logo
  • write-homewrite-home-active首页
  • icon-chaticon-chat-activeAI 智能助手
  • icon-pluginicon-plugin-active浏览器插件
  • icon-subjecticon-subject-active学科题目
  • icon-uploadicon-upload-active上传题库
  • icon-appicon-app-active手机APP
首页
/
统计
题目

设总体 X sim N(mu_1, sigma_1^2), Y sim N(mu_2, sigma_2^2) 相互独立,样本容量分别为 n_1, n_2,样本方差分别为 s_1^2, s_2^2,在显著性水平 alpha 下,检验 H_0: sigma_1^2 geq sigma_2^2, H_1: sigma_1^2 < sigma_2^2 的拒绝域为(). A. (s_2^2)/(s_1^2) geq F_alpha(n_2-1, n_1-1);B. (s_2^2)/(s_1^2) geq F_(1-(alpha)/(2))(n_2-1, n_1-1);C. (s_2^2)/(s_1^2) leq F_alpha(n_1-1, n_2-1);D. (s_2^2)/(s_1^2) leq F_(1-(alpha)/(2))(n_1-1, n_2-1).

设总体 $X \sim N(\mu_1, \sigma_1^2)$, $Y \sim N(\mu_2, \sigma_2^2)$ 相互独立,样本容量分别为 $n_1$, $n_2$,样本方差分别为 $s_1^2$, $s_2^2$,在显著性水平 $\alpha$ 下,检验 $H_0: \sigma_1^2 \geq \sigma_2^2$, $H_1: \sigma_1^2 < \sigma_2^2$ 的拒绝域为().

  • A. $\frac{s_2^2}{s_1^2} \geq F_\alpha(n_2-1, n_1-1)$;
  • B. $\frac{s_2^2}{s_1^2} \geq F_{1-\frac{\alpha}{2}}(n_2-1, n_1-1)$;
  • C. $\frac{s_2^2}{s_1^2} \leq F_\alpha(n_1-1, n_2-1)$;
  • D. $\frac{s_2^2}{s_1^2} \leq F_{1-\frac{\alpha}{2}}(n_1-1, n_2-1)$.

题目解答

答案

检验假设 $ H_0: \sigma_1^2 \geq \sigma_2^2 $ 对 $ H_1: \sigma_1^2 < \sigma_2^2 $,构造统计量 $ F = \frac{s_2^2}{s_1^2} $。在 $ H_0 $ 下,$ F $ 服从 $ F(n_2-1, n_1-1) $ 分布。 对于左侧备择假设,拒绝域为 $ F $ 值较大,即 \[ \frac{s_2^2}{s_1^2} \geq F_\alpha(n_2-1, n_1-1) \] 对应选项 **A**。 答案:$\boxed{A}$

解析

考查要点:本题主要考查方差的F检验,特别是左侧检验的拒绝域构造方法。

解题核心思路:

  1. 确定检验类型:原假设 $H_0: \sigma_1^2 \geq \sigma_2^2$,备择假设 $H_1: \sigma_1^2 < \sigma_2^2$,属于左侧检验。
  2. 构造统计量:在 $H_0$ 成立时,统计量 $F = \frac{s_2^2}{s_1^2}$ 服从自由度为 $(n_2-1, n_1-1)$ 的 $F$ 分布。
  3. 确定拒绝域:左侧检验的拒绝域对应统计量过大的情况,即 $F \geq F_\alpha(n_2-1, n_1-1)$。

破题关键点:

  • F分布的自由度:分子自由度对应分子方差的样本($s_2^2$,自由度 $n_2-1$),分母自由度对应分母方差的样本($s_1^2$,自由度 $n_1-1$)。
  • 临界值的选择:左侧检验直接使用上分位数 $F_\alpha$,而非双侧检验的 $F_{1-\alpha/2}$。

步骤1:构造统计量

在 $H_0: \sigma_1^2 \geq \sigma_2^2$ 成立时,统计量定义为:
$F = \frac{s_2^2}{s_1^2}$
此时 $F$ 服从自由度为 $(n_2-1, n_1-1)$ 的 $F$ 分布。

步骤2:确定拒绝域形式

备择假设 $H_1: \sigma_1^2 < \sigma_2^2$ 表明,若 $\sigma_2^2$ 显著大于 $\sigma_1^2$,则 $F = \frac{s_2^2}{s_1^2}$ 会显著大于1。因此,拒绝域应为右侧区域,即:
$\frac{s_2^2}{s_1^2} \geq F_\alpha(n_2-1, n_1-1)$

