【正文】 這里給出了 weight變量的四種正態(tài)性檢驗(yàn)結(jié)果 ， 其中ShapiroWilk檢驗(yàn)是首選的 。 var weight。 綜上 ， 應(yīng)拒絕年底數(shù)據(jù)中變量 price的分布為正態(tài)分布的假設(shè) ， 而不能拒絕年中數(shù)據(jù)中變量 price的分布為正態(tài)分布的假設(shè) 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 年底數(shù)據(jù)的分布檢驗(yàn)結(jié)果如圖 ， 其含義說明如下： 其中第一部分為檢驗(yàn)擬合分布的結(jié)果 。 1. 繪制分布擬合圖和 圖 首先在 “ 分析家 ” 中打開數(shù)據(jù)集 ； 選擇主菜單 “ Statistics‖→ ―Descriptive‖→ ―Distributions… ‖， 打開 “ Distributions‖對話框 。 在 INSIGHT中繼續(xù)上述操作：選擇菜單 “ Curves（ 曲線 ） ” → “ Test for Distribution（ 分布檢驗(yàn) ） ” ，打開 “ Test for Distribution‖對話框 ， 如圖左所示 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 選擇菜單 “ Graphs（ 圖形 ） ” → “ Plot（ 圖 ） ” ， 打開 “ Plot‖對話框 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 圖 334 參數(shù)估計(jì)對話框與 ine變量的密度擬合圖 變量 Ine的密度擬合圖和參數(shù)密度估計(jì)如圖 334右與圖 335所示 。 要利用 圖鑒別樣本數(shù)據(jù)是否近似于正態(tài)分布 ， 只需看 圖上的點(diǎn)是否近似地在一條直線附近 ， 該直線的斜率為標(biāo)準(zhǔn)差 ， 截距為均值 。 圖是一種散點(diǎn)圖 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 直方圖頂端的形態(tài)為折線 ， 而常用的一些分布的密度曲線如正態(tài)分布等都是光滑曲線 ， 所謂分布擬合圖就是在限定的參數(shù)分布類中通過對參數(shù)的估計(jì) ， 用估計(jì)得到的參數(shù)所對應(yīng)的密度曲線去擬合直方圖頂部的形態(tài) 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 2) 在分析家中打開數(shù)據(jù)集 ， 選擇菜單“ Statistics‖→―Hypothesis Tests‖→―Two Sample Test for Variance（ 雙樣本方差檢驗(yàn) ） ” ， 打開 “ TwoSample Test for Variance‖對話框并按圖左設(shè)置；單擊“ OK‖按鈕 ， 得到分析結(jié)果 。 結(jié)果表明有 95%的把握可以認(rèn)為該模擬考試的成績太過集中 。 結(jié)果表明 ， 本次模擬考試成績方差在置信水平 95%下的置信區(qū)間為 (， )。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 ? 總體方差的區(qū)間估計(jì)與假設(shè)檢驗(yàn)的SAS實(shí)現(xiàn) ? 總體方差的置信區(qū)間 ? 單樣本總體方差的假設(shè)檢驗(yàn) ? 兩樣本總體方差的比較 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 總體方差的置信區(qū)間 【 例 313】 表 315所示為某中學(xué) 1980年模擬高考數(shù)學(xué)的部分學(xué)生成績 ， 試估計(jì)本次模擬考試成績的方差 。 圖 323所示即為數(shù)據(jù)集 分?jǐn)?shù)據(jù) 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 兩總體比例的比較 【 例 312】 2021年底很多類型的國產(chǎn)轎車價格都比年中有所下降 ， 為了對比 2021年底與年中私家購車族購車價格的差異 ， 在年中新購車者中隨機(jī)抽取 32人 ， 調(diào)查得到的價格數(shù)據(jù)如表 314。