颈椎骨质增生的治疗偏方

目 录 第七章 假设检验 3 第一节 假设检验概述 3 一、假设检验的基本思想 3 二、假设检验的步骤 4 三、两类错误和假设检验的规则 4 第二节 总体均值的检验 5 一、单个正态总体均值的检验 5 二、两个正态总体均值之差的检验 8 三、两个非正态总体均值之差的检验 10 第三节 总体成数的检验 12 一、单个总体成数的检验 12 二、两个总体成数之差的检验 13 第四节 总体方差的检验 14 一、一个正态总体方差的检验 14 二、两个正态总体方差之比的检验 15 习 17 第七章 假设检验 假设检验是与参数估计同等重要的又一类统计推断问题。假设检验技术不仅可以对总体分布的某些参数，而且也可以对总体本身的分布做出假设，通过对样本的统计来判定该假设是否成立，从而对总体分布给以进一步的确认。本章在简要介绍假设检验原理的基础上，重点讨论总体参数的假设检验问题。 第一节 假设检验概述 一、假设检验的基本思想 所谓假设检验就是对一个关于总体参数或总体分布形式的假设，利用样本资料来检验其真或伪的可能性。具体来说，就是利用样本资料计算出有关的检验统计量，再根据该统计量的抽样分布理论来判断样本资料对原假设是否有显著的支持性或排斥性，即在一定的概率下判断原假设是否合理，从而决定应接受或否定原假设。所以，假设检验也称为显著性检验。对总体参数(平均数、成数、方差等)所作的假设进行检验称为参数假设检验，简称参数检验（parametric tests）；对总体分布形式的假设进行检验一般称为非参数检验或自由分布检验。这里只讨论总体参数的假设检验，即参数检验；非参数检验在下章中研究。 我们再回到第六章开篇的例子上来说明假设检验的基本原理。 【例7.1】假如雪碧瓶的标签上标明的容量为250毫升，标准差为4毫升。如果你从市场上随机抽取50瓶，发现其平均含量为248毫升。据此，可否断定饮料厂商欺骗了消费者？ 【分析】样本平均含量低于厂商声称的平均含量，其原因不外乎有两种：一是由抽样误差引起的。如果样本平均数与总体平均数之差不大，未超出抽样误差范围，则可认为两者之差就是由抽样误差引起的，饮料厂商不存在欺诈行为。二是由饮料厂商短斤少两引起的，即饮料厂商存在欺诈行为。在这种情况下，样本平均数与总体平均数之差就会超出抽样误差范围，因为其差异是厂商的有意行为。 我们知道，抽样误差范围是与概率保证程度相联系的。对于正态分布总体，若取概率保证程度为99%，则样本平均数与总体平均数之差大于抽样平均误差的2.33倍，即，也就是说，或发生的概率只有1%，如图7.1。因此，是一个小概率事件，这一事件在100次抽样中只发生一次，而对于一次抽样而言，可认为小概率事件实际上不会发生。 图7.1 1%概率示意图（α=0.01） 【解】在本例中，=248，=4，=50，假设=250 也就是说，对于一次抽样的结果，如果小概率事件发生了，这是不合常理的，所以可认为总体平均数这一假设不成立，，即纸包装饮料的容量不足250毫升，厂商有欺诈故意。 通过这个例子可见，假设检验的基本思想是：先做出一个假设，然后依据小概率事件在一次抽样中实际上不会发生的推断原则，看这一假设是否会导致不合理的结果，从而判断是否拒绝原假设。 二、假设检验的步骤 1. 提出原假设（Null Hypothesis）和备择假设(Alternative Hypothesis) 原假设又称零假设，是对未知总体参数做出的、正待检验的假设。备择假设是对立假设，其含义是，一旦否定原假设，这个假设供你选择。例7.1中，原假设：=250，而备择假设：<250。 一般而言，若原假设： 为总体某个参数，根据具体问题，备择假设可由三种选择： (1)备择假设：，这种类型的假设检验称为双侧检验。 (2)备择假设：，这种类型的假设检验称为右侧检验。 (3)备择假设：，这种类型的假设检验称为左侧检验。 右侧检验和左侧检验统称为单侧检验。采用双侧检验还是单侧检验，应视所研究的问题的性质而定。 2. 检验统计量 所设计的检验统计量应与原假设相关即与待检验的参数相关，且能够知道当原假设为真时该统计量的具体分布。