步骤3:排除干扰选项

  • 选项B的 $F_{1-\frac{\alpha}{2}}$ 用于双侧检验,与左侧检验无关。
  • 选项C、D的自由度顺序颠倒,分母应为 $s_1^2$ 对应的自由度 $n_1-1$。

相关问题

  • 假定用于分析的数据包含属性age.数据元组[1]中age的值如下(按递增序):13,15,16,16,19,20,20,21,22,22,25,25,25,30,33,33,35,35,36,40,45,46,52,70, 问题:使用按箱平均值平滑方法对上述数据进行平滑,箱的深度为3。第二个箱子值为:A. 18.3B. 22。6C. 26。8D. 27。9

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差和方差的计算方式完全一致C. 协方差衡量了多个变量的分布D. 方差描述了样本数据的波动程度

  • 像从性不好的资料是()A. 由于死亡或者其他原因不能继续试验B. 能按照试验规定要求完成实验C. 重复参加试验D. 由于纳入标准不合格导致选择的研究对象不符合试验要求E. 能完成试验但是不能按照规定要求完成试验

  • 下列说法正确的是()A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差衡量了多个变量的分布C. 协方差和方差的计算方式完全一致D. 方差描述了样本数据的波动程度

  • 44.2021年,我国人均预期寿命提高到了()。A. 78岁B. 79岁C. 78.2岁D. 79.2岁

  • 48皮尔逊相关系数的取值范围为0到正无穷。()A. 错误B. 正确

  • 5.聚类分析可以看作是一种非监督的分类。()

  • 1. 名词解释 假设检验 (请在答题纸上手写并拍照上传)

  • {1.5分)确定研究总体和样本时,不需要考虑A. 立题依据B. 样本量C. 抽样方法D. 目标总体E. 纳入及排除标准

  • 请你从下表中找出1~100中所有质数.并数一数一共多少个. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

  • 下列哪项属于常见的池化方式。()A. 协方差池化B. 方差池化C. 反向传播D. 最大池化

  • 对研究对象制定明确的纳入标准和排除标准,是为了保证样本的A. 可靠性B. 可行性C. 代表性D. 合理性E. 科学性

  • 以下几种数据挖掘功能中,〔〕被广泛的用于购物篮分析.A. 关联分析B. 分类和预测C. 聚类分析D. 演变分析

  • 可以从最小化每个类簇的方差这一视角来解释K均值聚类的结果,下面对这一视角描述正确的A. 每个样本数据分别归属于与其距离最远的聚类质心所在聚类集合B. 每个簇类的质心累加起来最小C. 最终聚类结果中每个聚类集合中所包含数据呈现出来差异性最大D. 每个簇类的方差累加起来最小

  • 重测信度用重测相关系数来表示,相关系数越趋近于下列哪一数值时,则重测信度越高A. 1B. 0.7C. 2D. 3

  • 设随机变量XY都服从N(0,1),则有()A. X+Y服从正态分布B. X+Y服从x^2分布 C. X^2和Y^2都服从x^2分布 D. (X^2)div (Y^2)服从F分布

  • {15分)常规情况下,下列不属于人口学变量的是A. 民族B. 收入C. 年龄D. 睡眠时间E. 性别

  • 下列哪项属于常见的池化方式。()A. 反向传播B. 最大池化C. 方差池化D. 协方差池化

  • 皮尔逊相关系数的取值范围为0到正无穷。()A. 正确B. 错误

  • 下列关于回归分析的描述不正确的是()A. 回归分析模型可分为线性回归模型和非线性回归模型B. 回归分析研究不同变量之间存在的关系()C. 刻画不同变量之间关系的模型统称为线性回归模型D. 回归分析研究单个变量的变化情况

上一页下一页
logo
广州极目未来文化科技有限公司
注册地址:广州市黄埔区揽月路8号135、136、137、138房
关于
  • 隐私政策
  • 服务协议
  • 权限详情
学科
  • 医学
  • 政治学
  • 管理
  • 计算机
  • 教育
  • 数学
联系我们
  • 客服电话: 010-82893100
  • 公司邮箱: daxuesoutijiang@163.com
  • qt

©2023 广州极目未来文化科技有限公司 粤ICP备2023029972号    粤公网安备44011202002296号