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 單樣本總體比例的假設(shè)檢驗(yàn) 【 例 311】 考慮例 310中的數(shù)據(jù) ， 試檢驗(yàn)總體中購買車輛在 15萬元以上者所占比例是否超過 30%。 這是一個單樣本比例的區(qū)間估計(jì)問題 。 在異方差的情況下 ， 使用 Satterthwaite法檢驗(yàn)均值的差異 。 檢驗(yàn)結(jié)果如圖所示 。 檢驗(yàn)代碼如下： proc ttest data=zzcpsj。 cards。 使用這一格式要求將兩個樣本中被比較均值的變量的觀測值記在同一分析變量下 ， 不同的樣本用另一個分類變量的不同值加以區(qū)分 ， 而且分類變量只能取兩個值 ，否則將報(bào)錯 。 它的用法為 PROC TTEST DATA = 數(shù)據(jù)集名 。 代碼運(yùn)行結(jié)果給出了對原假設(shè) μ1 – μ2 = 0所作的 t檢驗(yàn)的 p值 ， 如圖 316所示 。 結(jié)果顯示 t統(tǒng)計(jì)量的 p值 = ， 不能拒絕 （ %的把握 ） 原假設(shè)：均值 = 70。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 3. 單樣本總體均值的假設(shè)檢驗(yàn) 在例 38中增加原假設(shè)選項(xiàng)以及置信水平 ， 代碼如下： proc ttest h0=70 alpha = data=sjcj。 假定其中數(shù)據(jù)使用如下數(shù)據(jù)步存放在數(shù)據(jù)集 sjcj中 ， 兩套試卷得分的變量名分別為 A和 B。 cards。 表 312 選項(xiàng)及其含義 選項(xiàng) 代表的含義 data = 等號后為 SAS數(shù)據(jù)集名，指定 ttest過程所要處理的數(shù)據(jù)集，默認(rèn)值為最近處理的數(shù)據(jù)集 alpha = 等號后為 0~1之間的任何值，指定置信水平，默認(rèn)為 ci = 等號后為“ equal, umpu, none”中的一個，表示標(biāo)準(zhǔn)差的置信區(qū)間的顯示形式，默認(rèn)為 ci = equal cochran 有此選項(xiàng)時， ttest過程對方差不齊時的近似 t檢驗(yàn)增加 cochran近似法 h0 = 等號后為任意實(shí)數(shù)，表示檢驗(yàn)假設(shè)中對兩均值差值的設(shè)定，默認(rèn)值為 0 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 2. 總體均值的置信區(qū)間 【 例 38】 仍然考慮例 33中的樣本數(shù)據(jù) 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 CLASS語句所指定的分組變量是用來進(jìn)行組間比較的；而 BY語句所指定的分組變量是用來將數(shù)據(jù)分為若干個更小的樣本 ， 以便 SAS分別在各小樣本內(nèi)進(jìn)行各自獨(dú)立的處理 。 分析步驟如下 ： 1) 在 “ 分析家 ” 中打開數(shù)據(jù)集 ； 2) 選擇菜單 “ Statistics（ 統(tǒng)計(jì) ） ” → “ Hypothesis Tests（ 假設(shè)檢驗(yàn) ） ” → “ Two Sample t Test for Mean（ 兩樣本均值的 t 檢驗(yàn) ） ” ； STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 3) 在打開的 “ Two Sample t Test for a Mean‖對話框中 ， 按圖 312所示設(shè)置雙樣本均值檢驗(yàn) ， 單擊 “ OK‖按鈕 ， 得到結(jié)果如圖 313所示 結(jié)果顯示 ， 由于 t統(tǒng)計(jì)量的 p值 = ， 所以在 95%的置信水平下 ， 應(yīng)該拒絕原假設(shè) ， 即兩種方法所需時間有差異 。 