上例中，检验统计量为，它服从标准正态分布。 3. 给定显著性水平和确定相应的临界值 显著性水平表示假设为真时拒绝原假设的概率，也就是拒绝原假设所冒的风险，用表示。一般取值很小，常取0.1、0.05、0.01。给定了显著性水平，也就确定了原假设的接受区域和拒绝区域。这两个区域的交界点就是临界值。比如取0.05，则意味着原假设为真时，检验统计量落在其拒绝区域内的概率只有5%，而落入其接受区域内的概率为95%。应当指出，对于同一的显著性水平，选择不同的检验统计量，得到的临界值是不同的；对于同一的显著性水平和同一的统计量，双侧检验和单侧检验的临界值也是不同的，如图7.2。 双侧 左侧 右侧 图7.2 双侧检验和单侧检验的临界值 4. 依据假设检验的规则，由样本资料计算出检验统计量的实际值，与临界值比较，视实际值落入接受区域还是拒绝区域，做出接受或拒绝原假设的结论。 三、两类错误和假设检验的规则 通过假设检验，拒绝原假设是在认为小概率事件在一次抽样中实际上不会发生的前提下做出的，事实上小概率事件有时也可能发生；接受原假设，是因为拒绝它的理由还不充分，并非认为它绝对正确。因此，由假设检验做出的判断不可能百分之百正确。一般来说，决策结果可归纳为表7.1表现的四种情况： 表7.1 假设检验决策结果表 是真实的 是不真实的 拒绝 第Ⅰ类错误() 正确 接受 正确 第Ⅱ类错误() 由假设检验做出的决策既可能犯“弃真错误”又可能犯“取伪错误”。“弃真错误”称作假设检验的“第Ⅰ类错误”，“取伪错误”称作假设检验的“第Ⅱ类错误”。假设检验犯第Ⅰ类错误的原因是，在原假设为真的情况下，检验统计量不巧刚好落入小概率的拒绝区域。因而，第Ⅰ类错误发生的概率就是显著性水平。第Ⅱ类错误发生的概率记为。 概率与是密切相关的，在样本一定的条件下，减小，就增大了；反之，增大，就减小了，见示意图7.3。 图7.3 假设检验中犯两类错误情况示意图 这里用法庭对被告进行审判的实例来说明。由于法庭采用无罪推定的审判准则，在证明被告有罪之前先假定他是无罪的，即原假设：被告无罪，备择假设：被告有罪。法庭可能犯的第Ⅰ类错误是：被告无罪但判他有罪，即冤枉了好人；第Ⅱ类错误是：被告有罪但判他无罪，即放过了坏人。为了减少冤枉好人的概率，应尽可能接受原假设，判被告无罪，而这有可能增大了放过坏人的概率；反过来，为了不放过坏人，减少放过坏人的概率，相应地就又增加了冤枉好人的可能性。当然，这只是在一定的证据下的两难选择。如果进一步收集有关的证据，在充分的证据下，就有可能做到既不冤枉好人，又不放过坏人。 鉴于犯第Ⅰ类与第Ⅱ类错误的概率与的相互关系，在一定的样本容量下，期望两者都非常小是困难的。从而，在假设检验中，内曼（J. Neyman）和皮尔生(Egon S. Pearson)提出了一个原则，即在控制犯第Ⅰ类错误的概率的条件下，尽可能使犯第Ⅱ类错误的概率减小。在假设检验实践中，该原则的含义是，原假设要受到维护，使它不致被轻易否定，若要否定原假设，必须有充分的理由。 第二节 总体均值的检验 一、单个正态总体均值的检验 样本来自正态总体 (一) 如果总体方差已知----检验 构造检验统计量： （7.1） 当时，服从。给定显著性水平，则有 (1) 检验规则为：当时，拒绝；当时，不能拒绝 (2) 检验规则为：当时，拒绝；当时，不能拒绝 (3) 检验规则为：当时，拒绝；当时，不能拒绝 以上三个假设检验的拒绝区域如图7.2所示，拒绝区域的面积为。 【例7.2】某企业从长期实践得知，其产品直径X服从正态分布。从某日产品中随机抽取10个，测得其直径分别为14.8，15.3，15.1，15.0，14.7，15.1，15.6，15.3，15.5，15.1（单位：厘米）。问在显著性水平=0.05时，该产品直径是否符合直径为15.0厘米的质量标准？ 【解】依题意建立假设 ：15.0 ：15.0 根据检验统计量（7.1） 若取显著性水平=0.05，则由标准正态分布表，得。从而拒绝，即认为直径不符合质量标准。