假设检验与置信区间的区别与联系

版权所有严禁侵犯不得用于商业用途

统计学专用程序

---基于MATLAB 7.0开发---置信区间与假设检验

2013年8月1日

版权所有严禁侵犯不得用于商业用途

置信区间与假设检验程序

【开发目的】众所周知，统计工作面对的数据量繁琐而且庞大，在统计的过程中和计算中容易出错，并统计决定着国民经济的命脉，开发此软件就是为了进行验证统计的准确性以及理论可行性，减少统计工作中的错误，使统计工作者更好地进行工作与学习；所以特意开发此程序来检验统计中的参数估计和假设检验。

【开发特色】本软件基于matlab7.0进行运算，对于样本的输入采用行矩阵的形式，并且开发了样本频数输入，对于多样本的输入可以减缓工作量，对于显著性水平本程序自带正态分布函数，t分布函数，F分布函数，2 分布函数的计算公式，不用再为查表和计算而苦恼，只需输入显著性水平即可，大大的简化了计算量。

【关键技术】矩阵输入进行频数判断条件循环语句的使用等

【程序界面】

第1 页共2 页

版权所有 严禁侵犯 不得用于商业用途

第 2 页 共 3 页

版权所有严禁侵犯不得用于商业用途

【程序代码】此程序采用多文件结构，在建立文件时不能改变文件名；以下是各个文件的代码：（Zhucaidan.m)：

clc;

disp('统计学

实训三置信区间估计与假设检验应用实训

一、实训目的

掌握Excel软件中假设检验方法（单样本t检验）及置信区间应用

二、实训内容

在正常生产情况下，某厂生产的一种无缝钢管服从正态分布。从某日生产的钢管中随机抽取10根，测得其内径分别为：

53.8、54.0、55.1、54.2、52.1、54.2、55.0、55.8、55.4、55.5（单位：mm）

（一）区间估计

请建立该批无缝钢管平均内径95%的置信区间？

解：虽然总体方差未知，但总体服从正态分布，所以样本均值x的抽样分布服从正态分布。根据抽样结果计算得：

x=

n??=1????

??

=(53.8+54.0+55.1+54.2+52.1+54.2+55.0+55.8+55.4+55.5)/10 =54.51(mm)

已知，n=10,1-α=95%，所以α=0.05，??α 2(9)=??0.025(9)=2.262 s=

2 n??=1(??????? )

???1

= 10?1=1.094887(mm) 10.789

x±??α 2??=54.61±2.262×??=54.61±0.783181

10 ??即(53.82682，55.39318)，该批无缝钢管平均内径95%的置信区间为

参数估计与假设检验的区别和联系

统计学方法包括统计描述和统计推断两种方法，其中，推断统计又包括参数估计和假设检验。 1.参数估计就是用样本统计量去估计总体的参数，它的方法有点估计和区间估计两种。

点估计是用估计量的某个取值直接作为总体参数的估计值。点估计的缺陷是没法给出估计的可靠性，也没法说出点估计值与总体参数真实值接近的程度。

区间估计是在点估计的基础上给出总体参数估计的一个估计区间，该区间通常是由样本统计量加减估计误差得到的。在区间估计中，由样本估计量构造出的总体参数在一定置信水平下的估计区间称为置信区间。统计学家在某种程度上确信这个区间会包含真正的总体参数。

在区间统计中置信度越高，置信区间越大。置信水平为1-a, a为小概率事件或者不可能事件，常用的置信水平值为99%，95%，90%，对应的a为0.01, 0.05， 0.1

置信区间是一个随机区间，它会因样本的不同而变化,而且不是所有的区间都包含总体参数。

一个总体参数的区间估计需要考虑总体是否为正态分布,总体方差是否已知，用于估计的样本是大样本还是小样本等 （1）来自正态分布的样本均值，不论抽取的是大样本还是小样本，均服从正态分布 （2）总体不是正态分布，大样本的样本均值服

关于区间构造的经典

第三章 估计理论 Page 58 of 79

nxn 1

，若0≤x≤θ ，d n 1

f(n)(x)=F(n)(x)=n[F(x)]f(x)= θn

dx 0 ，若不然 ．

∞

θ

所以 EX(n)=

∞

∫xf(n)(x)dx=∫x

nxn 1

θn

dx=

n

θ． n+1

n+1

这样，θ =X(n)是θ的有偏估计量．显然，θ的无偏估计量为X(n)．

n

．利(2) 求端点θ的0.95置信区间．选统计量T=X(n)（枢轴量，其分布与参数θ无关）用X(n)的分布函数F(n)(x)，确定两个常数λ1和λ2，使之满足下列关系式：

α

21

n

=P{T≤λ1}=P{

X(n)≤λθ λ1=1}=F(n)(λθ1)=λ1，

；

α

2

=P{T<λ2}=P{

X(n)<λ2θ}=F(n)(λ2θ)=λ2n，λ2=，

α

2

=P{T≥λ2}=P{

X(n)≥λ2θ} ；

X XP<θ<=P{λ1<T<λ2}=1 α ．从而，端点θ的1 α置信区间为

X(n)X(n)

． ,

关于区间构造的经典

第三章 估计理论 Page 58 of 79

nxn 1

，若0≤x≤θ ，d n 1

f(n)(x)=F(n)(x)=n[F(x)]f(x)= θn

dx 0 ，若不然 ．

∞

θ

所以 EX(n)=

∞

∫xf(n)(x)dx=∫x

nxn 1

θn

dx=

n

θ． n+1

n+1

这样，θ =X(n)是θ的有偏估计量．显然，θ的无偏估计量为X(n)．

n

．利(2) 求端点θ的0.95置信区间．选统计量T=X(n)（枢轴量，其分布与参数θ无关）用X(n)的分布函数F(n)(x)，确定两个常数λ1和λ2，使之满足下列关系式：

