第七章假设检验典型例题2-512-52.12610.14077.8661020.1385,7.110.0.05.12X S Y S α==⨯==⨯=个生产线生产的电子器件的电阻都服从正态分布现从号线和号线的产品中分别随机抽取了只,测得号线的电阻的样本均值,样本方差为,号线的样本均值为样本方差为设显著性水平()两个生产线的电子器件的电阻的方差是否相同?()这两个生0.0250.0250.050.050.0250.05((6,6) 5.82,(5,5)7.15,(6,6) 4.28,(5,5) 5.05,(10) 2.2281,(10) 1.8125)F F F F t t ======产线的电子器件的平均电阻有无显著差异?221122(,),(,).N N μσμσ设两个生产线生产的电子器件的电阻分别服从分布解 2222012112(1):,:H H σσσσ=≠2122S F S =检验统计量为,012~(1,1)H F F n n --为真.1212122(1,1)(1,1).F F n n F F n n αα-≥--≤--拒绝域为或126,n n ==2517.86610,S -=⨯2527.110,S -=⨯0.025(5,5)7.15,F =0.9751(5,5)0.14,7.15F ==21221.1079,S F S ==0.147.15,F <<显然0.H 所以接受,即认为两总体的方差相等2-512-52.12610.14077.8661020.1385,7.110.0.05.12X S Y S α==⨯==⨯=个生产线生产的电子器件的电阻都服从正态分布现从号线和号线的产品中分别随机抽取了只,测得号线的电阻的样本均值,样本方差为,号线的样本均值为样本方差为设显著性水平()两个生产线的电子器件的电阻的方差是否相同?()这两个生0.0250.0250.050.050.0250.05((6,6) 5.82,(5,5)7.15,(6,6) 4.28,(5,5) 5.05,(10) 2.2281,(10) 1.8125)F F F F t t ======产线的电子器件的平均电阻有无显著差异?221122(,),(,).N N μσμσ设两个生产线生产的电子器件的电阻分别服从分布解 012112(2):,:H H μμμμ=≠1211w X YT S n n -=+检验统计量,012~(2),H T t n n +-为真122(2)T t n n α≥+-拒绝域为,0.1385,Y =222112212(1)(1)S .2wn S n S n n -+-=+-0.4405,t =0.025(10)t t ≤所以,0.025(10) 2.2281,t =0,.H 接受即认为两批电阻的均值无显著差异0.1407,X =126,n n ==2517.86610,S -=⨯2527.110,S -=⨯21220.0250.0250.050.,.174()1575144()s 1923.10.05?20.05?((6,6) 5.82,(5,5)7.15,(6,6) 4.28,x y X Y x s y F F F F αμμα=========体都服从正态分布测试结果经计算为:单位,;单位,试问:()两种材料的方差是否相等() ()两种材料的均值是否比大()050.0250.05(5,5) 5.05,(10) 2.2281,(10) 1.8125)t t ===22(,),(,)x x y yN N μσμσ设两个正态总体分别为.解222201(1):,:.x y x y H H σσσσ=≠2122S F S =检验统计量为,22s 1923.=21220.819,S F S ==211575,s=012~(1,1)H F F n n --为真.1212122(1,1)(1,1).F F n n F Fn n αα-≥--≤--拒绝域为或0.025(5,5)7.15,F =0.9751(5,5)0.14,7.15F ==0.147.15,F <<显然0.H 所以接受,即认为两总体的方差相等01(2):,:.x y x y H H μμμμ≤>21220.0250.0250.050.,.174()1575144()s 1923.10.05?20.05?((6,6) 5.82,(5,5)7.15,(6,6) 4.28,x y X Y x s y F F F F αμμα=========体都服从正态分布测试结果经计算为:单位,;单位,试问:()两种材料的方差是否相等() ()两种材料的均值是否比大()050.0250.05(5,5) 5.05,(10) 2.2281,(10) 1.8125)t t ===22(,),(,)x x y yN N μσμσ设两个正态总体分别为.解 1211w X YT S n n -=+检验统计量,12~(2),x yT t n n μμ=+-12(2).T t n n α≥+-拒绝域为144,y =222112212(1)(1)S .2w n S n S n n -+-=+-1.2425,t =0.05(10)t t ≤所以,0.05(10) 1.8125,t =0,.x y H μμ接受即认为没有比大174,x =126,n n ==211575,s =221923,s =0.0250.025164865.23254.244635.76262.141(0.05)20.95.