-
z檢驗
鎖定
- 中文名
- z檢驗
- 外文名
- Z Test
- 別 名
- u檢驗
- 原 理
- 標準正態分佈
z檢驗定義
(1)已知
,檢驗
選擇統計量
(2)已知
,檢驗
選擇統計量
並令
則
. 若
成立,還有
即
這説明事件“
” 為小概率事件。因此
的拒絕域為
. 將樣本值代入算出統計量的值
,若
,則拒絕
,接受
;否則可接受
。
在以上的假設檢驗問題中,當構造小概率事件時,利用了
的分佈概率密度曲線的單側尾部的面積,這樣的檢驗稱為單邊檢驗。直觀解釋是:如果
成立,即
比
的值就不能大得太多。因此,對於固定的樣本容量
,如果
太大,則有理由懷疑
的正確性。至於
大到什麼程度才有足夠的理由拒絕
呢?這需要由給定的顯著性水平
查得的臨界值
來決定
[1]
。
z檢驗示例
例題:某電器零件的平均電阻一直保持在2.64歐姆,如果改變工藝前後電阻的標準差都保持在0.06歐姆。經工藝改變後測得n=100個零件,其平均值
=2.62歐姆,問新工藝是否使此零件的電阻變小
[2]
?
解 假定該電器零件的電阻服從正態分佈,而且可以認為
=0.06歐姆。因此考慮對假設的檢驗,由所提的對立假設可知,應取單側拒絕域
z檢驗Matlab實現
z檢驗語法
z檢驗描述
X為樣本值,M為
,sigma為標準差,ALPHA為顯著性水平。TAIL=0時,表示備擇假設為“期望值不等M”(雙邊檢驗);TAIL=1時,表示備擇假設為“期望值大於M”(單邊檢驗);TAIL=-1時,表示備擇假設為“期望值小於M”(單邊檢驗)。
當標準差sigma已知時,函數執行一正態檢驗來判斷是否來自一正態分佈的樣本的期望值,M作為評判標準來估計。在沒有重新設置的情況下,ALPHA和TAIL的默認值分別為0.05和0。
SIG為當原假設為真時得到的觀察值的概率,當SIG為小概率的時候則對原假設提出置疑。H=0表示在顯著水平為ALPHA的情況下,不能拒絕原假設;H=1表示在顯著性水平為ALPHA的情況下,拒絕原假設
[3]
。
z檢驗舉例
例題:給定一組某廠生產的紐扣直徑的數據,假設其直徑
,已知
,並且在標準情況下,紐扣的平均直徑應該是26(mm),問:是否可以認為這批紐扣的直徑符合標準?(顯著水平
=0.05)
解:總體均值
和
已知,則
,問題就化為根據樣本值來判斷
還是
,為此提出假設:
原假設:
備擇假設:
Matlab實現過程如下:
>>x=[26.01,26.00,25.98,25.86,26.32,25.58,25.32,25.89,26.32,26.18]
程序運行結果如下:
x=
Columns 1 through 6
26.0100 26.0000 25.9800 25.8600 26.3200 25.5800
Columns 7 through 10
25.3200 25.8900 26.3200 26.1800
>>[H,SIG]=ztest(x,26,4.2,0.05,0)
程序運行結果如下:
H=
0
SIG=
0.9622