若取显著性水平=0.01，则由标准正态分布表，得。从而不能拒绝，即认为没有充分的理由说明直径不符合质量标准。 教师：这个题目实际上就是第六章习题中的第五题。当我们以95%的置信度进行区间估计时，结果是15.03-15.27厘米之间，显然15不在其范围之内，这和我们这里的“拒绝”是一个意思；如果我们以99%的置信度，则结果是：14.09-15.31厘米之间，显然15是在其范围之内的，这又和我们这里的“不能拒绝”同义。其实参数估计和假设检验都是以抽样分布为理论依据，根据样本信息对总体参数进行推断，对某一具体问题而言，两者是可以相互转换的。 【例7.3】某企业职工上月平均奖金为402元，本月随机抽取50人来调查，其平均奖金为412.4元。现假定本月职工收入服从正态分布，问在0.05的显著性水平下，能否认为该企业职工平均奖金本月比上月有明显提高？ 【解】依题意建立假设 ：402 ：402 检验统计量 显著性水平=0.05，则由标准正态分布表，得。从而拒绝，即认为该企业职工平均奖金本月比上月有明显提高。 教师：这里特别要提醒的是，对应同一张标准正态分布表，在同一个显著性水平上，单侧和双侧是不同的。以我们提供的表为例，α=0.05时，对于双侧检验，只要查0.95（即1-0.05）即可；对于单侧检验，则需要查0.90（即1-0.05×2）。为什么？你们画画图就能想通了。 (二) 如果总体方差未知----检验 构造检验统计量： 其中是样本标准差 （7.2） 当时，根据抽样分布理论，统计量服从。（t分布表见附录三，df表示自由度）,给定显著性水平，则有 （1） 检验规则为：当时，拒绝；当时，不能拒绝 （2） 检验规则为：当时，拒绝；当时，不能拒绝 （3） 检验规则为：当时，拒绝；当时，不能拒绝 以上三个假设检验的拒绝区域如图7.2所示，拒绝区域的面积为。因为，t分布与正态分布很相似，当n大于30以后，两者就基本重合了，见图7.3。 图7.4 t分布与正态分布 【例7.4】 抽取某地区粮食样品9个，测得其中六六六的平均值为0.325mg/kg，标准差为0.068mg/kg，国家卫生标准规定，粮食中六六六残留量0.3mg/kg。假定粮食中六六六残留量服从正态分布，问该地区粮食中六六六残留量是否超标？ 【解】依题意建立假设 ：0.3 ：0.3 根据检验统计量（7.2） 若取显著性水平=0.05，则由分布表，得。从而不能拒绝，即没有足够的证据说明该地区粮食中六六六残留量超标。 假如我们增加样本容量，如抽取样品25个，还是得到一样的数据，那么： 还取显著性水平=0.05，则由分布表，得。从而，拒绝，即说明该地区粮食中六六六残留量超标。 教师：从这个对比的例子中，有两个值发生了变化：一是实际的t值，它变大了，含义是它倾向于拒绝原假设；二是t的临界值，它变小了，含义是拒绝区变大。这说明在样本量较小的时候，我们把看似和备择假设一致的事实视作为是抽样造成的，显然这就保护了原假设。而当样本量增加以后，才认为有足够的证据证明这一事实。 t检验一般用于小样本检验，往往是已知服从正态总体但方差未知。随着样本容量n的增大，t分布趋近于标准正态分布，（有些t分布表就编到30为止，超过30的就查正态分布表了。）所以在大样本情形下，总体方差未知时对总体均值的假设检验可近似采用z检验。对于非正态总体，大样本的情况下，在对总体均值假设检验时，也可采用z检验，选择检验统计量为公式（7.1），如果σ未知，可以用s替代。 二、两个正态总体均值之差的检验 样本来自正态总体，来自正态总体 (一) 如果两个总体方差和已知 构造检验统计量： （7.3） 当时，服从。因此，采用检验。 【例7.5】 假设某种羊毛的含脂率服从正态分布，且处理前后的方差均为36。处理前采10个样，测得平均含脂率为27.3，处理后采8个样，测得平均含脂率为13.75，问处理前后羊毛含脂率有无显著变化()？ 解 依题意建立假设 ： ： 根据检验统计量（7.3） 由标准正态分布表，得。从而拒绝，即认为处理前后羊毛含脂率有显著变化。 (二) 如果两个总体方差和未知但相等 构造检验统计量： （7.4） 其中： 当时，服从。因此，采用检验。 【例7.6】某废水中的镉含量服从正态分布，现用标准与新方法同时测定该样本中镉含量。其中新方法测定10次，平均测定结果为5.28ug/L，标准差为1.11ug/L；标准方法测定9次，平均测定结果为4.03ug/L，标准差为1.04ug/L。问两种测定结果有无显著性差异？ 【解】依题意建立假设 ： ： 根据检验统计量（7.4） 取显著性水平=0.05，。从而，拒绝，即认为两种测定结果有显著性差异。 三、两个非正态总体均值之差的检验 样本和来自两个非正态总体，当样本容量和较大()时 构造检验统计量： 或 （7.5） 当时，服从或近似服从。因此，两个非正态总体均值之差的检验可采用检验。 【例7.7】根据数据集03，整理出256名男职工和214名女职工的薪水资料，问能否认为男职工的年薪比女职工的要高出15000元或高出12000元（=0.05）？ 【解】依题意建立假设 ： ： 这里的计算量比较大，我们可以让计算机来帮忙。   Excel解决 ① 在数据集03中按性别分类摘出两列分性别的薪水资料，并计算两列数据的方差 ② 选择菜单“工具”—“数据分析”，打开“数据分析”对话框，见图2.9 ③ 选择其中的“z检验：双样本平均差检验”，打开对话框，见图7.5 ④ 正确填写相关信息后，点“确定”，结果在G7到I18这个区域内显示，见图7.6 图7.5 “z检验：双样本平均差检验”分析工具对话框 图7.6 “z检验：双样本平均差检验”结果截图 看G7到I18这个区域内的显示：z=0.1911，这就是我们计算的实际z值，由于本例是单侧检验，所以看z单尾临界，这里显示的是1.6448，和我们查表的结果一致。因而，我们不能拒绝，即认为没有充分的理由说明男职工的年薪比女职工的要高出15000元。 若在图7.5的假设平均差处改为“12000”，就是对： ：的检验了。我们看其在G27到I32中的结果：z=2.5292，而临界值还是1.6448，因而，我们拒绝，即认为男职工的年薪比女职工的要高出12000元。 学生：老师，在z单尾临界的上面一行“P(Z<=z)单尾”是什么意思？有什么用？ 教师：“P(Z<=z)单尾”提供的是实际z值所对应的概率，即根据样本资料计算出来的拒绝原假设所需的最低显著性水平，称为实测显著性水平。前面我们是根据给定的显著性水平，查表得到临界值，然后实际值与临界值对比，如果临界值大于实际值就拒绝原假设，反之，则接受原假设。我们也可以这样：根据计算得到的统计量的实际值，查表或用Excel的统计函数，找出这个实际值所对应的概率，然后用这个概率与显著性水平比较，如果它大，则接受原假设，如果它小，则拒绝原假设。后一种方法是目前国际上流行的利用统计软件进行假设检验的格式。 所以，我们也可以这样判断，对第一问的检验，由于P值为0.4242,它大于0.05的显著性水平，故不能拒绝；对第二问，由于P值为0.0059,它小于0.05的显著性水平，故拒绝，进一步说如果显著性水平α定在0.005，则又不能决绝了。 Excel还提供了三个有关t检验的分析工具，我们如果碰到大量的数据处理，就可以直接用这些工具来解决问题。 学生：这里有点复杂，我来总结一下，看对不对。 1. 根据题目的提问，设定原假设和备择假设，一般把提问放在备择假设上，以保护原假设； 2. 根据不同的已知条件选定不同的统计量，将样本数据代入，计算得到一个统计量的实际值； 比较有两种方法： 3. 根据给定的显著性水平α，查表或用Excel函数找到临界值； 4. 用实际值与临界值比较，实际值大，则拒绝原假设；实际值小，则不能拒绝原假设。 或者： 3. 根据统计量的实际值，查表或用Excel函数找到其对应的概率值； 4. 用得到的这个概率值与临界值比较，若概率值大，不能拒绝原假设，若小，则拒绝原假设。 教师：总结得好极了。 不过用起来的时候要当心哦。 表7.2列示了Excel中标准正态分布和t分布的正反函数。 表7.2 标准正态分布和t分布的正反函数。 