的差异检验(假定形式)，两个整体平均的差异检验(案例分析)，双方检验！示例有两种方法可用于制造拉伸强度重要的产品。根据前面的数据，第一种方法产生的产品拉伸强度的标准差为8kg，第二种方法的标准差为10kg。从以两种方式生产的产品中提取随机抽样，分别为n1=32、n2=40、x2=50kg、x1=44kg等。询问用这两种方法生产的产品的平均抗拉强度是否有显着差异。(=0.05)，对两个总体平均值之间的差值进行检查(案例分析)，h 03336901-2=0h 1:1-20=0.05 n1=32，n2=40阈值(s):这里，对两个总体平均值的差异进行测试(12，22未知，但相等，小样本)，具有相同方差的两个总体平均值，两个单独随机样本两个单独随机样本都不知道常规分布两个总体方差，但相等12=22测试统计，对两个总体平均值的差异进行检验(案例分析)，一方性检验，如果吃了很多谷物。 根据他们的食谱，分为两类，经常吃的谷类食品(全部1)、不常吃的谷类食品(全部2)。 然后测量每个午餐的大卡摄入量。经过一段时间的实验后，对这一假设进行了测试(=0.05)，对两个总体平均值之间的差异进行了检查(如按统计数据进行测试)，h 03336901-20h 133601-20h 133601-20=0.05 n1=15，n2=20阈值检查两个总体平均值的差异(例如，用r检查)，第1步：工具下拉列表，然后选择数据分析选项第2步：选择t检查，双样本方差假设第3步：对话框出现时，在变量1的区域框中输入数据区域，在变量2的区域框中输入数据区域。在“平均差异假设”框中输入0，在“输出选项”框中输入0.05。在“输出选项”下，选择选择输出区域检查，使用r检查，两个整体平均值(与示例的t检查匹配)的差值，1。两个整体平均匹配或匹配重复测量(前后)检查2。假定这两个条件都遵循正态分布如果不遵循正态分布，则近似(n1，n2，N2，30)，匹配样本的t检验(假定形式)，注：Di=X1i-X2i，I对观察值，匹配样本的t检验为了验证这一主张是否确实，调查人员随机抽取10名与会者，支持他们的体重记录，如下表，匹配样本的t检验(案例分析)，0.05的显著性水平，该俱乐部的主张吗？单侧检查、匹配抽样的t检查(案例分析)、匹配抽样的t检查(案例分析)、差异平均值、差异标准差、h 0:m 1m 28.5 a=0.05 df=10-1=9阈值步骤1:选择工具步骤2:选择数据分析选项步骤3:在分析工具中选择“t检查：分析平均值的样本对”步骤4:对话框出现时，在“变量1的区域”框中输入数据区域“变量2的区域”框中输入数据区域“假定平均差异”框中输入8.5重要性级别输入默认值r检查， 假设两个条件都是分开的。两者都可以使用正态分布近似统计量。两个整体比率的差异z检验、两个整体比率的差异检验(假定形式)、两个整体比率的差异z检验(案例分析)、单侧检验、一次检验，例如，两个大企业的年轻工人参加技术培训的调查结果如下：a工厂：60人调查，18人参与技术教育的调查。乙工厂有40人，14人参加技术培训。基于上述调查结果，乙厂工人参加技术培训的人数比例是否高于甲厂？(=0.05)，两个整体比率之差的z检查(案例分析)，h 03336901-20h 1:1-20=0.05 n1=60，n2=40临界值(s):检查两个完全方差的f检查(阈值)，两个完全方差的f检查(案例分析)，h 033369012=22h 1336012=0.05 n1=15，n2=20阈值(s):检查未知时间：如果整个假设值0位于置信区间之外，则拒绝H0，使用置信区间进行检查(单侧检查)，左侧检查：查找单边信任下限