某中药厂从某种药材中提取某种有效成分,现在改革提炼方法,对同一质量的药材用新、旧两种方法各做了10次试验,有效成分获得率的平均值分别为:overline(X)_(新)=76.23,overline(X)_(旧)=79.43,有效成分获得率的样本方差分别为:S_(新)^2=3.315,S_(旧)^2=3.085。假设这两组试验样本分别来自正态分布N(mu_(1),sigma_(1)^2),N(mu_(2),sigma_(2)^2),且相互独立。试问新方法的获得率是否与旧方法的一样?(alpha=0.01)(t_(0.005)(18)=2.8784)
某中药厂从某种药材中提取某种有效成分,现在改革提炼方法,对同一质量的药材用新、旧两种方法各做了10次试验,有效成分获得率的平均值分别为:$\overline{X}_{新}=76.23$,$\overline{X}_{旧}=79.43$,有效成分获得率的样本方差分别为:$S_{新}^{2}=3.315$,$S_{旧}^{2}=3.085$。假设这两组试验样本分别来自正态分布$N(\mu_{1},\sigma_{1}^{2})$,$N(\mu_{2},\sigma_{2}^{2})$,且相互独立。试问新方法的获得率是否与旧方法的一样?($\alpha=0.01$)($t_{0.005}(18)=2.8784$)
题目解答
答案
我们来逐步解决这个假设检验问题。
题目分析
我们要判断新方法的有效成分获得率是否与旧方法一样,即比较两个总体的均值是否有显著差异。
这是一个两独立样本均值的假设检验问题,且已知:
- 两组样本来自正态总体,相互独立;
- 样本容量均为 $ n_1 = n_2 = 10 $;
- 样本均值:
- $ \bar{X}_{\text{新}} = 76.23 $
- $ \bar{X}_{\text{旧}} = 79.43 $
- 样本方差:
- $ S_{\text{新}}^2 = 3.315 $
- $ S_{\text{旧}}^2 = 3.085 $
- 显著性水平 $ \alpha = 0.01 $
- 给出临界值:$ t_{0.005}(18) = 2.8784 $
第一步:提出假设
我们检验的是“新方法是否与旧方法一样”,即是否存在显著差异。
这是一个双侧检验:
$H_0: \mu_1 = \mu_2 \quad \text{(新旧方法均值相同)}$
$H_1: \mu_1 \neq \mu_2 \quad \text{(新旧方法均值不同)}$
其中:
- $ \mu_1 $:新方法总体均值
- $ \mu_2 $:旧方法总体均值
第二步:选择检验统计量
由于:
- 两个总体服从正态分布;
- 样本量较小($ n=10 < 30 $);
- 总体方差未知,但题目未说明是否相等;
- 但样本方差非常接近:$ S_{\text{新}}^2 = 3.315 $,$ S_{\text{旧}}^2 = 3.085 $,比值接近1;
我们可以先假设两总体方差相等(齐性),然后使用两样本t检验(合并方差)。
检验方差齐性(可选,但题目未要求,且方差接近,可直接假设相等)
我们直接假设 $ \sigma_1^2 = \sigma_2^2 $,使用合并t检验。
第三步:计算检验统计量
两独立样本t检验统计量(方差齐性)为:
$t = \frac{\bar{X}_1 - \bar{X}_2}{S_p \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}}$
其中,$ S_p^2 $ 是合并方差:
$S_p^2 = \frac{(n_1 - 1)S_1^2 + (n_2 - 1)S_2^2}{n_1 + n_2 - 2}$
代入数据:
$S_p^2 = \frac{(10 - 1) \times 3.315 + (10 - 1) \times 3.085}{10 + 10 - 2} = \frac{9 \times (3.315 + 3.085)}{18}$
$= \frac{9 \times 6.4}{18} = \frac{57.6}{18} = 3.2$
所以 $ S_p = \sqrt{3.2} \approx 1.7889 $
现在计算t值:
$t = \frac{76.23 - 79.43}{\sqrt{3.2} \times \sqrt{\frac{1}{10} + \frac{1}{10}}} = \frac{-3.2}{1.7889 \times \sqrt{0.2}}$
先算 $ \sqrt{0.2} \approx 0.4472 $
所以分母为:
$1.7889 \times 0.4472 \approx 0.8000$
(精确计算:1.7889 × 0.4472 ≈ 0.8000,刚好)
因此:
$t = \frac{-3.2}{0.8} = -4.0$
第四步:确定拒绝域
自由度为:
$df = n_1 + n_2 - 2 = 10 + 10 - 2 = 18$
双侧检验,$ \alpha = 0.01 $,所以每侧 0.005
临界值为:$ t_{0.005}(18) = 2.8784 $
拒绝域为:$ |t| > 2.8784 $
第五步:做出决策
计算得 $ |t| = 4.0 > 2.8784 $
所以拒绝原假设 $ H_0 $
第六步:结论
在显著性水平 $ \alpha = 0.01 $ 下,有充分证据表明新方法与旧方法的有效成分获得率存在显著差异。
即:新方法的获得率与旧方法不一样。
进一步看均值:新方法平均为 76.23,旧方法为 79.43,新方法更低,说明新方法获得率显著低于旧方法。
最终答案
$\boxed{ \text{新方法的有效成分获得率与旧方法不一样。在 } \alpha=0.01 \text{ 水平下,拒绝原假设,新方法获得率显著较低。} }$
附:解题过程总结
- 提出假设:$ H_0: \mu_1 = \mu_2 $,$ H_1: \mu_1 \ne \mu_2 $
- 假设两总体方差相等,使用两样本t检验(合并方差)
- 计算合并方差 $ S_p^2 = 3.2 $
- 计算t统计量:$ t = -4.0 $
- 自由度18,临界值 $ t_{0.005}(18) = 2.8784 $
- $ |t| = 4.0 > 2.8784 $,拒绝 $ H_0 $
- 结论:新旧方法获得率有显著差异,新方法较低。