正态总体均值及方差的假设检验表：单正态总体均值及方差的假设检验表(显著性水平α)
Z =ξ-η～N (a 1-a 2，21σ+2
2σ)，Z i =ξi -ηi .
单正态总体均值及方差的区间估计(置信度1-α)
2个正态总体均值差及方差比的区间估计(置信度1-α)
W S =()()
2
1
2
1212
221n i i n i i n a A n a x x ==-=
-??，()()2
1222211
11n n S B n n S -=
-．
§7.4 一般总体均值的假设检验 一、一般总体均值的大样本假设检验 1． 一个总体均值的大样本假设检验 设样本12(,,,)n X X X 取自非正态总体X ，记总体均值μ=)(X E 。样本均值及样本方差分别为11n i i X X n ==∑，2211()1n i i S X X n ==--∑。 如果我们要做双侧检验：0100::μμμμ≠?=H H ，在大样本情况（样本容量30≥n ）下可选 n S X Z /0 μ-=为检验统计量，由中心极限定理知，它在0H 成立时近 似服从)1,0(N 。检验的P 值近似为|))(|1(2)| |(20O O z z Z P Φ-==≥μμ，其中检验统计量Z 的观测值为 n s x z O /0 μ-=。 例7.4.1 一种机床加工的零件尺寸绝对平均误差为1.35mm 。生产厂家现采用一种新的 机床进行加工以期降低误差。为检验新机床加工的零件平均误差与旧机床相比是否有显著降低，从某天生产的零件中随机抽取50个进行检验。50个零件尺寸的绝对误差数据（mm ）如下所示： 1.26 1.19 1.31 0.97 1.81 1.13 0.96 1.06 1.00 0.94 0.98 1.10 1.12 1.03 1.16 1.12 1.12 0.95 1.02 1.13 1.23 0.74 1.50 0.50 0.59 0.99 1.45 1.24 1.01 2.03 1.98 1.97 0.91 1.22 1.06 1.11 1.54 1.08 1.10 1.64 1.70 2.37 1.38 1.60 1.26 1.17 1.12 1.23 0.82 0.86 利用这些数据，检验新机床加工的零件尺寸的平均误差是否显著降低？（0.01α=） 解：这里研究者所关心的是新机床加工的零件尺寸的平均误差与旧机床相比是否有显著降低，也就是新机床加工的零件尺寸的误差的数学期望μ=)(X E 是否小于1.35，因此属于单左侧检验。提出的假设如下： 0: 1.35H μ≥?1: 1.35H μ< 现在50=n ，检验统计量可选为 )1,0(~/35.135.1N n S X Z =-=μ； 由数据得：215.1=x ，366.0=s ，故检验统计量Z 的观测值为608.250 /366.035 .1215.1-≈-≈O z ，所以检验的P 值近似为 0046.0)608.2()35.1608.2(=-Φ≈=-≤μZ P 。 因为01.0
16.3 单个正态总体参数的假设检验 设,,,12n X X X 是来自正态总体()2,N μσ的样本，考虑如下三种关于μ的检 验问题 (1) 00:H μμ≤ vs 10:H μμ> 单侧检验 (2) 00:H μμ≥ vs 10:H μμ< 单侧检验 (3) 00: H μμ= vs 10:H μμ≠ 双侧检验 ********************************************************** (1) 00: H μμ≤ vs 10:H μμ> 单侧检验 (3) 00:H μμ= vs 10:H μμ≠ 双侧检验
********************************************************** 下面给出σ已知时，上述三种检验情况的具体实现。 σ已知时的，对于单侧检验问题(1) 00:H μμ≤ vs 10:H μμ>， 2 ~, X N n σμ?? ?? ? ，故选用服从标准正态分布的检验统计量X u =， 通常称此检验为u 检验。 拒绝域选为()()?? ? ???????≥σμ-==c x n u x x W n 01:,, ，c 为临界值,简记为{}c u ≥。若显著性水平要求为α，则可确定α-=1u c 。 同理对 问题(2)，00: H μμ≥ vs 10:H μμ<，水平为α的检验的拒绝域为 ()()?? ? ???????≤σμ-==αu x n u x x W n 01:,, 。 