(20,15) 2.76,(15F F α==名女职员的工资,得到男职员的月平均工资元,样本方差为; 女职员的月平均工资元,样本方差为.()检验男女职员的工资是否服从相同的正态分布?()就女职员的工资观测值,求总体均值的置信度为的置信区间(0.0250.025,20) 2.57,(35) 2.03,(15) 2.1315t t ===)221122~(,)~(,)X N Y N μσμσ设男职员工资,女职员工资.解 2222012112::.H H σσσσ=≠(1)先检验,2122,S F S =选取统计量0.025(20,15) 2.76F =,0.9750.02511(20,15)0.389,(15,20) 2.57F F ===012~(1,1)H F F n n --为真.1212122(1,1)(1,1).F F n n F F n n αα-≥--≤--拒绝域为或254.240.97262.14F ==,0.389 2.76F <<,0.H 故接受假设,即男女职员月平均工资的方差没有显著差异1221,16,n n ==012112:,:.H H μμμμ=≠再检验0.0250.025164865.23254.244635.76262.141(0.05)20.95.(20,15) 2.76,(15F F α==名女职员的工资,得到男职员的月平均工资元,样本方差为; 女职员的月平均工资元,样本方差为.()检验男女职员的工资是否服从相同的正态分布?()就女职员的工资观测值,求总体均值的置信度为的置信区间(0.0250.025,20) 2.57,(35) 2.03,(15) 2.1315t t ===)221122~(,)~(,)X N Y N μσμσ设男职员工资,女职员工资.解 222112212(1)(1)S .2wn S n S n n -+-=+-012~(2),H T t n n +-为真122(2)T t n n α≥+-拒绝域为,1211w X Y T S n n -=+检验统计量,4865.234635.76||||43.083 2.030,20254.2315262.1411352116t -==>⨯+⨯⨯+0.025(35) 2.030t =,0.H 故拒绝原假设,即男女职员月平均工资有显著差异.综上,男女职员的月平均工资不服从相同的正态分布0.0250.025164865.23254.244635.76262.141(0.05)20.95.(20,15) 2.76,(15F F α==名女职员的工资,得到男职员的月平均工资元,样本方差为; 女职员的月平均工资元,样本方差为.()检验男女职员的工资是否服从相同的正态分布?()就女职员的工资观测值,求总体均值的置信度为的置信区间(0.0250.025,20) 2.57,(35) 2.03,(15) 2.1315t t ===)221122~(,)~(,)X N Y N μσμσ设男职员工资,女职员工资.解 210.950.95αμ-=(2)当置信度时,的置信度为的置信区间为22222222((1),(1))S S Y t n Y t n n n αα--+-262.14262.14(4635.76 2.1315,4635.76 2.1315)1616=-⨯+⨯(4627.13,4644.39)=()()20.0252220.0250.9750.0250.05(10,0.3)1610.040.280.05.(15) 2.1315,(15)27.488,(15) 6.262,15 2.1315,1524.996N x s t t αχχχ========.现从包装好的面粉中随机抽取袋称其重量,经计算得样本均值,样本标准差.试在下检验这天包装机是否正常()2222220010:0.3:0.3.H H σσσσ≤=>=检验假设,解 2220(1)n Sχσ-=选取统计量,22222020(1)~(1).n Sn σσχχσ-==-当时,22(1).n αχχ≥-拒绝域为20.05(15)24.996χ=.2220(1)13.07,n s χσ-==13.0724.996<而,0.H 故接受假设01:10,:10.H H μμ=≠再检验假设(10)n X T S-=选取统计量,0(10),~(1),n X H T t n S -=-当原假设为真时2||(1).t t n α>-拒绝域为0.H 故接受原假设16(10.0410)0.570.28t -==又,.综上,认为该包装机这天正常0.025(15) 2.1315t =,()()20.0252220.0250.9750.0250.05(10,0.3)1610.040.280.05.(15) 2.1315,(15)27.488,(15) 6.262,15 2.1315,1524.996N x s t t αχχχ========.现从包装好的面粉中随机抽取袋称其重量,经计算得样本均值,样本标准差.试在下检验这天包装机是否正常()解 2222220010:0.3:0.3.H H σσσσ≤=>=检验假设,0.H 故接受假设20.050.0250.8250.770.06.10.05295%.((24) 1.7109,(24t αχ==的平均电流消耗为安培.现在用新方法生产了一批马达,从中随机取只,测得电流消耗的样本均值为安培,样本标准差为安培()这批马达比以往生产马达的平均电流消耗是否有显著降低()?