minitab区间估计和假设检验

《minitab区间估计和假设检验》由会员分享，可在线阅读，更多相关《minitab区间估计和假设检验（53页珍藏版）》请在金锄头文库上搜索。

1、区间估计和假设检验,利用样本的信息对总体的特征进行统计推断。通常包括两方面：一类是进行估计，包括参数估计、分布函数的估计以及密度函数的估计等； 另一类是进行检验。主要介绍利用Minitab对正态总体参数进行区间估计和假设检验，其次再来介绍对观测数据的正态性进行检验，最后介绍一些常用的非参数检验方法,本章目录,假设检验是从样本特征出发去判断关于总体分布的某种“看法”是否成立。 一般步骤为 :,（1）根据问题提出一个原假设H0和备择假设H1 （2）构造一个统计量T，其抽样分布不依赖任何参数 （3）计算概率值 （4）判断：若 ，则拒绝原假设H0，否则接受H1。,本章目录,Minitab,单正态总体的

2、参数的假设检验,本章目录,Minitab,单正态总体的参数的假设检验,本章目录,Minitab,两正态总体的参数的假设检验,本章目录,Minitab,两正态总体的参数的假设检验,本章目录,Minitab,两正态总体的参数的假设检验,本章目录,Minitab,两正态总体的参数的假设检验,本章目录,Minitab,本章目录,Minitab,参数的置信区间,本章目录,Minitab,- 显著性水平 : 犯第一种错误的最大概率 - P-Value : 观察值大于计算值的概率 - 拒绝域 : 驳回原假设的区域 - 两侧检验 : 拒绝域存在于两端的检验 - 单侧检验 : 拒绝域存在于分布一端时的检验,Mi

3、nitab,Minitab 的假设检验,知道标准偏差时的总体平均数估计和检验 检验总体均值是否与已知的相等,Variables : 选定要分析的 列变量 Confidence interval :指定计算置信度 Test mean : 检验对象值(检验时指定) Alternative : 设定备择假设 Sigma : 输入标准偏差 p 值比显著性水平小时驳回原假设 mu : 原假设, mu not : 对立（备择）假设,结果解释 : p值比留意水准小故驳回归属假设,即母平均不等于5。,Test mean 指定的情况,1-Sample Z,EXH_STAT.MTW,One-Sample Z: V

4、alues Test of mu = 5 vs mu not = 5 The assumed sigma = 0.2 Variable N Mean StDev SE Mean Values 9 4.7889 0.2472 0.0667 Variable 95.0% CI Z P Values ( 4.6582, 4.9196) -3.17 0.002,结果解释 : 置信区间为最小 4.6582,最大4.9196(置信度为 95%时),图像对 Test 与 Confidence interval 的输出,Minitab,1-Sample Z,营养学家选择随机的 13 瓶食用油样本，以确定饱和脂

5、肪的平均百分比是否不同于宣传的 15%。以前的研究表明，总体标准差为 2.6% 数据： 食用油.MTW,不知标准偏差时总体均值的估计和检验,Variables : 指定要分析的 列变量 Confidence interval : 指定计算置信区间的置信度 Test mean :指定检验时对象值 Alternative : 设定对立假设StDev : 标准偏差 SE Mean : 平均误差 CI : 信赖区间 mu : 原假设, mu not : 对立假设 P值比显著性水平小时驳回Ho，即p值指脱离的概率。,结果解释 : p值小于5%，故驳回原假设,即平均不等于5,Test mean 指定的情况

6、,Minitab,1-Sample t,EXH_STAT.MTW,对随机选择的 15 个美国高收入家庭的能量消费进行了度量，以确定平均消费是否不同于发布值 $1080。 数据： 能源.MTW,不知标准偏差时两个总体平均差的估计和检验,Samples in one column(stack形态) : 在1列中比较两个样本 Sample in different columns(unstack形态)- First :选择第一个 Col - Second : 选择第二个 Col Alternative : 设定对立假设 Confidence level :设定置信度 Assume equal var

7、iance :假设两个样本的总体方差一致,结果解释 : p值大于 5% ，故选择原假设，即两个总体平均在95% 置信区间无差异,Minitab,2-Sample t,Two-Sample T-Test and CI: BTU.In, Damper Two-sample T for BTU.In Damper N Mean StDev SE Mean 1 40 9.91 3.02 0.48 2 50 10.14 2.77 0.39 Difference = mu (1) - mu (2) Estimate for difference: -0.235 95% CI for difference:

8、 (-1.464, 0.993) T-Test of difference = 0 (vs not =): T-Value = -0.38 P-Value = 0.704 DF = 80,Furnace.mtw,一个健康管理机构具有两个医院以前的患者的满意度样本，并想知道是否对一个医院的评价高于另一个医院。该信息将用于查阅患者并为医院改进提供建议。这两个样本的方差非常接近，因此将对该检验使用合并标准差。 数据： 医院满意度.MTW,非独立的两个总体的平均差的估计和检验（两个相关的样本是否来 自具有相同均值的总体，即配对T检验）。,First sample : 选择第一个 data Col Se

