概率统计Python计算:双正态总体未知总体方差总体均值差双侧假设的T检验
对两个独立正态总体 X X X~ N ( μ 1 , σ 2 ) N(\mu_1,\sigma^2) N(μ1,σ2)及 Y Y Y~ N ( μ 2 , σ 2 ) N(\mu_2,\sigma^2) N(μ2,σ2),其中 σ 2 \sigma^2 σ2未知而要对双侧假设 H 0 : μ 1 − μ 2 = δ , H 1 : μ 1 − μ 2 ≠ δ H_0:\mu_1-\mu_2=\delta,H_1:\mu_1-\mu_2\not=\delta H0:μ1−μ2=δ,H1:μ1−μ2=δ进行检验,由于检验统计量为 X ‾ − Y ‾ − δ S w 1 / n 1 + 1 / n 2 \frac{\overline{X}-\overline{Y}-\delta}{S_w\sqrt{1/n_1+1/n2}} Sw1/n1+1/n2 X−Y−δ~ t ( n 1 + n 2 − 2 ) t(n_1+n_2-2) t(n1+n2−2)(其中 S w = ( n 1 − 1 ) S 1 2 + ( n 2 − 1 ) S 2 n 1 + n 2 − 2 S_w=\sqrt{\frac{(n_1-1)S_1^2+(n_2-1)S^2}{n_1+n_2-2}} Sw=n1+n2−2(n1−1)S12+(n2−1)S2 , S 1 2 S_1^2 S12和 S 2 2 S_2^2 S22分别为来自 X X X、 Y Y Y的样本方差, n 1 n_1 n1, n 2 n_2 n2为样本容量),故可用T方法检验假设,这只需要调用ttest2函数即可完成计算。
例1 设有种植玉米的甲、乙两个农业试验区,各分为10个小试验区,各小区的面积相同。除甲区内的各小区增施磷肥外,其他试验条件均相同。两个试验区的玉米产量(单位:kg)如下(假设玉米产量服从正态分布,且有相同方差):
甲区: 65 , 60 , 62 , 57 , 58 , 63 , 60 , 57 , 60 , 58 乙区: 59 , 56 , 56 , 58 , 57 , 57 , 55 , 60 , 57 , 55 \text{甲区:}65,60,62,57,58,63,60,57,60,58\\ \text{乙区:}59,56,56,58,57,57,55,60,57,55 甲区:65,60,62,57,58,63,60,57,60,58乙区:59,56,56,58,57,57,55,60,57,55
试统计推断,增施磷肥对玉米产量是否有显著影响(取显著水平 α = 0.05 \alpha=0.05 α=0.05)?
解: 按题意,设甲区产量 X X X~ N ( μ 1 , σ 2 ) N(\mu_1, \sigma^2) N(μ1,σ2),乙区产量 Y Y Y~ N ( μ 2 , σ 2 ) N(\mu_2,\sigma^2) N(μ2,σ2)。需检验假设
H 0 : μ 1 − μ 2 = 0 , H 1 : μ 1 − μ 2 ≠ 0. H_0:\mu_1-\mu_2=0, H_1:\mu_1-\mu_2\not=0. H0:μ1−μ2=0,H1:μ1−μ2=0.
由于未知相同的总体方差 σ 2 \sigma^2 σ2,故运用t检验法。下列代码完成本例的计算。
import numpy as np #导入numpy
x=np.array([65, 60, 62, 57, 58, 63, 60, 57, 60, 58])#样本数据
y=np.array([59, 56, 56, 58, 57, 57, 55, 60, 57, 55])#样本数据
xmean=x.mean() #样本均值
ymean=y.mean() #样本均值
s12=x.var(ddof=1) #样本方差
s22=y.var(ddof=1) #样本方差
n1=x.size #样本容量
n2=y.size #样本容量
alpha=0.05 #显著水平
sw=np.sqrt(((n1-1)*s12+(n2-1)*s22)/(n1+n2-2)) #计算sw
T=(xmean-ymean)/(sw*np.sqrt(1/n1+1/n2)) #检验统计量值
accept=ttest2(T, n1+n2-2) #计算双测假设的检测
print('mu1-mu2=0 is %s.'%accept)
第2~10行按题面设置各项数据。第11行计算 s w = ( n 1 − 1 ) S 1 2 + ( n 2 − 1 ) S 2 n 1 + n 2 − 2 s_w=\sqrt{\frac{(n_1-1)S_1^2+(n_2-1)S^2}{n_1+n_2-2}} sw=n1+n2−2(n1−1)S12+(n2−1)S2 ,第12行计算检验统计量值 x ‾ − y ‾ − δ s w 1 / n 1 + 1 / n 2 \frac{\overline{x}-\overline{y}-\delta}{s_w\sqrt{1/n_1+1/n2}} sw1/n1+1/n2 x−y−δ为T(注意,本例中 δ = 0 \delta=0 δ=0)。第13行调用函数ttest2计算双侧假设 H 0 : μ 1 − μ 2 = δ H_0:\mu_1-\mu_2=\delta H0:μ1−μ2=δ的检验。运行程序,输出
mu1-mu2=0 is False.
