当前课程知识点:概率论与数理统计 > 第八章 假设检验 > 第2节 正态总体参数的假设检验 > 8.2.4 两独立正态总体均值相等的假设检验
大家好
这一讲我们开始介绍两独立
正态总体参数的假设检验
第一部分 两独立正态总体均值的假设检验
假设X₁,X₂到Xn₁
为来自正态总体N(μ₁,σ₁²)的
样本
Y₁,Y₂到Yn₂为来自
正态总体N(μ₂,σ₂²)的样本
两样本相互独立
并且假设Xbar,Ybar,S₁²,S₂²
分别为两样本的
样本均值和样本方差
显著性水平为α
考虑假设检验问题
H₀:μ₁=μ₂
与之对应的对立假设分为三个情况
H₁:μ₁≠μ₂
H₁:μ₁小于μ₂
H₁:μ₁>μ₂
对总体的均值做检验
与单个正态总体均值的检验也是类似的
我们需要考虑总体的方差是否已知
第一种情况
如果两个总体的方差均已知
我们检验假设
H₀:μ₁=μ₂
H₁:μ₁≠μ₂
由于是对两正态总体均值做检验
那么我们自然就会考虑
两正态总体的样本均值
Xbar,Ybar
由于两个总体的样本均值相互独立
并且 Xbar减Ybar
服从正态分布
第一个参数是
Xbar减Ybar的期望
μ₁-μ₂
第二个参数是
Xbar减Ybar的方差
n₁分子σ₁²
加上n₂分之σ₂²
接下来 我们对Xbar减Ybar
这个变量进行标准化
得到随机变量
Xbar减Ybar
这个整体减它的数学期望
μ₁-μ₂
比上
根号下 n₁分之σ₁²
加上
n₂分之σ₂²
这个整体得到的变量
它服从标准正态分布
因此
我们选择检验统计量
Xbar减Ybar
比上 根号下n₁分之σ₁²
加上 n₂分之σ₂²
我们把它记为U
在原假设
H₀:μ₁=μ₂成立的条件下
它服从标准正态分布
而对于标准正态分布来讲
它的密度图形是关于Y轴对称的
因此我们考察的分位数点也是对称的
分位数点
与单个的类似,对于给定的显著性水平
考察标准正态分布的
u 1减2分之α分位数以及它的对称点
负的 u 1减2分之α
那么落在这两个点
左右两侧的面积分别都是
2分之α
从而
|U|大于等于u 1减2分之α的概率
就是两边的面积之和
α
这是一个小概率事件
因此
H₀的拒绝域 就是统计量的观测值
我们记为u
那么|u| 它满足大于等于
u 1减2分之α
大家从这里可以看到,这个原假设
H₀的拒绝域依然有两个临界值
因此我们称之为双侧检验
接下来 我们介绍单侧检验
第一种情况
原假设H₀:μ₁=μ₂
备择假设H₁:μ₁小于μ₂
我们选择的检验统计量
依然是
Xbar减Ybar 比上
根号下 n₁分之σ₁²
加上n₂分之σ₂²
下面 我们来看它的拒绝域
由H₁中大家可以看到
μ₁小于μ₂
那么作为μ₁和μ₂的估计量
Xbar,Ybar
如果 Xbar减Ybar
它的值偏小
那么我们就拒绝原假设H₀
因此
H₀的拒绝域在左侧
这是一个左侧检验
我们可以参考图形,得到结论
负u 1-α 落在这个点
左侧区域的面积是α
因此它的拒绝域是u小于等于负的
u 1-α
类似的道理 我们也可以得到右侧检验
检验假设H₀:μ₁=μ₂
H₁:μ₁>μ₂
需要说明的是
大家也可以把这个假设写成
H₀:μ₁小于=μ₂
H₁:μ₁>μ₂
这两种形式对应的检验法则
检验效果都是一致的
我们选择的检验统计量仍然是
Xbar减Ybar
比上 根号下n₁分之σ₁²
加上n₂分之σ₂²
在这里需要考虑的是它的拒绝域的形式
大家看 在H₁中 μ₁>μ₂
因此
作为它们的观测值
当H₁为真时
Xbar往往大于Ybar
因此H₁为真时
Xbar减Ybar
这个值往往是偏大的
如果Xbar减Ybar的值偏大
我们就拒绝原假H₀
从而H₀的拒绝域在右侧