9、cond sample : 选择第二个 data Col - 1 Col 与 2 Col 的资料数应相同 Confidence level : 输入置信度 Test mean : 输入对应差的检验平均值 Alternative : 设定对立假设,结果解释 : p值小于显著水平 5%， 故驳回原假设,即两个总体平均值间有差异,EXH_STAT.MTW,Minitab,Paired t,一位生理学家想确定某种类型的赛跑计划是否对稳定心率有影响。对随机选择的 15 个人测量了心率。然后对其实施该赛跑计划，并在一年后再次测量心率。因此，对每个人前后进行的两次测量构成一个观测值对。数据： 赛跑.MTW,

10、非正态总体或近似正态总体参数假设检验,单比率检验：似然比检验（基于二项分布）、正态近似检验 双比率检验：Fisher检验（基于超几何分布）、正态近似检验（合并参数或不合并参数检验统计量） 单Poisson率检验：似然比检验（基于Poisson分布）、正态近似检验 双Poisson率检验：基于二项分布的检验、正态近似检验（合并参数或不合并参数）,总体（失败）比例的估计和检验,Samples in columns :只限两种文字或者数字 Summarized data- Number of trials : 全体试验次数- Number of successes : 成功(失败)次数 Confid

11、ence level : 置信度 Test proportion : 检定失败率 Alternative :设定对立假设,结果解释:p值比显著水平 5%小，故驳回原假设,Minitab,1-Proportion(单样本总体比例的估计和检验),可选用正态近似分布检验,直接邮件公司想确定邮寄的广告是否使响应率与国家平均值 6.5% 不同。随机选择 1000 个家庭的样本，来接收此新产品的广告。在抽样的 1000 个家庭中，87 个家庭采购了该产品。研究人员决定使用基于正态分布的检验和区间。,两个总体比例差异的估计和检验,Summarized data- Number of trials : 全体试

12、验次数- Number of successes : 成功(失败)次数 Confidence level : 置信度 Test proportion : 检验失败比例 Alternative : 设定对立假设,结果解释:p值比显著水平5%大，故选择原假设，即两个总体失败比例无差异,Minitab,2-Proportion(两个样本总体比例的估计检验),可选用合并参数检验,大学的财政援助办公室对其大学生进行调查，确定男生还是女生更可能获得暑假职业。在抽样的 802 名男生中，725 人在暑假被雇佣，而抽样的 712 名女生中有 573 人被雇佣。,单样本 Poisson 率,Poisson 过程

13、描述某一事件在给定时间、面积、量或其他观测值空间内的出现次数。 例如，汽车制造商取 50 辆车作为样本，并对每个车盖上的擦痕进行计数；客户服务中心每天接听的电话数；10 米长导线的缺陷数 单样本 Poisson 率过程将计算置信区间，并对单样本 Poisson 模型中的出现率进行假设检验。,单样本Poisson率检验,在过去的 30 天内，城市公共运输公司计算了客户投诉数目。该公司想确定每日投诉率的置信区间。数据： 故障.MTW,双样本 Poisson 率,双样本 Poisson 率过程执行假设检验，并计算两个 Poisson 模型的出现率之间差值的置信区间。,双样本Poisson率,您是邮政

14、服务的分析员，您要对两个邮局分支机构进行比较，以确定哪个机构的客户每日到访率更高。您对 40 个工作日内 (9:00 a.m.5:00 p.m.) 进入每个分支机构的客户数进行计数，并使用双样本 Poisson 率函数比较每个分支机构的客户到访数。数据： 邮局.MTW,单方差,“单方差”命令分析来自总体的单个样本，并为该总体的标准差和方差计算置信区间。它还以可选的假设检验为特征，来确定未知的总体标准差或方差是否等于用户指定的值。例如，此检验在确定方差是否不同于行业标准时很有用。 方法：卡方方法仅适用于正态分布。 Bonett 方法适用于任何连续分布。,木材厂的经理要分析锯木机的性能。设计了一台

15、锯木机，以生产刚好为 100 cm 长的梁。经理决定要分析这些长度的方差，以便更好地了解该设备的精度。经理取 50 个梁作为样本，以厘米为单位测量其长度，并使用单方差检验分析此单个总体的方差。数据： 锯木机.MTW,双方差置信区间和检验,双方差置信区间和检验过程用于根据两个独立的随机样本中的数据对两个总体比率之间的标准差和方差的相等性进行推断。 Minitab 计算两个总体方差和标准差之间比率的假设检验和置信区间；如果比率为 1，则表明两个总体相等。 包括方差分析在内的许多统计过程都假定不同总体具有相同的方差 。使用双方差可以确定相等方差的假设是否有效。,Minitab,2Variances(两个总体方差的同一性检验),EXH_STAT.MTW,两个总体的方差的同一性（之比）检验,在做方差的同一性检验之前 ，有必要先做正态性数据检验。随正态分布时F-Test 结果,不随正态分布时看Levenes Test结果再解释,结果解释:p值比显著水平 5%大, 故不能判断两个总体的方差不同。 （ 相同 ）,最近的研究对在两种道路上驾驶的司机进行了比较。每位司机在两种道路的其中一种上驾驶：一级公路 (1) 和土路 (2)。作为对驾驶性能的测量，测试人员记录了每位司机在每种道路上所作的控制校正次数。您要测试司机的表现在两种道路情况下是否均匀变化。数据： 公路.MTW （在样本数据文件夹中）,