问题(3)，00: H μμ= vs 10:H μμ≠，水平为α的检验的拒绝域为 ()()?? ? ???? ? ??≤σμ-= =α2-101u x n u x x W n :,, 。 ********************************************************** 例16.3.1 设某工厂生产一种产品，其质量指标服从正态分布()2 2,μN ，μ为 平均质量指标，其值越大则质量越好，10=μ是达到优级的标准。进货商店从一批产品抽取样本,, ,12n X X X ，16=n ，取显著性水平为050.=α，如何检 验这一批产品是否达到优秀。 分析： 根据工厂产品社会声誉可能的不同，分以下两种情况讨论。 情形一，按照过去长时间的记录，商店的检验人员相信该厂的产品质量很好。
总体均值的假设检验 一、正态总体均值的检验 设n X X X ，， ， 21为总体),(２ N 的一个容量为n 的样本． 1．方差2 已知， 的检验——u 检验法． 当2 02 已知时， 假设检验问题：0100 ：；：H H ． 选择检验统计量n X U /00 ，当0H 成立时，)1,0(~N U ． 给定显著性水平 ，由标准正态分布分位点的定义, 有 }|{|2/u U P ， 故拒绝域}{}{}|{|2/2/2/ u U u U u U W ， 这种利用服从正态分布的检验统计量的检验方法称为u 检验法． 有时我们只关心总体的均值是否增大（或减小）．比如，经过工艺改革后，产品的质量（如材料的强度）比以前是否提高，此时我们要研究的是新工艺下总体的均值 是小于等于原来的均值0 ，还是大于0 ， 即检验假设 0100 ：；：H H ． 可以证明，在显著性水平 下，上述假设检验问题和 检验假设0100 ：；：H H 有相同的拒绝域， 因此，遇到形如00 ：H 的检验问题，可归结为后一个假设检验问题讨论． 类似地，形如0100 ：；：H H 的检验问题， 可归结为检验假设 0100 ：；：H H ． 这都是单边检验问题．给定显著性水平 ，求得的临界值点是上 分位点或上 1分位点．
例1 某厂生产的某种钢索的断裂强度X 服从),(２ N ，其中 40 (kg/cm 2)，现从这批钢索中抽取容量为9的样本，测得断裂强度的平均值 x 较以往正常生产的 大20(kg/cm 2 )，设总体方差不变，问在1.00 下，能否 认为这批钢索质量有显著提高？ 解 依题意，检验假设0100 ：；：H H ， 由于40 已知，选择检验统计量n X U /0 因为0H 中的 全部都比1H 中的 要小，从直观上看，当0H 成立时，X 的取值 x 不应比 大很多，若偏差0 x 过大，则拒绝0H 而接受1H ． 因为 0100 ：；：H H 的拒绝域为}{ u U W ， 故在显著性水平1.00 下原假设的拒绝域为 }{}{0n u X u U W ． 本题中，9 n ，40 ，200 x ，33.201.0 u ， 计算U 的值33.25.1/0 n x u 因此在显著性水平1.00 下不能拒绝0H ，即认为这批钢索质量没有显著提高． 2．方差2 未知， 的检验——t 检验法． 检验假设0100 ：；：H H ． 因为2 未知，而样本方差2S 是总体方差2 的无偏估计量，用S 代替 ． 选择检验统计量 n S X T /0 ， 当0H 成立时，)1(~ n t T ．给定显著性水平 ，由t 分布分位点的定义， 有 )}1(|{|2/n t T P ，
正态总体参数的检验 1 总体标准差已知时的单个正态总体均值的U检验 某切割机正常工作时，切割的金属棒的长度服从正态分布N(100,4)。从该切割机切割的一批金属棒中随机抽取15根，测得长度为： 97 102 105 112 99 103 102 94 100 95 105 98 102 100 103 假设总体的方差不变，试检验该切割机工作是否正常，即检验总体均值是否等于100？，取显著性水平a=0.05。 分析： 这是总体标准差已知时的单个正态总体均值的检验，根据题目要求可写出如下假设： H0：u=u0=100，H1=u /=u0(u不等于u0) H0称为原假设，H1称为被择假设（或对立假设） MATLAB统计工具箱中的ztest函数用来做总体标准差已知时的单个正态总体均值的检验 调用格式ztest [h,p,muci,zval]=ztest(x,mu0,Sigma,Alpha,Tail) x:是输入的观测向量 mu0：假设的均值 Sigma：总体标准差 Alpha：显著性水平，默认0.05
