單個正態總體參數的顯著性檢驗, 它是把樣本統計量的觀察值與原假設所提供的總體參數作比較, 這種檢驗要求我們事先能提出合理的參數假設值, 並對參數有某種意義的備擇值, 但在實際工作中很難做到這一點, 因而限制了這種方法在實際中的應用.實際中常常選擇兩個樣本, 一個作爲處理,一個作爲對照, 在兩個樣本之間作比較. 比如, 要比較某班男生的成績是否比女生的高, 服用某種維生素的人是否比不服用的人不易感冒, 或判斷它們之間是否存在明顯顯著的差異, 等等。
設總體X與Y獨立,XN($\mu_1,\sigma_1^{2}$),YN()。, ,,…,是來自總體X的樣本,爲其樣本均值,爲其樣本方差。, ,,…,是來自總體Y的樣本,爲其樣本均值,爲其樣本方差。
設兩正態總體的方差相等,即==
(1) (雙邊假設檢驗)
(2) (單邊假設檢驗)
(3) (單邊假設檢驗)
這時在下可得:
~
例:甲、乙兩臺機牀分別加工某種軸承, 軸承的直徑分別服從正態分佈N()和N(), 從各自加工的軸承中分別抽取若干個軸承測其直徑。
設問兩臺機牀的加工精度有無顯著差異?(取α=0.05)
總體 | 樣本容量 | 直徑 |
---|---|---|
X(機牀甲) | 8 | 20.5, 19.8, 19.7, 20.4, 20.1, 20.0, 19.0, 19.9 |
Y(機牀乙) | 7 | 20.7, 19.8, 19.5, 20.8, 20.4, 19.6, 20.2 |
from scipy.stats import ttest_ind, levene
import pandas as pd
x = [20.5, 19.8, 19.7, 20.4, 20.1, 20.0, 19.0, 19.9]
y = [20.7, 19.8, 19.5, 20.8, 20.4, 19.6, 20.2]
# 方差齊性檢驗
print(levene(x,y))
# 獨立樣本T檢驗,默認方差齊性
print(ttest_ind(x, y))
# 如果方差不齊性,則equal_var=False
print(ttest_ind(x,y,equal_var=False))
print(levene(x,y))
# LeveneResult(statistic=0.49616519174040724, pvalue=0.49361609677338825)
# 檢驗結果爲p>0.05所以,可以認爲方差是相等的。
print(ttest_ind(x, y))
# Ttest_indResult(statistic=-0.8548480353442837, pvalue=0.40811369790462515)
# 因爲p值=0.4081>0.05, 故接受原假設, 認爲兩臺機牀的加工精度無顯著差異。