表示拒绝假设 H 0 : μ 1 − μ 2 = 0 H_0:\mu_1-\mu_2=0 H0:μ1−μ2=0,即增施磷肥对玉米产量有显著影响。
写博不易,敬请支持:
如果阅读本文于您有所获,敬请点赞、评论、收藏,谢谢大家的支持!
返回《导引》
概率统计Python计算:双正态总体未知总体方差总体均值差双侧假设的T检验相关推荐
- 概率统计Python计算:用样本均值和方差计算总体参数的点估计
设来自总体XXX的简单样本为(X1,X2,⋯,Xn)(X_1, X_2,\cdots,X_n)(X1,X2,⋯,Xn).样本均值为X‾=1n∑i=1nXi\overline{X}=\frac{1 ...
- 概率统计Python计算:条件概率和概率乘法公式
1. 古典概型中条件概率的计算 条件概率 P ( B ∣ A ) P(B|A) P(B∣A)是将样本空间限制在 A A A上, A ∩ B A\cap B A∩B的概率.因此,我们可以利用博文< ...
- 概率统计Python计算:单个正态总体均值双侧假设的T检验
正态总体的方差 σ 2 \sigma^2 σ2未知的情况下,对总体均值 μ = μ 0 \mu=\mu_0 μ=μ0进行显著水平 α \alpha α下的双侧假设检验,检验统计量 X ‾ − μ 0 ...
- 概率统计Python计算:单个正态总体均值双侧假设的Z检验
用p值法计算假设H0H_0H0的双侧检验,设aaa,bbb分别是检验统计量分布对应显著水平α\alphaα的左.右分位点,F(x)F(x)F(x)和S(x)S(x)S(x)分别为检验统计量的分布函数 ...
- 概率统计Python计算:单个正态总体均值双侧假设的卡方检验
对正态总体的方差 σ 2 = σ 0 2 \sigma^2=\sigma_0^2 σ2=σ02进行显著水平 α \alpha α下的假设检验,检验统计量 n − 1 σ 0 2 S 2 \frac{ ...
- 概率统计Python计算:总体未知参数的矩估计
设样本(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n)(X1,X2,⋯,Xn)来自XXX,XXX的分布中含有mmm个未知参数θ1,θ2,⋯,θm\theta_1,\theta_2 ...
- 概率统计Python计算:双正态总体方差比的双侧区间估计
计算两个正态总体方差比的区间估计涉及样本方差 s 1 2 s_1^2 s12, s 2 2 s_2^2 s22,样本容量 n 1 n_1 n1, n 2 n_2 n2和置信度 1 − α 1- ...
- 概率统计Python计算:单个正态总体均值单侧假设的Z检验
对正态总体参数的单侧假设检验,可以用如下的p值法进行.设显著水平为α\alphaα,考虑假设H0H_0H0的右侧检验.首先,注意到检验统计量的分布对应显著水平α\alphaα的右分位点bbb,实际上 ...
- 概率统计Python计算:F分布分位点计算
设XXX,YYY相互独立,且分别服从χ2(m)\chi^2(m)χ2(m)和χ2(n)\chi^2(n)χ2(n),则XY\frac{X}{Y}YX~F(m−1,n−1)F(m-1, n-1)F(m ...
最新文章
- Java虚拟机管理的内存运行时数据区域解释
- 扩展CXF, 支持LoadBalance负载均衡
- php网站添加cnzz,cnzz代码添加元素到页面
- 如何快速直接从Web of Science下载文献,保存到Endnote
- 【直播预告】第四范式Intel AI应用与异构内存编程挑战赛专场活动开启报名
- SAP Fiori Launchpad Tile,UI5应用,和PFCG Role的对应关系
- 做企业网站为什么要服务器呢,企业为什么要建站?
- Servlet的生命周期和工作原理
- Triangle Generative Adversarial Networks
- Android 插件化 动态升级
- Jenkins + Ansible + Gitlab之ansible篇
- TF-IDF来源及理论推导 熵推导出
- MD5是什么, MD5怎么用
- 位图图像和矢量图形的区别
- aso优化师是什么_什么是ASO优化?
- python批量删缩进_吾爱破解新出利器 : 批量重命名工具
- Python“Non-ASCII character 'xe5' in file”报错问题(转)
- iOS帐号、证书之漫谈(三)—— 申请Apple ID
- 休假申请单位取消分钟、小时,增加“.”。
- 什么是MES系统软件,如何用大白话理解MES,公司有了ERP还有必要上MES吗?