参数估计和假设检验案例精.doc

参数估计和假设检验案例
案例一:工艺流程的检测
某公司是一家为客户提供抽样和统计程序方面建议的咨询公司,这些建议可以用来监 控客户的制造工艺流程。在一个应用项目中,一名客户向该公司提供了一个样本,该样本 由工艺流程正常运行时的 800个观测值组成。这些数据的样本标准差为 0.21;因为有如此 多的样本数据,因此,总体标准差被假设为 0.21。然后,该公司建议:持续不断地定期抽 取容量为 30的随机样本以对工艺流程进行检测。
通过对这些新样本的分析,客户可以迅速知道,工艺流程的运行状况是否令人满意。 当工艺流程的运行状况不能令人满意时,可以采取纠正措施来解决这个问题。设计规格要 求工艺流程的均值为 12,该公司建议采用如下形式的假设检验。
H 0 :12 H 1 :12
只要 H 0被拒绝,就应采取纠正措施。
下表为第一天运行新的工艺流程的统计控制程序时,每隔一小时收集的样本数据。

μ=μ≠

问题:
1、 对每个样本在 0.01的显著性水平下进行假设检验,并且确定,如果需要

Z0.005=2.58

2、

4、 讨论将显著性水平改变为一个更大的值时的影响?如果增加显著性水平, 哪种错误或误差将增加?
显著性水平增加,置信区间减小,误差减小。
案例二:计算机辅助教学会使完成课程的时间差异缩小吗?
某课程引导性教程采用一种个性化教学系统, 每位学生观看教学录像, 然后 给以程式化的教材。每位学生独立学习直至完成训练并通过考试。人们关心的 问题是学生完成训练计划的进度不同。有些学生能够相当快地完成程式化教材, 而另一些学生在教材上需要花费较长的时间,甚至需要加班加点才能完成课程。 学的较快的学生必须等待学得较慢的学生完成引导性课程才能一起进行其他方 面的训练。
建议的替代系统是使用计算机辅助教学。 在这种方法中, 所有的学生观看同 样的讲座录像,然后每位学生被指派到一个计算机终端来接受进一步的训练。 μ=
在整个教程的自我训练过程中,由计算机指导学生独立操作。
为了比较建议的和当前的教学方法, 刚入学的 122名学生被随机地安排到这 两种教学系统中。 61名学生使用当前程式化教材, 而另外 61名学生使用建议的 计算机辅助方法。记录每位学生的学习时间(小时 ,如表所示。

78 75 80 79 72 69 79 72 70 70 81
76 78 72 82 72 73 71 70 77 78 73
79 82 65 77 79 73 76 81 69 75 75
77 79 76 78 76 76 73 77 84 74 74
69 79 66 70 74 72
建议的计算机辅助方法完成教程的时间(小时
74 75 77 78 74 80 73 73 78 76 76
74 77 69 76 75 72 75 72 76 72 77
73 77 69 77 75 76 74 77 75 78 72
77 78 78 76 75 76 76 75 76 80 77

1、 利用适当的描述统计学方法汇总每种方法的训练时间数据。 根据样本资料,

你能观察到

2、 利用所学知识评价两种方法总体均值之间的差异,讨论你的结论。
3、 计算每一种训练方法的标准差与方差, 进行两种训练方法总体方差相等的假设检验, 讨 论你的结论。

检验数 >1.84,所以拒绝原假设,即两个总体方差不相等
4、 关于两种方法之间的差异,你能得到什么结论?有何建议?请做出解释。
计算机辅助方法的方差比当前教学方法的方差小, 学生的学习时间差异比较小, 建议使 用计算机辅助方法。
5、 对于将来要使用哪种训练计划,在做出最终决定之前,你是否还需要其他数据或检验。 不需要