10970

Различие между двумя выборочными средними

Лекция

Математика и математический анализ

Различие между двумя выборочными средними Пусть дана выборка из значений нормально распределённой СВ и значений нормально распределенной СВ причем Необходимо проверить гипотезу против гипотезы . Заметим что дисперсии и нам известны. Кроме того предположени...

Русский

2013-04-03

173.29 KB

15 чел.

Различие между двумя выборочными средними

Пусть дана выборка из значений нормально распределённой СВ и значений нормально распределенной СВ , причем

Необходимо проверить гипотезу , против гипотезы .

Заметим, что дисперсии и нам известны. Кроме того, предположение относительно нормальности распределения указанных величин не входит в проверяемую гипотезу.

Как было показано раньше, выборочные средние и являются эффективными и несмещенными оценками соответствующих математических ожиданий с соответствующими дисперсиями: .

В качестве статистики (оценки) возьмем:

   (7.1)

В (7.1) мы воспользовались свойством, дисперсия разности равна сумме дисперсий. Статистика , и теперь легко проверить, сравнив с табличными значениями, значимо ли отличается от нуля.

Если дисперсии и неизвестны, то можно воспользоваться объединённой оценкой , полученной из обеих выборок:

   (7.2)

В этом случае мы используем статистику c  степенями свободы:

 (7.3)

Вспомним, что статистика имеет распределение Стьюдента с степенями свободы.

Отметим, что для статистики и можно рассматривать, как двусторонние, так и односторонние критерии.

Пример 7.1. СРАВНЕНИЕ ДВУХ ВЫБОРОЧНЫХ СРЕДНИХ

Имеется 13 мотков пряжи, которые надо исследовать, не изменяются ли при намокании её способность к вытягиванию. Шесть произвольных мотков подвергли испытанию на растяжение, для чего подвешивается груз фиксированной величины. Относительное удлинение мотков (СВ ) приведено в таблице:

1

2

3

4

5

6

12.3

13.7

10.4

11.4

14.9

12.6

Оставшиеся семь мотков были тщательно намочены и подвергнуты испытаниям с теми же грузами:

1

2

3

4

5

6

7

15.7

10.3

12.6

14.5

12.6

13.8

11.9

Подсчитаем:

Требуется проверить, случайно ли полученное различие?

Для этого выдвинем гипотезы . В связи с тем, что дисперсия неизвестна, вычислим объединенную выборочную дисперсию (7.2):

.

Подставим полученные значения в (7.3):

По таблицам распределения Стьюдента для одиннадцати степеней свободы определяем, что вероятность того, что отличается от нулевого среднего в любую сторону более чем на равна 0.6. Поэтому нет оснований считать полученный результат необычным. Т.е. обнаруженная разница незначима, и верна гипотеза .

Критерий Фишера

Критерий Фишера применяется при проверке гипотезы о равенстве дисперсий двух генеральных совокупностей, распределенных по нормальному закону. Гипотезы о дисперсиях возникают довольно часто, так как дисперсия характеризует такие исключительно важные показатели, как точность машин, приборов, технологических процессов, степень однородности совокупностей, риск, связанный с отклонением доходности активов от ожидаемого уровня, и т.д.

Сформулируем задачу. Пусть имеются две нормально распределенные совокупности, дисперсии которых равны  и . Необходимо проверить нулевую гипотезу о равенстве дисперсий, т.е. : относительно конкурирующей  или .

Для проверки гипотезы  из этих совокупностей взяты две независимые выборки объемом  и . Так как оценки дисперсий  и  нам неизвестны, воспользуемся несмещенными выборочными оценками дисперсий  и .

Тогда при справедливости гипотезы : в качестве оценки  можно взять те же дисперсии  и , рассчитанные по элементам первой и второй выборок.

Известно, что выборочные характеристики  и  имеют распределение  соответственно с  и  степенями свободы, а их отношение  имеет  распределение
Фишера – Снедекора с
 и  степенями свободы. Следовательно, случайная величина , определяемая отношением:

,    (7.4)

т.е. отношение несмещенных выборочных дисперсий имеет
 распределение Фишера – Снедекора с   и  степенями свободы.

Очевидно, что при равенстве дисперсий величина критерия будет равна единице. В остальных случаях она будет больше (меньше) единицы. При формировании критерия отклонения (принятия) гипотезы  следует учесть, что распределение статистики  (в отличие от нормального или распределения Стьюдента является несимметричным.)

Критерий Фишера  – двусторонний критерий, и нулевая гипотеза принимается (отвергается альтернативная гипотеза ) если . Здесь  и , где – объем первой и второй выборки соответственно.

На рис. 7.1 приведено распределение . При проверке одностороннего критерия гипотеза  отвергается в пользу альтернативной гипотезы  если  – левосторонняя критическая область (рис. 7.1а), либо если  – правосторонняя критическая область (рис. 7.1б), либо если  или  – в случае двусторонней критической области (рис. 7.1в).

Рис. 7.1 Критические области распределения Фишера – Снедекора.