()当平均电流消耗未知时,求方差的置信度为的置信区间20.975)39.364,(24)12.401).χ==01:0.8:0.8.H H μμ≥<(1)检验假设,解0.825(0.8)~(24)X T t Sμ=-=检验统计量,25(0.8)(24).X T t Sα-=<-拒绝域为25,0.77,0.06n x s ===25(0.770.8)2.50.06t -==-0.051.7109(24),t <-=-0H 故拒绝,.即认为这批马达比以往生产马达的平均电流消耗有显著降低20.050.0250.8250.770.06.10.05295%.((24) 1.7109,(24t αχ==的平均电流消耗为安培.现在用新方法生产了一批马达,从中随机取只,测得电流消耗的样本均值为安培,样本标准差为安培()这批马达比以往生产马达的平均电流消耗是否有显著降低()?()当平均电流消耗未知时,求方差的置信度为的置信区间20.975)39.364,(24)12.401).χ==解 2(2)1σα-的置信度为的置信区间为()()()()222212211,,11n S n S n n ααχχ-⎛⎫-- ⎪ ⎪-- ⎪⎝⎭295%σ所以的置信度为置信区间为22240.06240.06,(0.00219,0.00697).39.36412.401⎛⎫⨯⨯= ⎪⎝⎭0.0250.050.17400540.05 1.96, 1.645u u α===某种产品的次品率一直是.现对此产品进行新工艺试验,从中抽取件检验,发现有次品件,能否认为这项新工艺显著的提高产品的质量()?()解 (0)1P X p ==-.EX p =由于要检验的参数是总体均值,0010:,:.H p p H p p ≥<检验(1),P X p ==即(1,)X B p 总体的分布是两点分布,因此利用样本均值构造检验统计量000000().(1)(1)X p n X p U p p p p n--==--X p 由于是的无偏估计量,0H u 所以当为真时,应偏大.1H u 当为真时应偏小,.u k k ≤-拒绝域的形式为:,待定,k α给定要确定临界值,0.p p U =需在下导出的分布.此分布虽然容易导出,但不便应用~(0,1)n U N 近似由中心极限定理知,当很大时,,00().(1)n x p u u p p α-=≤--拒绝域:0.05 1.645,u =1.864 1.645u =-<-所以,0.H 故拒绝,即认为这项新工艺提高产品的质量00.17,p = 1.864,u =-540.135,400x ==例6221122~(,)~(,).XN Y N μσμσ设一号方案的产量,二号方案的产量解 2222012112:,:.H H σσσσ=≠为了选择合适的枢轴量,先对方差做假设检验2122SF S=检验统计量为,012~(1,1),H F F n n --为真1212122(1,1)(1,1).F F n n F F n n αα-≥--≤--拒绝域为或112.0705,s =128,n n ==210.1057,s = 1.4267F =,0.05(7,7) 3.79,F =0.950.0511(7,7)0.2639,(7,7) 3.79F F ===0.2639 3.79,F <<22012.H σσ=故接受,即认为120.0250.08881.625,12.070575.875,10.1057.90%.(14) 2.1448x s y s t t =====块地段,在各个试验地段,按两种方案种植作物,这块地段的单位面积产量的样本均值与样本标准差分别为: 一号方案:; 二号方案:假设这两种方案的产量都服从正态分布,试求两种方案平均产量差的置信度为的置信区间(,50.050.05(14) 1.7613(7,7) 3.79(8,8) 3.44F F ===,,)120.0250.08881.625,12.070575.875,10.1057.90%.(14) 2.1448x s y s t t =====块地段,在各个试验地段,按两种方案种植作物,这块地段的单位面积产量的样本均值与样本标准差分别为: 一号方案:; 二号方案:假设这两种方案的产量都服从正态分布,试求两种方案平均产量差的置信度为的置信区间(,50.050.05(14) 1.7613(7,7) 3.79(8,8) 3.44F F ===,,)221122~(,)~(,).X N Y N μσμσ设一号方案的产量,二号方案的产量解 2212σσ=在未知的情况下,121.μμα--求的置信度为的置信区间121212()~(2)11w X Y T t n n S n n μμ---=+-+枢轴量为,222112212(1)(1).2w n S n S S n n -+-=+-121μμα--所以的置信度为的置信区间为12121212221111(2),(2)ww X Y S t n n X Y S t n n n n n n αα⎛⎫--++--+++- ⎪⎝⎭( 4.7298,16.2298).