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 > 8.2.5 两独立正态总体方差相等的假设检验
大家好
这一讲我们继续介绍两独立
正态总体参数的假设检验
总体方差相等的假设检验
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XBar,YBar,S₁²,S₂²
分别为两样本的样本均值和样本方差
假设总体的均值μ₁,μ₂未知
显著性水平为α
考虑假设检验问题
原假设 H₀: σ₁²=σ₂²
与之对应的对立假设
分为三种情况
H₁: σ₁²≠σ₂²
H₁: σ₁²小于σ₂²
H₁: σ₁²>σ₂²
我们先考虑第一种情况
检验假设
H₀: σ₁²=σ₂²
H₁: σ₁²≠σ₂²
由于对两总体的方差做检验
我们的判断依据是要根据
两总体的样本方差
由定理6.6可以知道
S₁²/σ₁²
除以 S₂²/σ₂²
它是服从自由度为
(n₁-1,n₂-1)的F分布
因此
我们选择了检验统计量是
S₁²/S₂² 两个样本方差的比值
在原假设 H₀: σ₁²=σ₂²
成立的条件下
检验统计量
它是服从自由度为(n₁-1,n₂-1)的F分布
由于原假设
H₀: σ₁²=σ₂²
那么S₁²,S₂²
作为它们的无偏估计量
在原假设H₀成立的条件下
两总体的样本方差应该是很接近的
因此
两总体的样本方差的比值应该
是集中在1的左右
因此就告诉我们
如果检验统计量的值过分的大
或者过分的小
那么我们就拒绝原设H₀
接下来 对于给定的显著性水平
α
由于F分布
它的密度图形并不是一个对称的图形
但是我们选的分位数点
依然是对称的分位点
我们选择的是F分布的上二分之α分位数
以及下二分之α分位数
那么落在这两个点左右两侧的面积
分别是二分之α
由此我们可以构造一些小概率事件
大家看
0小于F小于=下二分之α分位数的概率
是二分之α 或者
F>=上二分之α分位数的概率
概率也是二分之α
α小 二分之α更小
这两个中的任何一个都是一个小概率事件
这一点与卡方检验是比较类似的
任何一个发生都会导致小概率事件发生
因此H₀的拒绝域是这样的
统计量的值
0小于F小于=下二分之α分位数
或者
F>=上二分之α分位数
我们需要说明的是
第一点
在这个假设检验当中
我们采用的统计量
在H₀成立的条件下
它是服从F分布的
所以这个方法我们称之为F检验法
第二
H₀的拒绝域
它有两个临界值
一个是上二分之α分位数
一个是下二分之α分位数
因此这是一个双侧检验
接下来 我们给出单侧检验
检验假设H₀: σ₁²=σ₂²
H₁:σ₁²小于σ₂²
大家也可以写成
H₀: σ₁²>=σ₂²
H₁:σ₁²小于σ₂²
这两种形式的检验
它们的经验法则检验效果是一致的
接下来 我们选择检验统计量
与刚才双侧的一样
我们选择的检验统计量依然是
两样本方差的比值
下面来构造它的拒绝域
大家看H₁
在H₁中
σ₁²小于σ₂²
S₁², S₂²作为它们的估计量
当H₁为真时
S₁²/ S₂²
这个比值往往有偏小的趋势
因此当检验统计量的值偏小时
我们就拒绝原假设H₀
所以H₀的拒绝域在左侧
这是一个左侧检验
大家看图
落在点Fα(n₁-1,n₂-1)
左侧区域的面积是α
所以H₀的拒绝域
可以写成这个样子
0小于F小于=Fα(n₁-1,n₂-1)
类似的
我们可以得到右侧的检验
H₀: σ₁²=σ₂²
H₁: σ₁²>σ₂²
选择的检验统计量
依然不变
S₁²/ S₂²
大家可以看出来
H₀的拒绝域在哪边呢
当S₁²/ S₂²
有偏大的趋势的时候
我们就拒绝原假设H₀
在右侧 称之为右侧检验
从图上来看
落在点F1-α(n₁-1,n₂-1)
右侧的面积是α
所以H₀的拒绝域可以写成
F>=F1-α(n₁-1,n₂-1)
以上讲的左侧右侧检验
我们统一称为单侧检验
接下来我们来看一个相关的例题
在漂白工艺当中
温度会对针织品的断裂强力有影响
假定断裂强力
服从正态分布
在两种不同的温度下分别进行了8次实验
测得断裂强力的数据如下
单位是千克
70度,80度的数据分别如下
然后 我们假设70度下的
断裂强力X 服从正态分布
N(μ₁,σ₁²)
80度下的断裂强力Y服从正态分布
N(μ₂,σ₂²)
要我们判断的是这两种温度下的
断裂强力的方差有没有明显的差异
显著性水平α=0.05
这个问题就转化成了判断
σ₁²,σ₂²这两个总体的方差
是有差别还是没有差别
我们的原假设取成没有差别
第一步提出假设
H₀: σ₁²=σ₂²
备择假设
H₁: σ₁²≠σ₂²
这是一个双侧检验
我们选择的检验统计量
S₁²/S₂²
在H₀成立的条件下
它是服从自由度为
(n₁-1,n₂-1)的F分布
它的拒绝域有两个临界值
0小于F小于=下二分之α分位数
或者
F>=上二分之α分位数时
我们均拒绝原假设H₀
那下面的问题
我们只要代入数据做出判断就可以了
取α=0.05
n₁=8,n₂=8
我们需要查出两个临界值
一个是
F 1减二分之α(n₁-1,n₂-1)
也就是F 0.975(7,7)
这个值是4.99
另外一个是f二分的α
F 二分之α(n₁-1,n₂-1)
那就是F 0.025(7,7)
关于F 0.025(7,7)
它怎么得到呢
它就等于F 0.975(7,7)分之一
两个自由度交换位置
结果等于4.99分之一
因此它的拒绝域
我们就写成
0小于F小于=4.99分之一
或者 F>=4.99
从这儿可以看出
如果统计量的值过分的小或者过分的大
我们就拒绝 好最后一步做出判断
由样本值可以求出来
XBar ,YBar S₁²,S₂²
我们可以得到检验统计量F 的值
S₁²/S₂²
它这个值等于1.07
这个取值显然落在了两个临界值之间
也就是落在了接受域
因此我们就接受原假设
就意味着可以认为两种温度下
断裂强力的方差是没有明显差异的
此时可以认为
σ₁²=σ₂²
两总体的方差相等
但是都未知
满足了方差齐性
大家可以进一步的判断总体均值的情况
这与两总体均值相等的检验是类似的
这里不再详细说明
本节介绍了两独立正态总体
方差相等的检验
采用的方法是F检验法
分别对双侧和单侧讨论了它们的拒绝域
好 两独立正态总体参数的检验
就介绍到这里
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