Замечание. Для  критерия доказана справедливость соотношения:

.   (7.5)

Пример 7.2. СРАВНЕНИЕ ДИСПЕРСИЙ ДВУХ ВЫБОРОК

Пусть поставлена задача, сравнить эффективности обучения двух групп студентов по разным методикам. Успеваемость студентов – случайные величины  и  соответственно, подчинена нормальному закону распределению. В первой группе обучалось  студентов, а во второй – . Качество обучения (эффективность) характеризуется дисперсией. По данным двух выборок (групп) рассчитаны выборочные несмещенные дисперсии  и . Задавая уровень значимости , выясним, можно ли считать эффективности обучения двух методик одинаковыми.

Выдвинем нулевую гипотезу , т.е. эффективности обучения двух различных методик – одинаковы. В качестве альтернативной гипотезы рассмотрим .

Вычислим  (в числителе должна быть большая дисперсия), . По таблицам (STATISTICAProbability Distribution Calculator) находим критическое значение (правосторонняя область см. рис. 7.1б) , которое меньше вычисленного. Следовательно, нулевая гипотеза должна быть отвергнута в пользу альтернативы  . Таким образом, эффективность второй методики значительно выше (дисперсия меньше), чем первой.


 

А также другие работы, которые могут Вас заинтересовать

45484. ФОРМИРОВАНИЕ МОДЕЛИ ПРЕДМЕТНОЙ ОБЛАСТИ 4.08 MB
  Таким образом для современного состояния информационных технологий необходим переход от информационного описания предметной области к представлению на уровне данных осуществляемый на основе декомпозиции абстракции агрегирования. При анализе предметной области принято выделять три этапа: анализ требований и информационных потребностей; определение информационных объектов и связей между ними; конструирование концептуальной модели предметной области. Этап анализа требований и информационных потребностей включает следующие задачи:...
45485. Объектно-ориентированная технология проектирования ИС 52 KB
  В основу объектноориентированной технологии проектирования ИС положены разработка анализ и спецификация концептуальной объектноориентированной модели предметной области. Концептуальная объектноориентированная модель предметной области является основой проекта и реализации системы и обеспечивает: необходимый уровень формализации описания проектных решений; высокий уровень абстрагирования типизации и параметризации проектных решений; компактность описания; удобство сопровождения готовой системы. Отличительными...
45486. ОЦЕНКА КАЧЕСТВА ИНФОРМАЦИОННЫХ СИСТЕМ 75 KB
  В настоящее время наибольшее распространение получила иерархическая модель взаимосвязи компонент качества ИС. В начале определяются характеристики качества в числе которых. Каждому показателю качества ставится в соотвествие группа критериев.
45487. ПРОГРАММНЫЕ СРЕДСТВА ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ 76.5 KB
  Базовые программные средства относятся к инструментальной страте информационных технологий и включают в себя: операционные системы ОС; языки программирования; программные среды; системы управления базами данных СУБД. Большинство алгоритмических языков программирования Си Паскаль созданы на рубеже 60х и 70х годов за исключением Jv. За прошедший период времени периодически появлялись новые языки программирования однако на практике они не получили широкого и продолжительного распространения. Другим направлением в эволюции...
45488. ТЕХНИЧЕСКИЕ СРЕДСТВА ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ 75.5 KB
  Для преодоления ограничений организации памяти были предложены ассоциативные запоминающие устройства. Вторая характеристика определяется скоростью доступа устройства чтения к информации на компактдиске скорость чтения особенно важна при воспроизведении аудио и видеоинформации. Что означает название восьмискоростной CDROM Это и есть характеристика быстродействия устройства чтения.
45489. МЕТОДИЧЕСКИЕ СРЕДСТВА ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ 47.5 KB
  Многообразные стандарты и подобные им методические материалы упорядочим по следующим признакам: 1. По утверждающему органу: официальные международные стандарты; официальные национальные стандарты; национальные ведомственные стандарты; стандарты международных комитетов и объединений; стандарты фирмразработчиков; стандарты дефакто. По предметной области стандартизации: функциональные стандарты стандарты на языки программирования интерфейсы протоколы кодирование шифрование стандарты на фазы...
45490. Моделирование систем массового обслуживания 50.5 KB
  Моделирование систем массового обслуживания Понятия СМО: каналы: горячие тут же подключаются холодные нужен переходный период источник заявок заявки клиенты очереди ограниченные неограниченные дисциплина обслуживания FIFO первым пришел первым ушел LIFO последним пришел первым ушел KB короткие вперед отказы поток обслуженных заявок нетерпеливые заявки стояли но ушли Система должна функционировать в определенных интересах: клиента владельца Судить о результатах работы СМО можно по показателям....
45491. Моделирование случайных чисел с заданным 34.5 KB
  Для этого непрерывный закон распределения вероятности события дискретизируем. hi высота iого столбца fx распределение вероятности показывает насколько вероятно некоторое событие. Если точка в пересечении этих двух координат лежит ниже кривой плотности вероятности то событие X произошло иначе нет. Метод взятия обратной функции Допустим задан интегральный закон распределения вероятности где fx функция плотности вероятности.
45492. Оценка точности модели 76 KB
  Преобразование Фурье Преобразование Фурье Модель сигнала Способ основывается на том что в любом сигнале присутствуют гармонические составляющие. Сумма гармоник с соответствующими весами составляет модель сигнала. Пусть задан сигнал: Определяем время рассмотрения сигнала: если сигнал периодический то время рассмотрения равно периоду p сигнала; b если сигнал непериодический то периодом сигнала считается все время его рассмотрения. Отметим важную особенность данного способа представления вместо всего сигнала во всех его подробностях...