=-11201121201,(,),0:1,:2{(,):34}..x x X f x X X H H X X X X θθθθθ-⎧<<=⎨⎩==≤设总体的概率密度函数为,是取自该其他总体的简单样本,需考虑的假设检验问题为,其拒绝域为求此假设检验犯两种类型错误的概率犯第一类错误的概率为00{}P H H 拒绝为真解 121212340101135d d 1248x x x x x x ≤<<<<==-=⎰⎰12{34|1}P X X θ=≤=犯第二类错误的概率为00{}P H H 接受为假11212231412121122034010113922d d 2d 2d 2432x x x x x x x x x x xx x ><<<<⎛⎫=⋅===⎪⎝⎭⎰⎰⎰⎰12{34|2}P X X θ=>=例8220012001000221020~(,),,,.::,.20.010.05.n X N X X X X H H n x u x u H H ααμσσμμμμμαμασαα⋅⋅⋅=↔≠⎧⎫-⎪⎪≥⎨⎬⎪⎪⎩⎭==设总体,为已知常数,为未知参数,为来自总体的样本检验问题,显著性水平为,拒绝域为其中为样本均值,为标准正态分布的上侧分位数如果在显著性水平下拒绝原假设,那么在显著性水平为下也是拒绝原假设10.01,α=20.05,α=解 1222u u αα≥所以,12000022.n x n x u u ααμμσσ⎧⎫⎧⎫--⎪⎪⎪⎪≥⊂≥⎨⎬⎨⎬⎪⎪⎪⎪⎩⎭⎩⎭120.010.05αα==即显著性水平下的拒绝域含在显著性水平下的拒绝域之中,100.01,H α=因此如果在显著性水平下拒绝原假设200.05,.H α=那么在显著性水平下也是拒绝原假设因此该命题正确.10200.01,0.05H H αα==进一步如果在下接受那么在下是接受还是:拒绝思考?例9()()22220122220.950.950.9750.9752222100~(,)9,12,11,11,12..0.05:4:4.(4)0.711,(5) 1.145,(4)0.484,(5)0.831A 44B 44C X N X s H H s H s H ααμσασσχχχχχχ-=≥↔<====≤≥设总体,从中抽得简单随机样本值: 为样本方差取显著性水平,检验,得( )()()拒绝域为,接受()拒绝域为,拒绝()拒()()2222104D 4s H s H ααχχ-≤≥绝域为,接受()拒绝域为,拒绝解 22(1)4n S χ-=检验统计量为,24σ=在时,222(1)~(1).4n S n χχ-=-1 H 当为真,22(1)4n S χ-=有偏小趋势,221(1)(1).4n s n αχ-⎧⎫-≤-⎨⎬⎩⎭因此拒绝域为2225, 1.5, 1.5,n s s χ====20.95(4)0.711,χ=.故接受原假设 C 例1022000010000000000~(,),,.:,:,. .()()A 1B ()()C 1D X N H H n n u u n n u u ααααμσσμμμμμμαμμμμσσμμμμσσ=>⎛⎫⎛⎫---Φ+Φ+ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎛⎫⎛⎫---Φ-Φ- ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭设总体其中为已知常数为未知参数待检验的假设为: 其中为已知常数若显著性水平,则该检验法犯第二类错误的概率为( )()()()()解 II 犯第类错误的概率00(|)P H H 接受为假0000()()n n X P u μαμμμμμσσ⎧⎫--⎪⎪=≤->⎨⎬⎪⎪⎩⎭00()n u αμμσ⎛⎫-=Φ- ⎪ ⎪⎝⎭000()n X P u μαμμμσ⎧⎫-⎪⎪=≤>⎨⎬⎪⎪⎩⎭D 例11()010.0250000~,1.821,20,20,22,23.0.05:23:23. 1.96A B C D X N X H H u H H H H μαμμ==↔≠=设总体,从中抽得简单随机样本值:取,检验,检验结果为( )()()拒绝域不用样本方差,结果是拒绝()拒绝域要用样本方差,结果是拒绝()拒绝域不用样本方差,结果是接受()拒绝域要用样本方差,结果是接受解 00()n X U μσ-=检验统计量为,~(0,1).U N 0H 在为真时002.n x u αμσ⎧⎫-⎪⎪≥⎨⎬⎪⎪⎩⎭拒绝域为 2.2361u =,0.025 1.96u =.21.2x =计算,0.H 故拒绝 A 例1221222220121120.0250.0522~(,)59.83.2~(,)69.54.3..0.05:,:.((9) 2.2622,(9) 1.8331)A x yx y X N x s Y N y s H H t t s s μσμσσαμμμμ======≠==从总体中抽得个简单随机样本,计算其样本均值,样本方差;从中抽得个简单随机样本,其样本均值,样本方差未知,且这两组样本相互独立显著性水平,检验,则( )()拒绝域与都要220022220B C D x y x y x y H s s H s s H s s H 用到,结果拒绝()拒绝域与都要用到,结果接受()拒绝域与不全用到,结果拒绝()拒绝域与不全用到,结果接受解 ()11w X Y T S m n-=+检验统计量为,222(1)(1)2x ywm S n SS m n -+-=+-,0~(2)H T t m n +-在为真时,.2(2).t t m n α⎧⎫≥+-⎨⎬⎩⎭拒绝域为0.2538t =计算得,0.025(9) 2.2622t =,0.H 故接受原假设B 例13。