normsdist(z) 提供z值，返回标准正态分的概率值 对应函数是： F(z)= normsinv(probability) 提供概率，返回标准正态分布的临界值 Tdist（x,deg-freedom,tails） 提供t值，自由度和类型（1-单侧，2-双侧），返回t分布的概率值 Tinv(probability,deg-freedom) 提供概率，自由度，返回t分布的临界值 重做例7.2、例7.3和例7.6，图7.7中（a）是单元格中输入的公式，（b）是显示的结果。 （a） （b） 图7.7 用Excel函数求实际值对应的概率值 对例7.2，得到的概率值是0.0178，因此当α=0.05时，是拒绝；而当α=0.01时，则不能拒绝。 对例7.3，得到的概率值是0.0178，因此当α=0.05时，是拒绝。 对例7.6，得到的概率值是0.0216，因此当α=0.05时，是拒绝。 第三节 总体成数的检验 一、单个总体成数的检验 所谓成数是指具有某一特征的总体单位在总体中所占的比重，用π表示。如果将具有该特征的总体单位赋值“1”，不具有该特征的总体单位赋值“0”，则成数为总体均值，相应的总体方差为π（1-π）。同理，样本成数是一种样本均值。在大样本情况下，并且、，根据中心极限定理，服从。 构造检验统计量 （7.6） 当时，服从标准正态分布，因此，总体成数的检验采用检验。 【例7.8】 在过去的一年内，某公司的生意有30%是赊账交易，70%是现金交易，最近一个含有100笔交易的样本显示有40笔是赊账交易，若取显著性水平为0.05，问该公司的赊账交易政策是否有所变化？ 【解】依题意建立假设 ：=30% ：30% 根据检验统计量（7.6） 因为，从而拒绝，即认为该公司的赊账交易政策已经有所变化。 【例7.9】某公司负责人发现开出去的发票有大量笔误，而且断定这些发票中，错误的发票占20%以上。随机检查400张，发现错误的发票占25%。这是否可以证明负责人的判断正确（显著性水平为0.05）？ 【解】依题意建立假设 ：0.2 ：0.2 根据检验统计量（7.6） 因为，从而拒绝，即认为负责人的判断正确。 二、两个总体成数之差的检验 在大样本条件下，两个样本成数之差的抽样分布近似为正态分布。若令 由于含有未知参数和，所以不能成为检验统计量。当=时，和的联合估计值为 ,故标准差的估计值为: 取检验统计量 （7.7） 于是，在大样本条件下，当=时，近似服从标准正态分布。因此，两个总体成数之差的检验可采用检验。 【例7.10】为了研究地势对小麦锈病发病率的影响，调查了低洼地麦田小麦378株，其中锈病株342株，还调查了高坡地麦田小麦396株，其中锈病株313株。若取显著性水平为0.01，比较两块麦田小麦锈病发病率是否有显著差异。 【解】依题意建立假设 ， 根据检验统计量（7.7） 取=0.01，=2.58，，从而拒绝，即认为两块麦田小麦锈病发病率有显著差异。 第四节 总体方差的检验 一、一个正态总体方差的检验 总体方差是用样本方差来估计的。根据抽样分布理论，检验统计量： （7.8） 服从。（分布表见附录四）给定显著性水平，则有: （1） 检验规则为：当或时拒绝，否则不能拒绝 （2） 检验规则为：当时拒绝，否则不能拒绝 （3） 检验规则为：当拒绝，否则不能拒绝 以上三个假设检验的拒绝区域如图7-8，拒绝区域的面积为。 双侧 右侧 左侧 图7.8 双侧检验和单侧检验的卡方临界值 【例7.11】根据设计要求，某零件的内径标准差不得超过0.30(单位：厘米)，现从该产品中随意抽验了25件，测得样本标准差为0.36，问检验结果是否说明该产品的标准差明显增大（显著性水平为0.05）？ 【解】依题意建立假设 根据检验统计量（7.8） 显著性水平，36.4，因此，不能拒绝原假设。该产品的标准差没有超过0.30厘米。 二、两个正态总体方差之比的检验 根据抽样分布理论，检验统计量： （7.9） 服从。