2. H0: =
; H1:
>
.
Такой случай возможен, если априорные сведения позволяют предположить,
что >
. В этом
случае строят такую правостороннюю критическую область, чтобы вероятность
попадания в неё показателя согласованности в предположении о справедливости
нулевой гипотезы была равна a:
. (7.2.6)
Для того чтобы критическую точку найти с помощью функции Лапласа, перепишем выражение (7.2.6) в виде
.
Из предыдущего выражения получим
и, следовательно,
(7.2.7)
Правило проверки гипотезы для рассматриваемого случая.
а). Назначается уровень значимости a и в соответствии с (7.2.7) по таблице приложения 4 определяется величина ua. При этом в таблицу следует входить со значением 1–2α,
б). Определяется величина u по формуле (7.2.5).
в). Проверяется условие u > ua. Если оно выполняется, гипотеза H0 отвергается, в противном случае принимается.
3. H0: =
; H1:
<
.
При указанной формулировке конкурирующей гипотезы левостороннюю
критическую область строят так, чтобы вероятность попадания в неё показателя
согласованности в предположении о справедливости нулевой гипотезы была равна
принятому уровню значимости: .
Учитывая, что показатель имеет
симметричное распределение относительно нуля, заключаем, что точка ua1
симметрична такой точке ua > 0, для которой
, это
значит ua1 = –ua.
Следовательно, методика определения ua1 полностью совпадает с
методикой предыдущего случая, только полученное значение берётся с отрицательным
знаком.
Правило проверки гипотезы также аналогично рассмотренному выше правилу, за исключением последнего пункта, а именно, если u < ua1, нулевая гипотеза отвергается, в противном случае – принимается.
Выше предполагалось, что случайные величины и
распределены
нормально, а их дисперсии известны. При этих предположениях показатель
согласованности гипотезы распределён по нормальному закону с параметрами
= 0,
= 1.
Если хотя бы одно из предположений не выполняется, описанный метод проверки
гипотезы о равенстве математических ожиданий неприменим. Однако при больших
объёмах независимых выборок (³ 30
вариантов каждая) оценки математических ожиданий и дисперсий распределены
приближённо нормально и закон распределения
можно
считать близким к нормальному. В этом случае проверку гипотезы можно проводить
по описанной выше методике, подставляя в формулу (7.2.5) оценки дисперсий, но к
полученным результатам следует относиться с осторожностью.
Проверка гипотез о равенстве дисперсий – одна из важнейших задач статистической обработки экспериментальных данных. На практике задача сравнения дисперсий возникает, если требуется сравнить погрешности показаний приборов, точность методов измерений и т.д.
Сформулируем задачу проверки гипотезы о равенстве дисперсий.
Пусть имеются две случайные величины и
, каждая из которых подчиняется нормальному
закону распределения с дисперсиями
и
. По независимым выборкам x1, x2,…,xn и y1, y2,…,ym найдены оценки дисперсий:
, (7.2.8)
где ,
- хи-
квадрат распределения с n –
1 и m – 1 степенями свободы соответственно.
Обычно полученные оценки различны, в связи с чем возникает вопрос,
можно ли на основе обработки экспериментальных данных полагать, что =
(нулевая
гипотеза).
Если нулевая гипотеза справедлива, то это означает, что выборочные дисперсии (7.2.8) представляют собой оценки одной и той же характеристики рассеивания генеральной совокупности и их различие определяется случайными причинами. В противном случае различие оценок существенно и является следствием того, что дисперсии генеральных совокупностей различны.
В качестве показателя согласованности гипотезы о равенстве
дисперсий примем отношение большей оценки дисперсии к меньшей. Для
определённости будет полагать >
, тогда
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.