Tail：尾部类型变量,‘both’双侧检验（默认），u不等于uo；‘right’右侧检验，u>u0; ‘left’左侧检验,u
正态总体均值及方差的假设检验表： 单正态总体均值及方差的假设检验表(显著性水平α) 1 a n ～N (0,1)2 01 a S n ～t 2 2 02 1 0n i n i a ～ 2或 2 21 2 n 2 2n 2 21 n 20 ～ 22 21 1 2 n 2 21n 21 1 n
2 212 12 n n ～N (0,1) 2 1 2 11W S n n ～ 2 , 22 1122 122 n S n S n n 22 22 21112 2 1 2 1i i n i i a a n ～12,F n n 2 或 2 2 221 n S n ～21,1n 1 2或 2
Z =ξ-η～N (a 1-a 2，21σ+2 2σ)，Z i =ξi -ηi . 2 21 2 Z n ) 2 1 S n ～ 2
单正态总体均值及方差的区间估计(置信度1-α) 已知 1 a n ～N (0,1)0 1 1 , n n u u n n 1 a S n ～t , 1 1 t t n n 2 02 1 n i n i a ～ 001 122, 12 2 i i i i n n a a 20 ～ 21 ,12 2 n
2个正态总体均值差及方差比的区间估计(置信度1-α) 12 212 12 a n n ～N (0,1) 2212 12 u n n 112 11W a S n n 22 n t 1 22 12 11W n n t S n n )2 a ξ-12 ,1 ,2 2 n n A F A 2 112 222 2 11n S n S ～ 2 2 21112W n S n S n n 212 1212 2 2 1 n i i n i i n a A n a ，2 122 2 21111n n S B n n S ． （注：专业文档是经验性极强的领域，无法思考和涵盖全面，素材和资料部分来自网络，供参考。可复制、编制，期待你的好评与关注）
第三节 两个正态总体的假设检验 上一节介绍了单个正态总体的数学期望与方差的检验问题，在实际工作中还常碰到两个正态总体的比较问题. 1.两正态总体数学期望假设检验 （1） 方差已知，关于数学期望的假设检验（Z 检验法） 设X ~N (μ1,σ12），Y ~N （μ2，σ22），且X ，Y 相互独立，σ12与σ22 已知，要检验的是 H 0：μ1=μ2；H 1：μ1≠μ2.(双边检验) 怎样寻找检验用的统计量呢从总体X 与Y 中分别抽取容量为n 1，n 2的样本X 1，X 2，…， 1n X 及Y 1，Y 2，…，2n Y ，由于 2111~,X N n σμ?? ??? ，2222~,Y N n σμ?? ???， E （X -Y ）=E （X ）-E （Y ）=μ1-μ2， D （X -Y ）=D （X ）+D （Y ）= 22 121 2 n n σσ+， 故随机变量X -Y 也服从正态分布，即 X -Y ~N (μ1-μ2， 22 121 2 n n σσ+). 从而 X Y ~N （0，1）. 于是我们按如下步骤判断. （a ） 选取统计量 Z X Y ， （） 当H 0为真时，Z ~N （0，1）. （b ） 对于给定的显著性水平α，查标准正态分布表求z α/2使 P {｜Z ｜＞z α/2}=α，或P {Z ≤z α/2}=1-α/2. （） （c ） 由两个样本观察值计算Z 的观察值z 0： z 0 x y . （d ） 作出判断： 若｜z 0｜＞z α/2，则拒绝假设H 0，接受H 1； 若｜z 0｜≤z α/2，则与H 0相容，可以接受H 0. 例8.7 A ，B 两台车床加工同一种轴，现在要测量轴的椭圆度.设A 车床加工的轴的椭
