单个总体均值方差的检验

H 0 : µ ≤ µ 0 = 225, H 1 : µ > 225,
取 α = 0.05, n = 16, x = 241.5, s = 98.725 0.6685 t0.05 (15) = 1.7531 > t = s/ n
故接受 H 0 , 认为元件的平均寿命不 大于 225小时.
n = 15,
x = 10.48, α = 0.05, s = 0.237,
x − µ 0 10.48 − 10.5 t = = t分布表 = 0.327, s/ n 0.237 / 15 查表得 tα / 2 ( n − 1) = t 0.025 (14) = 2.1448 > t = 0.327, 故接受 H 0 , 认为金属棒的平均长度 无显著变化 .
n2 = 10,
y = 79.43, s2 = 2.225,
2
且s
2 w
(10 −1)s + (10 −1)s = = 2.775, 10 + 10 − 2
2 1 2 2
查表可知 t0.05 (18) = 1.7341,
查表8.1知其拒绝域为 查表 知其拒绝域为 t ≤ − tα ( n1 + n2 − 2). x− y = −4.295, 因为 t = 1 1 sw + 10 10
某切割机在正常工作时, 例1 某切割机在正常工作时 切割每段金属棒的 平均长度为10.5cm, 标准差是 标准差是0.15cm, 今从一批产 平均长度为 品中随机的抽取15段进行测量 其结果如下: 段进行测量, 品中随机的抽取 段进行测量 其结果如下 10.4 10.6 10.1 10.4 10.5 10.3 10.3 10.2
根据第六章 第六章§ 定理四 定理四知 当H 0为真时, 根据第六章§2定理四知,

1、连续数据呈现正态分布（如果数据为非正 态分布，则需要进行数据转换，将非正态 数据转换成正态数据） 2、数据来自稳定的数据源 3、数据之间彼此独立 4、数据具有代表性
T检验的类型
数据 类型 连 续 数 据
比较内容
工具
一组数据的平均值与目标值相比较
两组数据的平均值相比较
两组成对数据的平均值相比较（或当数据 匹配时，比较两组平均值）
双样本T检验
双样本T检验
例子：某炼铁厂烧结为了提高烧结矿质量（烧结 矿强度），新进一种富矿粉，在烧结生产进行配 加试验，采用了两种配料方案A和B，在生产试 验时，除配料方案不同外，其他条件尽可能做到 相同，各生产6天得到烧结矿强度数据。且认为 两组数据来自相互独立的正态总体。问A和B方 案烧结矿质量好？
3、正态性检验
单样本T检验
百分比
面粉重量 的概率图
正态
99 均值 20.09
标准差 0.1371
95
N
30
90
AD 0.465
P 值 0.236
80
70
60 50 40 30
20
10 5
1
19.7 19.8 19.9 20.0 20.1 20.2 20.3 20.4
面粉重量
进行T检验
单样本T检验
单样本 t 检验 检验平均值 = 零（与 > 零） 计算功效的平均值 = 零 + 差值 Alpha = 0.05 假定标准差 = 0.137
样本 差值 数量 目标功效 实际功效 0.087 29 0.95 0.954539 0.087 23 0.90 0.904048 0.087 17 0.80 0.805185
双样本T检验