这是一个右侧检验
大家可以参考图形
点u 1-α
那么落在这个点右侧区域的面积是α
因此它的拒绝域我们可以写成
u>=u 1-α
上面讲的左侧检验和右侧检验
统一称为单侧检验
这是两个总体方差已知的情况
接下来
考虑第二种情况
若总体的方差均未知
这个时候 我们要满足一个条件
两总体的方差是要相等的
并且 都等于未知的参数σ²
我们称之为具有方差齐性
检验假设H₀:μ₁=μ₂
H₁:μ₁≠μ₂
由于总体的方差是未知的
我们选择用样本方差去替换总体的方差
得到了检验统计量为
T等于 Xbar减Ybar 比上
Sw乘以根号下n₁分之1
加上n₂分之1
其中Sw等于根号下n₁
加上n₂-2
分之
(n₁-1)S₁²+(n₂-1)S₂²
在原假设H₀成立的条件下
检验统计量是服从自由度为
n₁+n₂-2的t分布
从这里我们可以更进一步的解释一下Sw
Sw等于
自由度n₁+n₂-2
分之
(n₁-1)S₁²+(n₂-1)S₂²
此时的条件是两总体的方差相等
并且 都等于σ²
大家可以验证Sw²
它依然为总体方差
σ²的无偏估计量
而且是比较有效的无偏估计量
好,有了统计量以及它的分布之后
接下来 我们就构造小概率事件
对于给定的显著性水平
t分布的密度图形是关于y轴对称的
那么我们考察
自由度为n₁+n₂-2的
t分布的上2分之α分位数
以及它的对称点
那么落在这两个点
左右两侧的面积分别都是2分之α
因此
统计量T的绝对值大于等于
自由度为n₁+n₂-2的
上2分之α分位数的概率,
就是两边的面积之和α
从这里可以看出
这是一个小概率事件
因此H₀的拒绝域就写成了
统计量的取值
我们记为t,t的绝对值大于等于
t 1减2分之α
n₁+n₂-2
从这里可以看到
H₀的拒绝域
它依然有两个临界值
我们称之为双侧检验
接下来我们就给出单侧检验
检验假设H₀:μ₁=μ₂
H₁:μ₁小于μ₂
我们选择的检验统计量依然是T
Xbar减Ybar 比上 Sw
乘以根号下n₁分之1
加上n₂分之1,Sw等于根号下
n₁+n₂-2 分之
(n₁-1)S₁²+(n₂-1)S₂²
接下来我们要给出H₀的拒绝域
大家把H₀可以写成
μ₁>=μ₂
H₁:μ₁小于μ₂
那么这两种形式对应的检验法则
检验效果也是一致的
接下来我们要说的是 大家看H₁
在H₁中μ₁小于μ₂
那么作为它们两个的统计量
Xbar,Ybar
当H₁为真时
Xbar往往是小于Ybar的
也就是说
当H₁为真时
Xbar减Ybar
这个值往往是偏小的
这就意味着
如果Xbar减Ybar的值偏小
那么我们就拒绝原假设H₀
因此H₀的拒绝域在左侧
这是一个左侧检验
与单个的类似
我们可以写出来统计量t的值
它是小于等于负的t 1-α(n₁+n₂-2)
同样的
大家可以得到右侧检验
给出假设
H₀:μ₁=μ₂
H₁:μ₁>μ₂
我们选择的检验统计量依然不变
T等于Xbar减Ybar
除以Sw
乘以根号下n₁分之1加上n₂分之1
其中Sw等于根号下
n₁+n₂-2 分之
(n₁-1)S₁²+(n₂-1)S₂²
此时大家可以猜测一下
H₀的拒绝域在哪端呢
如果它的观测值 Xbar减Ybar的值
偏大的话
我们就拒绝原假设H₀
它的拒绝域在右侧
所以称之为右侧检验
接下来写出它的拒绝域
满足统计量的取值
t>=t 1-α(n₁+n₂-2)
好,左侧和右侧合在一块儿
我们统一的称为单侧检验
在实际应用当中
总体方差未知的情况是更常见的
接下来我们看道相关的例题
在甲乙两厂生产的蓄电池中
分别取五个测得电容量如下
设甲乙两厂生产的蓄电池的电容量分别为
随机变量,x服从正态分布
N(μ₁,σ²)
