SCAU 统计学 实验5

这篇具有很好参考价值的文章主要介绍了SCAU 统计学 实验5。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

SCAU 统计学 实验5
8.14
总体平均值(μ):7.0 cm
总体方差(σ²):0.03 cm²
样本平均值(x̄):6.97 cm
样本方差(s²):0.0375 cm²
样本大小(n):80

在这个问题中,我们已经知道总体方差(σ²),所以应该使用 z 检验。

将检验以下零假设(H₀):
H₀: μ = 7.0 cm

与备择假设(H₁):
H₁: μ ≠ 7.0 cm

使用双侧检验,因为对螺栓口径偏大或偏小都感兴趣。

先计算 z 统计量:
z = (x̄ - μ) / (σ / √n)

然后,我们将计算双侧检验的 p 值。

如果 p 值小于给定的显著性水平(α = 0.05),我们将拒绝零假设,认为螺栓没有达到规定的要求。

使用 Python 和 SciPy 库来进行计算:

import math
from scipy import stats

# 总体和样本参数
mu = 7.0  # 总体平均值
sigma_squared = 0.03  # 总体方差
x_bar = 6.97  # 样本平均值
sample_size = 80  # 样本量

# 计算标准差和 z 统计量
sigma = math.sqrt(sigma_squared)
z_stat = (x_bar - mu) / (sigma / math.sqrt(sample_size))

# 计算双侧检验的 p 值
p_value = stats.norm.sf(abs(z_stat)) * 2

print("z值为:", z_stat)
print("p值为:", p_value)

alpha = 0.05
if p_value < alpha:
    print("拒绝原假设,螺栓不符合规定要求。")
else:
    print("未能拒绝原假设,螺栓符合规定要求。")

z值为: -1.5491933384829797
p值为: 0.12133525035847904
未能拒绝原假设,螺栓符合规定要求。

8.15
为了解决这个问题,我们可以使用双样本 t 检验,因为我们没有关于总体方差的信息。

将使用以下参数:
男生样本平均值(x̄₁):82 分
男生样本方差(s²₁):56 分²
男生样本大小(n₁):25

女生样本平均值(x̄₂):78 分
女生样本方差(s²₂):49 分²
女生样本大小(n₂):16

显著性水平(α):0.02

将检验以下零假设(H₀):
H₀: μ₁ = μ₂

与备择假设(H₁):
H₁: μ₁ ≠ μ₂

使用双侧检验,因为我们对男生成绩比女生高或低都感兴趣。

使用 Python 和 SciPy 库来进行双样本 t 检验并计算 p 值:

from scipy import stats

# 样本参数
x_bar1, s_squared1, n1 = 82, 56, 25
x_bar2, s_squared2, n2 = 78, 49, 16

# 双样本 t 检验
t_stat, p_value = stats.ttest_ind_from_stats(x_bar1, s_squared1 ** 0.5, n1, x_bar2, s_squared2 ** 0.5, n2)

print("--------双样本 t 检验--------")
print("t值为:", t_stat)
print("p值为:", p_value)

alpha = 0.02
if p_value < alpha:
    print("拒绝原假设,均值之间存在显着差异。")
else:
    print("未能拒绝零假设,均值之间没有显着差异。")

t值为: 1.7112092433652109
p值为: 0.09498625293364221
未能拒绝零假设,均值之间没有显着差异。文章来源地址https://www.toymoban.com/news/detail-428093.html

到了这里,关于SCAU 统计学 实验5的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 统计学 - 数理统计与应用统计的区别

    目录 1. 概率与统计 2. 数理统计与应用统计 概率论是研究随机现象数量规律的数学分支。随机现象是相对于决定性现象而言的,在一定条件下必然发生某一结果的现象称为决定性现象。例如在标准大气压,纯水加热到100℃时水必然会沸腾等。随机现象则是指在基本条件不变的

    2024年02月13日
    浏览(48)
  • 《SPSS统计学基础与实证研究应用精解》视频讲解:SPSS依托统计学处理数据的应用场景

    《SPSS统计学基础与实证研究应用精解》1.4 视频讲解 视频为 《SPSS统计学基础与实证研究应用精解》张甜 杨维忠著 清华大学出版社 一书的随书赠送视频讲解1.4节内容 。本书已正式出版上市,当当、京东、淘宝等平台热销中,搜索书名即可。本书旨在手把手教会使用SPSS撰写实

    2024年01月23日
    浏览(51)
  • 【应用统计学】方差分析

    【例7-1】 三台设备平均灌装时间分别是15.82秒、16.67秒和14.97秒。试用样本数据检验这3台机器灌装过程的时间是否存在显著不同,以便对设备的购买做出决策。( α=0.05 )  如果检验结果 接受原假设 ,则样本数据表明三台设备的平均灌装时间没有显著差异,选择任何一家提供商

    2023年04月16日
    浏览(42)
  • 统计学期末复习整理

    统计学:描述统计学和推断统计学。计量尺度:定类尺度、定序尺度、定距尺度、定比尺度。 描述统计中的测度: 1.数据分布的集中趋势 2.数据分布的离散程度 3.数据分布的形状。 离散系数 也称为标准差系数,通常是用一组数据的标准差与其平均数之比计算 C . V . = s x ‾

    2024年02月07日
    浏览(43)
  • 统计学 一元线性回归

    回归(Regression) :假定因变量与自变量之间有某种关系,并把这种关系用适当的数学模型表达出来,利用该模型根据给定的自变量来预测因变量 线性回归 :因变量和自变量之间是线性关系 非线性回归 :因变量和自变量之间是非线性关系 变量间的关系 :往往分为 函数关系

    2024年02月06日
    浏览(41)
  • 统计学-R语言-3

    本篇文章是介绍对数据的部分图形可视化的图型展现。 需要注意的是,给直方图拟合正态分布曲线并非总是适用,有时甚至是荒谬的,容易产生误导。合理的做法是为直方图拟合一条核密度估计曲线,它是数据实际分布的一种近似描述。 下面通过一个实际例子说明给直方图

    2024年01月16日
    浏览(41)
  • 统计学-R语言-1

    统计学(statistics)是“数据的科学” 1.是用以收集数据、分析数据和由数据得出结论的一组概念、原则和方法。 2.统计学进行推断的基础是数据(data)。数据不仅仅限于数字,也可能是图表、视频、音频或者文字。 3.收集到数据之后,利用一些方法来整理和分析数据,最后得到结

    2024年02月03日
    浏览(42)
  • 数据科学、统计学、商业分析

    数据科学、统计学、商业分析是在各方面有着不同的侧重和方向的领域。  1.专业技能 数据科学(Data Science):数据科学涉及从大量数据中提取有价值的信息、模式和洞察力的领域。它使用多种技术和领域知识,如统计学、机器学习、数据库管理、数据可视化等,进行数据清

    2024年02月15日
    浏览(48)
  • 统计学下的假设检验

            由于本人才疏学浅,再加上时间仓促,难免有疏漏之处,恳请批评指正.         数理统计: 以概率论为基础,研究如何有效的去搜集、整理、分析带随机性影响的数据         总体与样本: 研究对象的全体就称为总体          样本: 假设需要测试某一个指标

    2024年02月04日
    浏览(43)
  • 统计学-R语言-4.4

    上一篇文章介绍的是单变量数据,本篇将介绍双变量数据。 描述分类数据对分类数据的描述方法:二维表、复式条形图。 描述分类型数据对数值型数据的描述方法:箱线图。 描述数值型数据对数值型数据的描述方法:散点图、相关系数。 二维表(two-dimensional table)是两个变

    2024年01月19日
    浏览(40)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包