第三节 双正态总体的假设检验 上节中我们讨论单正态总体的参数假设检验，基于同样的思想，本节将考虑双正态总体的参数假设检验. 与单正态总体的参数假设检验不同的是，这里所关心的不是逐一对每个参数的值作假设检验，而是着重考虑两个总体之间的差异，即两个总体的均值或方差是否相等. 设 X ~),(211σμN , Y ~),(2 22σμN ,1 ,,,21n X X X 为取自总体),(211σμN 的一个样本, 2 ,,,21n Y Y Y 为取自总体),(2 22σμN 的一个样本, 并且两个样本相互独立, 记X 与Y 分别为样 本1,,,21n X X X 与2,,,21n Y Y Y 的均值, 21S 与22S 分别为1,,,21n X X X 与2,,,21n Y Y Y 的方差. 内容分布图示 ★ 双正态总体均值差的假设检验（1） ★ 例1 ★ 例2 ★ 双正态总体均值差的假设检验（2） ★ 例3 ★ 例4 ★ 双正态总体均值差的假设检验（3） ★ 例5 ★ 双正态总体方差相等的假设检验 ★ 例6 ★ 例7 ★ 例8 ★ 例9 ★ 内容小结 ★ 课堂练习 ★ 习题7-3 ★ 返回 内容要点： 态总体均值差的假设检验 1．方差2 221,σσ已知情形 1) 检验假设 .:,:02110210μμμμμμ≠-=-H H 其中0μ为已知常数. 由第五章第三节知, 当0H 为真时, ),1,0(~//2 2 2 1210 N n n Y X U σσμ+--= 故选取U 作为检验统计量. 记其观察值为u . 称相应的检验法为u 检验法. 由于X 与Y 是1μ与2μ的无偏估计量, 当0H 成立时, ||u 不应太大, 当1H 成立时, ||u 有偏大的趋势, 故拒绝域形式为 k n n Y X u ≥+--= 2 2 2 1210 //||σσμ (k 待定). 对于给定的显著性水平α,查标准正态分布表得2/αu k =, 使 αα=≥}|{|2/u U P , 由此即得拒绝域为 ,//||2/2 2 2 1210 ασσμu n n Y X u ≥+--= 根据一次抽样后得到的样本观察值1,,,21n x x x 和2,,,21n y y y 计算出U 的观察值u , 若2/||αu u ≥,则拒绝原假设0H ,当00=μ时即认为总体均值1μ与2μ有显著差异;若2/||αu u <,则 接受原假设0H , 当00=μ时即认为总体均值1μ与2μ无显著差异. 类似地，对单侧检验有： 2)右侧检验：检验假设.:,:02110210μμμμμμ>-≤-H H 其中0μ为已知常数. 得拒绝域为
7.2 正态总体参数假设检验 教学目的：理解和掌握单个以及两个正态总体均值的假设检验的方法与思想，掌握正态总体方差检验的方法，能用R软件来完成这些检验。 教学重点：检验方法的掌握，检验方法思想的理解。 教学难点：检验方法的掌握。 在实际问题中，有关方差的检验问题也是常遇到的，如上节介绍的u检验和t检验中均与方差有密切的联系。因此，讨论方差的检验问题尤为重要。 7.2.1 检验 设总体未知，x1，…，nx为取自X的样本，欲检验假设 其中为已知数。 自然想到，看的无偏估计s2有多大，当H0为真时，s2应在周围波动，如果很大或很小，则应否定H0，因此构造检验统计量。对于给定的显著水平α，可查（n-1）表可得分位数 ∴拒绝域W为。 若统计量落在拒绝域W内，则拒绝，接受。 若统计量落在接受域内，则接受，拒绝 例7-6 设某厂生产铜线的折断力，现从一批产品中抽查10根测其折断力后经计算得样本均值=575.2，样本方差s2=68.16。试问能否认为这批铜线折断力的方差仍为82（公斤）（取α=0.05）？ 解按题意，欲检验假设 （1）， （2）引进统计量 （3）根据α=0.05，查（n-1）=（9）表得临界值
于是得拒绝域 （4）。 （5）计算 由于不在拒绝域W内，故不拒绝，即可认为该批铜线折断力的方差与82（公斤）无显著差异。 7.2.2 F检验 前面介绍的用t检验法检验两个独立正态总体的均值是否相等时，曾假定它们的方差是相等的。一般说来，两个正态总体方差是未知的，那么，如何来检验两独立正态总体方差是否相等呢？为此介绍F检验法。 设有两正态总体和分别是取 自X和Y的样本且相互独立。欲检验统计假设。 由于是的无偏估计，是的无偏估计，当为真时，自然想到和应该差 不多，其比值不会太大或大小，现在关键在于统计量服从什么分布。由§6.3节定理6-4推论我们知道，当为真时，这样，取F为检验统计量，对给定的水平α，查附表5，确定临界值使 。 即得拒绝域。 若由样本观测值算得F值，当F∈W时，拒绝，即认为两总体方差有显著差异。否则认为与相容，即两总体方差无显著差异。 例7-7 设甲、乙两台机床加工同一种轴，从这两台机床加工的轴中分别抽取若干根，测得直径数据如下 假定各台机床加工轴的直径X，Y分别服从正态分布，试比较甲、乙两台机
