第十一章 总体方差的统计推断

参考书目为安德森的《商务与经济统计》,以下为个人的学习总结,如果有错误欢迎指正。有需要本书pdf的,链接在本文末尾。(仅限个人学习使用,请勿牟利)

第十一章 总体方差的统计推断

11.1 一个总体方差的统计推断

样本方差:s^2=\frac{\sum(x_i-\bar x)^2}{n-1}
(n-1)s^2/\sigma^2的抽样分布:从正态的总体钟任意抽取容量为n的随机样本,则\frac{(n-1)s^2}{\sigma^2}的抽样分布服从自由度为n-1的\chi^2分布

image

11.1.1 区间估计

我们取95%的置信区间,利用excel的=CHISQ.INV()函数来计算自由度19当上下侧面积分别为0.025的\chi^2分布值为8.901和32.852,如上图所示。
由于\frac{(n-1)s^2}{\sigma^2}服从自由度为n-1的chi^2分布。所以:
\chi_{0.975}^2 \leq \frac{(n-1)s^2}{\sigma^2} \leq \chi_{0.025}^2 (这里的下标指的上侧面积)
转化后可得:
\frac{(n-1)s^2}{\chi_{0.025}^2} \leq \sigma^2 \leq \frac{(n-1)s^2}{\chi_{0.975}^2}
0.0014\leq \sigma^2 \leq 0.0053
0.092 \leq \sigma \leq 0.073

总体方差的区间估计:
\frac{(n-1)s^2}{\chi_{\alpha/2}^2}\leq \sigma^2 \leq \frac{(n-1)s^2}{\chi_{1-\alpha/2}^2} 这里的下标指的上侧面积
\chi^2的值基于的自由度为n-1,1-\alpha的置信系数

11.1.2 假设检验

假设检验的三种形式:


image

步骤:

  1. 利用总体方差假设值\sigma_0^2和样本方差s^2来计算检验统计量\chi^2=\frac{(n-1)s^2}{\sigma_0^2}(\chi^2的自由度为n-1)
  2. 再利用p-值法和临界值法来确定是否拒绝H_o

例子:汽车公司规定到站时间方差不超过4

  • 假设:H_0:\sigma^2 \leq 4 H_a:\sigma^2 >4
  • 显著水平\alpha=0.05
  • 抽取样本:已知n=24 s^2=4.9
  • 计算\chi^2=\frac{(n-1)s^2}{\sigma_0^2}=\frac{(24-1)4.9}{4}=28.18
  • 计算可得:\chi^2=28.18时的上侧面积为0.2091>0.05,所以不能拒绝H_0
    image

也可以用临界值法,通过excel计算得到\chi_{0.95}^2=35.1725那只要比这个值高,就可以拒绝H_0

双侧检验比如设计考试试题,要求分数的方差\sigma^2=100
假设:H_0:\sigma^2=100 H_a:\sigma^2 \neq 100
抽样n=30,显著水平\alpha=0.05,样本方差s^2=162
检验统计量\chi^2=\frac{(n-1)s^2}{\sigma_0^2}=\frac{(30-1)\times 162}{100}=46.98
此时的上侧面积为0.0187,p-值=2\times 0.0187=0.0374<0.05我们拒绝H_0认为方差不为100

总结:


image

11.2 两个总体方差的统计推断

\sigma_1^2=\sigma_2^2时,\frac{s_1^2}{s_2^2}的抽样分布服从分子自由度为n_1-1和分母自由度为n_2-1的F分布
F分布的特点,不对称,F不为负,excel上对应的函数F.DIST()和F.INV()

image

举例:必将两个工序生产出来的产品质量的方差,n_1=n_2=21,那么上侧面积为0.05的F值F_{0.05}=2.12 (这里的下标是上侧面积)
我们假设:H_0:\sigma_1^2=\sigma_2^2 H_a:\sigma_1^2 \neq \sigma_2^2
当两个总体都服从正态分布时,样本方差纸币可以得到F检验统计量:
F=\frac{s_1^2}{s_2^2}
(为了查表方便计算,有excel可以随意)其中令样本方差较大的总体记为总体1,则F服从分子自由度df_1=n_1-1,分母自由度为df_2=n_2-1的F分布。

由于F中s_1^2较大,因此F总是分布在上侧,所以可以查表找上侧面积(有excel计算可以不考虑)

举例:学校从两个公司选校车,用送达时间的方差衡量服务稳定性。

  • 假设:H_0:\sigma_1^2=\sigma_2^2 H_a:\sigma_1^2 \neq \sigma_2^2
  • 显著水平\alpha=0.10
  • n_1=26 s_1^2=48
  • n_2=16 s_2^2=20
  • 计算得到F=\frac{s_1^2}{s_2^2}=\frac{48}{20}=2.40
  • 根据EXCEL计算得到对应的上侧面积为0.0406对应的双侧p-值为0.0812<0.10所以我们拒绝H_0认为方差不相等,选方差小的公司。

同样可以用临界值法:同样的分子和分母的自由度,在上侧面积为0.05的F值为2.2797,如果F>2.2797则拒绝H_0

单侧检验
假设:H_0:\sigma_1^2 \leq \sigma_2^2 H_a:\sigma_1^2 > \sigma_2^2

例子:民意调查,看男女对政治问题的态度上,女性方差是否比男性大。

  • n_1=41 n_2=31
  • \alpha=0.05
  • s_1^2=120 s_2^2=80
  • 计算得到:F=\frac{s_1^2}{s_2^2}=\frac{120}{80}=1.5
  • 根据EXCEL计算得到:F=1.5的上侧面积即p-值=0.1256>0.05,所以不能拒绝H_0,我们认为女性对政治问题态度的方差更大。

当然可以用临界值法:上侧面积为0.05的F值为1.57>1.5,所以也不能拒绝H_0

image

总结:F分布,必须要求两个总体至少近似正态分布才能使用。


链接: https://pan.baidu.com/s/1fc0q-Q4kj3g-7Fr4MHZaqw 提取码: 333c 复制这段内容后打开百度网盘手机App,操作更方便哦

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,686评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,668评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,160评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,736评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,847评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,043评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,129评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,872评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,318评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,645评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,777评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,470评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,126评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,861评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,095评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,589评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,687评论 2 351

推荐阅读更多精彩内容