結(jié)果表明可以 95%的把握認(rèn)為兩套試卷有顯著差異 。 步驟如下： 1) 在 “ 分析家 ” 中打開數(shù)據(jù)集 ； 2) 選擇菜單 “ Statistics（ 統(tǒng)計(jì) ） ” → “ Hypothesis Tests（ 假設(shè)檢驗(yàn) ） ” → “ One Sample t – test for a Mean（ 單樣本均值 t 檢驗(yàn) ） ” ， 打開 “ One Sample t – test for a Mean‖對話框； STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 4)按圖 38所示設(shè)置均值檢驗(yàn) ， 單擊 “ OK‖按鈕 ， 得到結(jié)果如圖左所示 。 結(jié)果表明 （ 下圖 ） ， 根據(jù)抽樣樣本 ， 該倉庫中藥材的平均重量以 95%的可能性位于 間 。 只有在數(shù)據(jù)為兩兩比較的大小結(jié)果而沒有具體數(shù)值時符號檢驗(yàn)才有用 。 結(jié)果顯示三個檢驗(yàn)的結(jié)論都是 p值小于 ， 所以應(yīng)拒絕原假設(shè) ， 即總體的均值與 0有顯著差異 。 表 39 10名學(xué)生兩套試卷的成績 試從樣本數(shù)據(jù)出發(fā) ， 分析兩套試卷是否有顯著差異 。第二個檢驗(yàn) (Sign)是叫做符號檢驗(yàn)的非參數(shù)檢驗(yàn) ， 其 p值為 ， 在 ， 結(jié)論不變 。 使用 INSIGHT對均值進(jìn)行檢驗(yàn)的步驟如下： 1) 首先啟動 INSIGHT， 并打開數(shù)據(jù)集 ； 2) 選擇菜單 “ Analyze‖→―Distribution(Y)‖ ； 3) 在打開的 “ Distribution(Y)‖對話框中選定分析變量WEIGHT； 4) 單擊 “ OK‖按鈕 ， 得到變量的描述性統(tǒng)計(jì)量； STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 5) 選擇菜單 “ Tables（ 表 ） ” → “ Tests for Location（ 位置檢驗(yàn) ） ” ；在彈出的 “ Tests for Location‖對話框中輸入 100， 單擊 “ OK‖按鈕得到輸出結(jié)果如圖所示 。 現(xiàn)從某天生產(chǎn)的一批食品中隨機(jī)抽取了 25袋 ， 測得每袋重量如表 38所示 。 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 結(jié)果包括一個名為 “ 95％ Confidence Intervals（ 95%置信區(qū)間 ） ” 的列表 ， 表中給出了均值 、 標(biāo)準(zhǔn)差 、 方差的估計(jì)值 （ Parameter） 、 置信下限 （ LCL） 和置信上限 （ UCL） ， 如圖 32所示 。 表 36 總體比例與比例差的檢驗(yàn) nPz )1( 00 0?? ????22211121 )1()1( nPPnPP PPz ??? ??檢驗(yàn)名稱 檢驗(yàn)類別 H0 H1 檢驗(yàn)統(tǒng)計(jì)量 分布 拒絕域 比例檢驗(yàn) 雙邊檢驗(yàn) ? = ?0 ? ? ?0 N(0， 1) | z | ? zα/2 左邊檢驗(yàn) ? ? ?0 ? ?0 | z | ≤ – zα 右邊檢驗(yàn) ? ? ?0 ? ?0 | z | ? zα 兩總體比例差檢驗(yàn) 雙邊檢驗(yàn) ?1 = ?2 ?1? ?2 N(0， 1) | z | ? zα/2 左邊檢驗(yàn) ?1 ? ?2 ?1 ?2 | z | ≤ – zα 右邊檢驗(yàn) ?1 ? ?2 ?1 ?2 | z | ? zα STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 ? 總體均值的區(qū)間估計(jì)與假設(shè)檢驗(yàn)的SAS實(shí)現(xiàn) ? 使用 INSIGHT模塊 ? 使用“分析家” ? 使用 TTEST過程 STAT SAS軟件與統(tǒng)計(jì)應(yīng)用教程 使用 INSIGHT模塊