Y服从正态分布
N(μ₂,σ²)
σ²未知,问两厂生产的蓄电池的
平均电容量有无显著差异
α=0.05
这个问题转化成判断
μ₁与μ₂
是有差别还是没有差别
因此
原假设取成没有差别
即第一步提出假设
H₀:μ₁=μ₂,
H₁:μ₁≠μ₂
由于对总体的均值做检验
我们要考察
总体的方差 它是未知的
但是相等
因此
我们选择的检验统计量是T
等于 Xbar减Ybar
比上Sw 乘以根号下n₁分之1
加上n₂分之1
它是服从自由度为
n₁+n₂-2的t分布
这是一个双侧检验,它的拒绝域是
|t|大于等于t分布的
上2分之α分位数
接下来我们代入数据
α=0.05
n₁=5,n₂=5
因此我们要求的临界值就是
t 1减2分之α
n₁+n₂-2
也就是t₀.₉₇₅(8)
查表得到它的值等于2.306
因此
H₀的拒绝域可以写成
|t|>=2.306
接下来 我们代入具体的数据来做判断
由实测数据可以求得
Xbar,Ybar,S₁²,S₂²
我们可以求出 Sw²
等于自由度分之
(n₁-1)S₁²+(n₂-1)S₂²
结果 3.75
然后把上述数据代入检验统计量
得出来检验统计量的值
Xbar减Ybar
比上根号下
Sw乘以n₁分之1
加上n₂分之1等于-0.6532
显然
检验统计量的值
它是满足绝对值小于2.306
检验统计量的值位于接受域之内
从而我们接受原假设H₀
就认为两厂的蓄电池平均电容量
无显著差异
下面我们总结一下这一讲的内容
这讲分为两种情况
第一种 两总体方差已知时
我们采用U检验法
第二种
两总体方差未知时
但满足方差相等
我们采用的是
两精确t检验法
也分别讨论了双侧和单侧两种情况
好,这一讲的内容就到此结束
谢谢大家
-第1节 随机事件
--1.1 作业
-第2节 概率的定义和性质
--1.2 作业
-第3节 古典概型与几何概型
--1.3 作业
-第4节 条件概率
--1.4 作业
-第5节 随机事件的独立性
--1.5 作业
-本章测试
--第一章测试
-第1节 随机变量与分布函数
--2.1 作业
-第2节 离散型随机变量
--2.2 作业
-第3节 连续型随机变量
--2.3 作业
-第4节 随机变量函数的分布
--2.4 作业
-本章测试
--第二章测试
-第1节 二维随机向量及其分布函数
--3.1 作业
-第2节 二维离散型随机向量
--3.2 作业
-第3节 二维连续型随机向量
--3.3 作业
-第4节 条件分布与随机变量的独立性
--3.4 作业
-第5节 随机向量函数的分布
--3.5 作业
-本章测试
--第三章测试
-第1节 数学期望
--4.1 作业
-第2节 方差
--4.2 作业
-第3节 协方差和相关系数
--4.3 作业
-第4节 矩和协方差矩阵
-本章测试
--第四章测试
-第1节 大数定律
--5.1 作业
-第2节 中心极限定理
--5.2.2 De Moivre-Laplace 中心极限定理
--5.2 作业
-本章测试
--第五章测试
-第1节 数理统计的基本问题
-第2节 总体、样本和统计量
--6.2 作业
-第3节 抽样分布
--6.3 抽样分布
--6.3 作业
-第4节 抽样分布定理
--6.4 作业
-本章测试
--第六章测试
-第1节 参数点估计
--7.1 作业
-第2节 区间估计
--7.2 作业
-第3节 非正态总计参数的区间估计
--7.3 作业
-本章测试
--第七章测试
-第1节 假设检验的基本概念
--8.1 作业
-第2节 正态总体参数的假设检验
--8.2 作业
-第3节 非正态总体参数的假设检验
-本章测试
--第八章测试
-期末考试