α

21

n

=P{T≤λ1}=P{

X(n)≤λθ λ1=1}=F(n)(λθ1)=λ1，

；

α

2

=P{T<λ2}=P{

X(n)<λ2θ}=F(n)(λ2θ)=λ2n，λ2=，

α

2

=P{T≥λ2}=P{

X(n)≥λ2θ} ；

X XP<θ<=P{λ1<T<λ2}=1 α ．从而，端点θ的1 α置信区间为

X(n)X(n)

． ,

第五章

一、单项选择题

抽样与参数估计

1、某品牌袋装糖果重量的标准是（500±5）克。为了检验该产品的重量是否符合标准，现从某日生产的这种糖果中随机抽查10袋，测得平均每袋重量为498克。下列说法中错误的是（ B ）

A、样本容量为10 B、抽样误差为2 C、样本平均每袋重量是估计量 D、498是估计值

2、设总体均值为100，总体方差为25，在大样本情况下，无论总体的分布形式如何，样本平均数的分布都服从或近似服从趋近于（ D ）

A、N（100，25） B、N（100，5/

n）

C、N（100/n，25） D、N（100，25/n）

3、在其他条件不变的情况下，要使置信区间的宽度缩小一半，样本量应增加（ C ）

A、一半 B、一倍 C、三倍 D、四倍 4、在其他条件不变时，置信度（1–α）越大，则区间估计的（ A ）

A、误差范围越大 B、精确度越高 C、置信区间越小

第四节 正态总体的置信区间

与其他总体相比, 正态总体参数的置信区间是最完善的,应用也最广泛。在构造正态总体参数的置信区间的过程中，t分布、?2分布、F分布以及标准正态分布N(0,1)扮演了重要角色.

本节介绍正态总体的置信区间,讨论下列情形: 1. 单正态总体均值(方差已知)的置信区间; 2. 单正态总体均值(方差未知)的置信区间; 3. 单正态总体方差的置信区间;

4. 双正态总体均值差(方差已知)的置信区间;

5. 双正态总体均值差(方差未知但相等)的置信区间; 6. 双正态总体方差比的置信区间.

注: 由于正态分布具有对称性, 利用双侧分位数来计算未知参数的置信度为1??的置信区间, 其区间长度在所有这类区间中是最短的.

内容分布图示

★ 引言

★ 单正态总体均值（方差已知）的置信区间

★ 例1 ★ 例2

★ 单正态总体均值（方差未知）的置信区间 ★ 例3 ★ 例4

★ 单正态总体方差的置信区间 ★ 例5 ★ 双正态总体均值差（方差已知）的置信区间 ★ 例6 ★ *双正态总体均值差（方差未知）的置信区间

★ 例7 ★ 例8

区间估计和假设检验

第四章 区间估计和假设检验目录区间估计和假设检验 §4.1 正态总体的均值,方差的区间估计 §4.2 均值,方差的假设检验 §4.3 正态性检验 作业 §4.4 非参数秩和检验 4.4.1配对的符号检验 思考题 4.4.2 成组数据的秩和检验返回1

区间估计和假设检验

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, 是统计学要解决的主要问题之一.它通常包括 两类方面: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.在这里,首先利用SAS提供的 MEANS,UNIVARIATE和TTEST等过程对应用 广泛的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2

区间估计和假设检验

区间估计和假设检验1 正态总体的均值,方差的区间估计

区间估计是通过构造两个统计量 θ ,θ ,能以 100 (1 α )%的置信度使总体的参数落入[θ ,θ ] 区间中,即 P{θ ≤ θ ≤ θ } = 1 α .其中 α 称为显著 性水平或检验水平,通常取α = 0.05 或 α = 0.0

区间估计和假设检验

Minitab

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

Minitab

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 p P{统计量 T超过 T ( x1 , x 2 ,..., x n ) | H 0 ) (4)判断：若 p ,则拒绝原假设H0,否则接受H1。

本章目录

Minitab

单正态总体的参数的假设检验条 件

H 0 : H1

检验统计量

拒绝 H0

0 : 0

p P{U U ( x1 , x 2 ,..., x n )} U X 0

2已 知

0 : 0

n

p P{| U | | U ( x1 , x 2 ,..., x n )

第五章

一、单项选择题

抽样与参数估计

1、某品牌袋装糖果重量的标准是（500±5）克。为了检验该产品的重量是否符合标准，现从某日生产的这种糖果中随机抽查10袋，测得平均每袋重量为498克。下列说法中错误的是（ B ）

A、样本容量为10 B、抽样误差为2 C、样本平均每袋重量是估计量 D、498是估计值

2、设总体均值为100，总体方差为25，在大样本情况下，无论总体的分布形式如何，样本平均数的分布都服从或近似服从趋近于（ D ）

A、N（100，25） B、N（100，5/

n）

C、N（100/n，25） D、N（100，25/n）

3、在其他条件不变的情况下，要使置信区间的宽度缩小一半，样本量应增加（ C ）

A、一半 B、一倍 C、三倍 D、四倍 4、在其他条件不变时，置信度（1–α）越大，则区间估计的（ A ）

A、误差范围越大 B、精确度越高 C、置信区间越小