方差分析和卡方检验是统计学中两种常用的分析方法，它们在不同的问题领域中有着广泛的应用。

方差分析主要用于比较多个总体均值之间的差异，而卡方检验则用于分析分类数据的关联性和独立性。

方差分析是一种用于比较三个或更多个样本均值的统计方法。

在方差分析中，我们假设总体均值相等，然后通过计算组内变异和组间变异来判断这个假设是否成立。

方差分析的基本思想是将总体方差分解成组内方差和组间方差，进而判断组间方差占总变差的比例是否显著大于组内方差的比例。

通过方差分析，我们可以分析因素对总体均值的影响，并进行多组之间的比较。

方差分析的常见类型有单因素方差分析和多因素方差分析，分别适用于不同的研究设计。

卡方检验是一种常用的非参数检验方法，用于分析分类数据的关联性和独立性。

分类数据是指由频数或频率构成的数据，例如某个班级学生的分数等级、不同城市居民的职业分布等。

卡方检验的基本原理是比较观察频数与期望频数之间的差异，如果差异显著，则我们可以拒绝原假设，认为两个变量之间存在关联性。

卡方检验的应用领域非常广泛，例如医学研究中的药物疗效评价、市场调查中的产品偏好分析等。

尽管方差分析和卡方检验有着不同的应用对象和基本原理，但它们都是统计学中重要的推断方法，具有一定的共性。

首先，方差分析和卡方检验都是基于统计假设检验的思想，通过计算特定统计量来判断样本数据是否支持或反对某个假设。

其次，方差分析和卡方检验都需要明确的研究问题和研究设计，并进行数据收集和处理。

最后，方差分析和卡方检验都可以通过计算显著性水平来进行结果的判断和推断。

在实际应用中，我们需要根据具体问题选择合适的统计方法进行数据分析。

如果我们希望比较多个总体均值的差异，可以选择方差分析方法；如果我们关心分类数据的关联性和独立性，可以选择卡方检验方法。

当然，这只是方差分析和卡方检验的基本应用，实际研究中可能还需要考虑其他因素和方法。

总之，方差分析和卡方检验是统计学中两种常用的分析方法，它们在不同的问题领域中都有着广泛的应用。

第十九讲 正态总体均值及方差的区间估计1. 单个正态总体方差的区间估计设总体),(~2σμN X ， ),,(21n X X X 为来自X 的一个样本，已给定置信度（水平）为α-1，求2σ的置信区间。

①当μ已知时，由于),(~2σμN X i ，因此，)1,0(~N X i σμ-（,2,1=i n , ）。

由2χ分布的定义知：∑=-ni i n X 1222)(~)(χσμ，据)(2n χ分布上α分位点的定义，有：αχσμχαα-=<-<∑=-1)}()()({21222122n X n P ni i从而αχμσχμαα-=⎪⎪⎭⎪⎪⎬⎫-<<⎪⎪⎩⎪⎪⎨⎧--=-∑∑1)()()()(2112221222n X n X P ni i ni i 故2σ的置信度为α-1的置信区间为：⎪⎪⎪⎪⎭⎫ ⎝⎛---==∑∑)()(,)()(211221222n X n X ni i n i i ααχμχμ ②当μ未知时，据抽样分布有：)1(~)1(222--n S n χσ类似以上过程，得到第七章 参数估计第5节 正态总体均值及方差的区间估计单个正态总体均值的区间估计 ①当2σ已知时，μ的置信水平为α-1的置信区间为：⎪⎪⎭⎫ ⎝⎛±2ασz n X （5.1） ②当2σ未知时，μ的置信水平为α-1的置信区间为⎪⎪⎭⎫ ⎝⎛-±)1(2n t n SX α.（5.4）注意：当分布不对称时，如2χ分布和F 分布，习惯上仍然取其对称的分位点，来确定置信区间，但所得区间不是最短的。

αχσχαα-=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧--<<---1)1()1()1()1(21222222n S n n S n P 2σ的置信度为α-1的置信区间为：⎪⎪⎭⎫⎝⎛-----)1()1(,)1()1(2122222n S n n S n ααχχ σ的置信度为α-1的置信区间为：⎪⎪⎪⎭⎫ ⎝⎛-----)1()1(,)1()1(2122222n S n n S n ααχχ 例２ 有一大批袋装糖果, 现从中随机地取出16袋, 称得重量(以克计)如下:506 508 499 503 504 510 497 512 514 505 493 496 506 502 509 496 设袋装糖果的重量近似地服从正态分布, 求总体标准差σ的置信水平为0.95的置信区间.解：总体均值μ未知，σ的置信度为α-1的置信区间为：⎪⎪⎪⎭⎫ ⎝⎛-----)1()1(,)1()1(2122222n S n n S n ααχχ 此时，,975.021,025.02,05.0=-==ααα16=n ，查表得,488.27)15(025.0=χ,262.6)15(975.0=χ由给出的数据算得.4667.382=s 因此，σ的一个置信度为0.95的置信区间为（4.58，9.60）.2. 两个正态总体均值差的区间估计设总体),(~),,(~222211σμσμN Y N X ，且X 与Y 相互独立，),,(21m X X X 来自X 的一个样本，),,,(21n Y Y Y 为来自Y 的一个样本，且设2221,,,S S Y X 分别为总体X 与Y 的样本均值与样本方差，对给定置信水平α-1，求21μμ-的一个置信区间。