§8.2总体均值的假设检验 一、正态总体均值的检验 设n X X X ，，， 21为总体),(２σμN 的一个容量为n 的样本． 1．方差2σ已知，μ的检验——u 检验法． 当2 02σσ=已知时， 假设检验问题：0100μμμμ≠=：；：H H ． 选择检验统计量n X U /00 σμ-= ，当0H 成立时，)1,0(~N U ． 给定显著性水平α，由标准正态分布分位点的定义, 有αα=>}|{|2/u U P ， 故拒绝域}{}{}|{|2/2/2/αααu U u U u U W >-<=>= ， 这种利用服从正态分布的检验统计量的检验方法称为u 检验法． 有时我们只关心总体的均值是否增大（或减小）．比如，经过工艺改革后，产品的质量（如材料的强度）比以前是否提高，此时我们要研究的是新工艺下总体的均值μ是小于等于原来的均值0μ，还是大于0μ， 即检验假设 0100μμμμ>≤：；：H H ． 可以证明，在显著性水平α下，上述假设检验问题和 检验假设0100μμμμ>=：；：H H 有相同的拒绝域， 因此，遇到形如00μμ≤：H 的检验问题，可归结为后一个假设检验问题讨论． 类似地，形如0100μμμμ<≥：；：H H 的检验问题， 可归结为检验假设 0100μμμμ<=：；：H H ． 这都是单边检验问题．给定显著性水平α，求得的临界值点是上α分位点或上α-1分位点． 例1 某厂生产的某种钢索的断裂强度X 服从),(２σμN ，其中40=σ(kg/cm 2)，现从这批钢索中抽取容量为9的样本，测得断裂强度的平均值x 较以往正常生产的μ大20(kg/cm 2)，设总体方差不变，问在1.00=α下，能否认为这批钢索质量有显著提高？
学号：20115034036 学年论文(本科） 学院数学与信息科学学院 专业信息与计算科学 年级 2011级 姓名姚瑞娟 论文题目单个正态总体的检验假设 指导教师韩英波职称副教授 成绩 2014年3月10日 1 / 13
目录 摘要 (1) 关键词 (1) Abstrac (1) Keywords (1) 前言 (1) 1 假设检验的基本步骤 (2) 1.1 建立假设 (2) 1.2 建立假设选择检验统计量,给出拒绝域形式 (2) 2 单个正态总体均值的检验 (3) 2.1 δ已知时的μ检验 (4) 2。2 δ未知时的t检验 (6) 3 单个正态总体方差的检验 (8) 参考文献 (9)
单个正态总体的假设检验 学生姓名：姚瑞娟学号:20115034036 数学与信息科学学院信息与计算科学专业 指导老师：韩英波职称:副教授 摘要：本文介绍了假设检验的基本步骤,如何建立假设检验,判断假设是否正确。此外，从2δ已知和2δ未知详细的讲述了单个正态总体μ的检验，还有单个正态总体方差的检验,及与它们相关的应用举例. 关键词：正态分布；假设检验；均值；方差;拒绝域;接受域；原假设； Hypothesis test of one normal population Abstract：It introduces the basic steps of hypothesis test in this paper，and how to build hypothesis and correct judgment test. In addition，it detailed introduces the single hypothesis test from variance is known and unknown。There is a single of normal population variance test and the related application. Keywords：normal distribution;price value；hypothesis test;variance；rejected region；receptive regions；the original hypothesis 前言 假设检验是由K。Pearson于20世纪初提出的，之后由费希尔进行了细化，并最终由奈曼和E。Pearson提出了较完整的假设检验理论.统计推断的一个重要内容就是假设检验.然而,正态分布正态分布是最重要的一种概率分布,正态分布概念是由德国的数学家和天文学家Moiré于1733年受次提出的,但由于德国数学家Gauss率先将其应用于天文学家研究，故正态分布又叫高斯分布,高斯这项工作对后世的影响极大他使正态分布同时有了"高斯分布”的名称，后世之所以多将最小二乘法的发明权归之于他。也是出于这一工作,高斯是一个伟大的数学家,重要的贡献不胜枚举。但现今德国10马克的印有高斯头像的钞票，其上还印有正态分布的密度曲线.这传达了一种想法，在高斯的一切科这要到20世纪正态 1