假设检验的实施流程常用假设检验方法 在实际工作中,对均值的检验是最基本最重要的.以下分单总体、双总体及多总体分别进行案例阐述. 均值检验使用时机 单样本 Z&1t 检验 案例1:历史数据表明,某快递公司的平均投递时间是80小时,标准偏差是14。现随机抽取了30份快递包裹的投递时间进行分析,想要了解近期投递时间是否有改善?抽样数据如下: 统计>基本统计>正态性检验 统计>基本统计>1Z 单样本Z Minitab还给出非常直观的图形帮忙判断:当H0所对应的均值未落入均值的置信区间时,则拒绝原假设;否则无法拒绝原假设. 什么是t-分配 t-分配是钟型分布(类似常态)家族之一,其分布取决于样本的大小.(样本数n越小,其分布越扁平) 案例2:工程师希望能预测改善后铁框喷漆厚度的范围,于是工程师试作了10个产品,量测得厚度数据如表一;后来经理请工程师再追加试作15个产品,与先前的10个产品共计25个产品,量测后的数据如表二. 2.若我们希望改善后的厚度平均值目标为16.5,依据10个数据与25个数据进行检定,结论是否一样? 先将问题转化为假设检验语言:推测10个样本与25个样本下的喷漆厚度的置信区间.(α=0.05),改善后是否达到了预期的效果(µ=16.5)? 统计 > 基本统计 > 正态性检验 统计 > 基本统计 > 1t 单样本t 置信区间:相同信赖水平下,样本量越大,置信区间范围越窄(精准)
|
|