R语言 对未知方差的群体平均值进行两尾检验
传统上,在双尾检验中,无效假设指出真实的群体均值(μo)等于假设的均值(μ)。如果测试统计量位于所选显著性水平的临界值范围内,我们就不能拒绝无效假设。在这篇文章中,让我们讨论在未知方差的情况下对群体均值进行双尾检验的II型错误的概率百分比。
第二类错误是指,如果基于随机样本的假设检验未能拒绝无效假设,即使真实的群体均值μo不等于假设的均值μ,也会出现这种错误。
这里的假设是群体方差σ2是未知的。让s2为样本方差。对于较大的n(通常>30),所有可能的n大小的样本的以下统计量的群体近似于具有n-1自由度(DOF)的学生t分布。
检验统计量被定义为
检验统计量
如果t≤-tα∕2或t≥tα∕2,双尾检验的无效假设可以被拒绝,其中tα∕2是自由度为n-1的学生t分布的100(1-α)百分位。这里,α是选择的显著性水平。
让我们通过一个案例研究来理解未知方差的人口平均数的两尾检验。
假设去年亚洲的拳击手的平均体重是75.4公斤。今年同一时间在同一地区的35名拳击手的样本中,拳击手的平均体重是74.6公斤。假设样本的标准差为2.5公斤。在0.05的显著性水平下,我们能否拒绝 “拳击手的平均体重与去年没有差别 “这一无效假设?
例子
让我们计算一下检验统计量t。
xbar = 74.6 # sample mean
mu0 = 75.4 # hypothesized value
s = 2.5 # sample standard deviation
n = 35 # sample size
t = (xbar-mu0)/(s/sqrt(n))
t # test statistic
输出
-1.8931455305919
现在我们来计算0.05显著性水平下的临界值。
alpha = .05
t.half.alpha = qt(1-alpha/2, df=n-1)
c(-t.half.alpha, t.half.alpha)
输出
-2.03224450931772 2.03224450931772
临界值的范围(-2.03 – +2.03)表明,测试统计量-1.89很好地位于该范围内。因此,在0.05的显著性水平下,我们不拒绝无效假设,即拳击手的平均体重与去年没有差别。