【통계학】 14-1강. 통계적 검정 예시 총정리

14-1강. 통계적 검정 예시 총정리

 

추천글 : 【통계학】 14강. 통계적 검정 

---

1. 참고 [본문]

2. X_i ~ N(μ, σ²),    σ² is known [본문]

3. X_i ~ N(μ, σ²),    σ² is unknown [본문]

4. X_i ~ N(μ, σ²),    μ is known [본문]

5. X_i ~ N(μ, σ²),    μ is unknown [본문]

6. X_i ~ N(μ_x, σ_x²) (i = 1, ···, n),    Y_j ~ N(μ_y, σ_y²) (j = 1, ···, m),    σ_x², σ_y² is known [본문]

7. X_i ~ N(μ_x, σ²) (i = 1, ···, n),    Y_j ~ N(μ_y, σ²) (j = 1, ···, m),    σ² is unknown [본문]

---

 

1. 참고 [목차]

⑴ X ~ N(0, 1)일 때 : P( x ∈ [z_α, ∞) ) = α

⑵ X ~ χ²(n)일 때 : P( x ∈ [χ²(n)_α, ∞) ) = α

⑶ X ~ T(n)일 때 : P( x ∈ [t(n)_α, ∞) ) = α

 

 

2. X_i ~ N(μ, σ²),    σ² is known [목차]

⑴ H₀ : μ = μ₀,    H₁ : μ  ≠  μ₀    (유의수준 : α)

 

 

⑵ H₀ : μ = μ₀,    H₁ : μ ＞ μ₀    (유의수준 : α)

 

 

⑶ H₀ : μ = μ₀,    H₁ : μ ＜ μ₀    (유의수준 : α)

 

 

 

3. X_i ~ N(μ, σ²),    σ² is unknown [목차]

⑴ H₀ : μ = μ₀,    H₁ : μ  ≠  μ₀    (유의수준 : α)

 

 

⑵ H₀ : μ = μ₀,    H₁ : μ ＞ μ₀    (유의수준 : α)

 

 

⑶ H₀ : μ = μ₀,    H₁ : μ ＜ μ₀    (유의수준 : α)

 

 

 

4. X_i ~ N(μ, σ²),    μ is known [목차]

⑴ H₀ : σ² = σ₀²,    H₁ : σ²  ≠  σ₀²    (유의수준 : α)

 

 

⑵ H₀ : σ² = σ₀²,    H₁ : σ² ＞ σ₀²    (유의수준 : α)

 

 

⑶ H₀ : σ² = σ₀²,    H₁ : σ² ＜ σ₀²    (유의수준 : α)

 

 

 

5. X_i ~ N(μ, σ²),    μ is unknown [목차]

⑴ H₀ : σ² = σ₀²,    H₁ : σ²  ≠  σ₀²    (유의수준 : α)

 

 

⑵ H₀ : σ² = σ₀²,    H₁ : σ² ＞ σ₀²    (유의수준 : α)

 

 

⑶ H₀ : σ² = σ₀²,    H₁ : σ² ＜ σ₀²    (유의수준 : α)

 

 

 

6. X_i ~ N(μ_x, σ_x²) (i = 1, ···, n),    Y_j ~ N(μ_y, σ_y²) (j = 1, ···, m),    σ_x², σ_y² is known [목차]

⑴ H₀ : μ_x = μ_y = μ,    H₁ : μ_x  ≠  μ_y    (유의수준 : α)

 

 

⑵ H₀ : μ_x = μ_y = μ,    H₁ : μ_x ＞ μ_y    (유의수준 : α)

 

 

⑶ H₀ : μ_x = μ_y = μ,    H₁ : μ_x ＜ μ_y    (유의수준 : α)

 

 

 

7. X_i ~ N(μ_x, σ²) (i = 1, ···, n),    Y_j ~ N(μ_y, σ²) (j = 1, ···, m),    σ² is unknown [목차]

⑴ H₀ : μ_x = μ_y = μ,    H₁ : μ_x  ≠  μ_y    (유의수준 : α)

 

 

⑵ H₀ : μ_x = μ_y = μ,    H₁ : μ_x ＞ μ_y    (유의수준 : α)

 

 

⑶ H₀ : μ_x = μ_y = μ,    H₁ : μ_x ＜ μ_y    (유의수준 : α)

 

 

입력: 2019.07.24 20:59