logonew chat icon top
  • icon-chaticon-chat-active搜题/提问
    new chat icon
    新建会话
  • icon-calculatoricon-calculator-active计算器
  • icon-subjecticon-subject-active学科题目
  • icon-pluginicon-plugin-active浏览器插件
  • icon-uploadicon-upload-active上传题库
  • icon-appicon-app-active手机APP
recent chat icon
历史记录
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),sigma_1^2 = sigma_2^2 未知,关于两个正态总体均值的假设检验 H_0: mu_1 geq mu_2,H_1: mu_1 < mu_2,则在显著性水平 alpha 下,H_0 的拒绝域为(). A. |t| geq t_(1-(alpha)/(2))(n_1 + n_2 - 2)B. t geq t_(1-alpha)(n_1 + n_2 - 2)C. t leq -t_(1-alpha)(n_1 + n_2 - 2)D. t > t_(1-(alpha)/(2))(n_1 + n_2 - 2)

设总体 $X \sim N(\mu_1, \sigma_1^2)$,$Y \sim N(\mu_2, \sigma_2^2)$,$\sigma_1^2 = \sigma_2^2$ 未知,关于两个正态总体均值的假设检验 $H_0: \mu_1 \geq \mu_2$,$H_1: \mu_1 < \mu_2$,则在显著性水平 $\alpha$ 下,$H_0$ 的拒绝域为().

  • A. $|t| \geq t_{1-\frac{\alpha}{2}}(n_1 + n_2 - 2)$
  • B. $t \geq t_{1-\alpha}(n_1 + n_2 - 2)$
  • C. $t \leq -t_{1-\alpha}(n_1 + n_2 - 2)$
  • D. $t > t_{1-\frac{\alpha}{2}}(n_1 + n_2 - 2)$

题目解答

答案

为了确定假设检验 $ H_0: \mu_1 \ge \mu_2 $ 对 $ H_1: \mu_1 < \mu_2 $ 的拒绝域,我们需要遵循以下步骤: 1. **识别检验统计量**: 由于总体方差 $ \sigma_1^2 $ 和 $ \sigma_2^2 $ 未知但相等,我们使用合并的t检验。检验统计量为: \[ t = \frac{(\bar{X} - \bar{Y}) - (\mu_1 - \mu_2)}{S_p \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}} \] 其中 $ S_p $ 是合并标准差,由下式给出: \[ S_p = \sqrt{\frac{(n_1 - 1)S_1^2 + (n_2 - 1)S_2^2}{n_1 + n_2 - 2}} \] 在原假设 $ H_0: \mu_1 \ge \mu_2 $ 下,检验统计量简化为: \[ t = \frac{\bar{X} - \bar{Y}}{S_p \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}} \] 这个统计量遵循自由度为 $ n_1 + n_2 - 2 $ 的t分布。 2. **确定拒绝域**: 由于备择假设 $ H_1: \mu_1 < \mu_2 $ 是单侧的,我们只对t分布的下尾感兴趣。在显著性水平 $ \alpha $ 下,我们拒绝原假设,如果检验统计量 $ t $ 小于自由度为 $ n_1 + n_2 - 2 $ 的t分布的 $ \alpha $-分位数。这个分位数表示为 $ -t_{1-\alpha}(n_1 + n_2 - 2) $。 因此,$ H_0 $ 的拒绝域为: \[ t \le -t_{1-\alpha}(n_1 + n_2 - 2) \] 3. **结论**: 正确的选择是: \[ \boxed{C} \]

解析

考查要点:本题主要考查两个独立正态总体均值的假设检验,特别是方差未知但相等时的t检验,以及单侧检验的拒绝域形式。

解题核心思路:

  1. 确定检验类型:根据备择假设形式($H_1: \mu_1 < \mu_2$),判断为左侧检验。
  2. 选择检验统计量:由于方差未知且相等,采用合并方差t检验统计量。
  3. 确定拒绝域方向:左侧检验的拒绝域位于t分布的左尾,临界值为$-t_{1-\alpha}(df)$。

破题关键点:

  • 单侧检验的方向直接影响临界值的符号和位置。
  • 合并方差t检验的自由度为$n_1 + n_2 - 2$。

步骤1:确定检验统计量

当两个总体方差未知但相等时,检验统计量为:
$t = \frac{(\bar{X} - \bar{Y})}{S_p \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}}$
其中合并方差$S_p^2$为:
$S_p^2 = \frac{(n_1 - 1)S_1^2 + (n_2 - 1)S_2^2}{n_1 + n_2 - 2}$

步骤2:确定拒绝域方向

  • 备择假设$H_1: \mu_1 < \mu_2$为左侧检验,拒绝域在t分布的左尾。
  • 显著性水平$\alpha$对应的临界值为$-t_{1-\alpha}(n_1 + n_2 - 2)$,即当$t \leq -t_{1-\alpha}$时拒绝$H_0$。

步骤3:排除干扰选项

  • 选项C($t \leq -t_{1-\alpha}$)符合左侧检验的拒绝域形式。
  • 其他选项(如双侧或右侧)均与检验方向矛盾。

相关问题

  • 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

  • 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

  • 下列说法不正确的是() A. 协方差数值上等于各个数据与样本方差之差的平方和B. 协方差和方差的计算完全一致C. 协方差描述了两个变量之间的相关程度D. 方差描述了样本数据的波动程度

  • 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

  • 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

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

  • 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

  • 聚类分析的常见应用领域不包括( )数据分析图像处理客户分割发现关联购买行为

  • 决策树算法常用的划分准则包括: A. 信息增益B. 基尼指数C. 误差平方和D. 均方差

  • 皮尔逊相关系数的取值范围为0到正无穷。()A. 正确B. 错误

  • 从总体中抽取的、对总体有一定代表性的一部分个体称为()A. 总体B. 部分C. 样本D. 取样

  • 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

  • 1. 名词解释 假设检验 (请在答题纸上手写并拍照上传)

  • 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

  • 关于样本中某一变量的综合描述叫( )A. 统计值B. 平均值C. 估计值D. 参数值

  • 区群谬误是用个体调查(分析)单位做资料收集与分析,却用集群乃至总体调查(分析)单位做结论。()A. 正确B. 错误

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

  • 5.聚类分析可以看作是一种非监督的分类。()

  • 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

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:广州市天河区黄村大观公园路10号3N2
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