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
单样本的检验，且总体标准差已知，采用1Z单样本检验.
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.
1.如果你是经理,你认为两组数据(10笔与25笔)所预测出来的平均厚度哪一组会比较准确?
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
P值都大于 0.05， 因此数据符合正态
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）
样本数
信赖水平
置信区间
From
To
区间范围
10
95%
16.2399
16.6401
0.4002
25
95%
16.2107
16.4773
0.2666
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