（F分布表见附录五）给定显著性水平，则有: （1） 检验规则为：当或1/时拒绝，否则不能拒绝 （2） 检验规则为：当时拒绝，否则不能拒绝 （3） 检验规则为：当1/拒绝，否则不能拒绝 【例7.12】甲、乙两台机床加工产品的直径服从正态分布，现测得样本数据如下：，；，。问这两个正态分布的方差是否相等？(=0.1) 【解】建立假设 根据检验统计量（7.9） 当=0.1时，=4.88，=0.25 由于0.25<1.214<4.88，所以不能拒绝，即认为两个正态分布的方差相等。 习 题 一、填空题 1、检验的过程中，在原假设成立的前提下，拒绝原假设所犯的错误称为___________。 2、若变量服从正态分布且总体方差已知，则检验样本均值是否和总体均值相等用________分布。 3、若变量服从正态分布但总体方差未知，则检验样本均值是否和总体均值相等用________分布。 4、两个非正态总体均值之差的检验统计量是：__________。 5、参数估计和________是统计推断的两个组成部分，它们都是利用样本对总体进行某种推断。 二、判断题 1、与原假设相对立的假设是替换假设，用 H１表示（　） 2、α错误又称为显著性水平、Ⅰ类错误，即原假设H0 却为假时，被我们接受所犯这类错误的概率（　） 3、不可能同时减少Ⅰ类错误和Ⅱ类错误。（　） 4、对单个总体成数的检验的充分必要条件是样本必须是大样本（　） 5、如果变量的分布未知，那么必须是大样本才有可能进行均值比较。（ ） 6、在拒绝的前提下，若增大α的水平，有可能变为接受。（ ） 三、单项选择题 1、假设检验和参数估计的联系与区别：(甲)都是对总体某一数量特征的推断，都是运用概率估计来得到自己的结论；(乙)前者则需要事先对总体参数做出某种假设，然后根据已知的抽样分布规律确定可以接受的临界值；(丙)后者无须事先对总体数量特征做出假设。它是根据已知的抽样分布规律找出恰当的区间，给出总体参数落在这一区间的概率。 A. (甲) B. (甲) (丙) C. (乙) (丙) D. (甲) (乙) (丙) 2、一个好的假设检验，理想的情况是：(甲)与都大；(乙) 与都小；(丙) 小，大；(丁) 大，小。 A . (甲) B. (乙) C. (丙) D. (丁) 3、当我们根据样本资料对零假设做出接受或拒绝的决定时，可能出现的情况有：(甲)当零假设为真时接受它；(乙) 当零假设为假时接受它；(丙) 当零假设为真时拒绝它；(丁) 当零假设为假时拒绝它。 A . (甲) B. (乙) C. (甲) (乙) (丙) D. (甲) (乙) (丙) (丁) 4、假设检验拒绝原假设能证明原假设有逻辑上的错误或根本不存在？(甲)能；(乙)不能，而只说明原假设的出现：(丙)可能性很小；(丁) 可能性很大。 A . (甲) (丙) B. (甲) (丁) C. (乙) (丙) D. (乙) (丁) 5、将由显著性水平所规定的拒绝域平分为两部分，置于概率分布的两边，每边占有，这是：(甲)单侧检验；(乙)右单侧检验；(丙)左单侧检验；(丁)双侧检验。 A . (甲) B. (乙) C. (丙) D. (丁) 四、简答题 1、简单叙述均值检验的一般步骤。 2、简单叙述Ｔ检验的条件？ 3、单侧检验与双侧检验的区别？ 4、检验的两类错误的概念与意义。 五、计算题 1、设零件长度服从正态分布，要求其长度规格为3.278mm ，今取该批零件中的10个，测得长度mm如下：3.281，3.276，3.278，3.286，3.279，3.278，3.281，3.279，3.280，3.277 （1）当=0.002(mm)时，该批零件平均长度与原规格有无明显差异? （取0.05） （2）当未知时，又怎样呢? （取0.05） 2、某厂生产一种新型家用产品，厂家声称某市已有20%以上的家庭在使用这种产品。市场调查人员在该市抽选了一个由300个家庭组成的随机样本，发现有70个家庭使用了这种产品。这些数据是否为证实厂家的说法提供了充分证据?（取0.05） 3、对某建筑材料产品分别在100度和200度的条件下各做了8次试验，测得断裂力的数据(kg)如下： 100度：20.5，18.8，19.8，20.9，21.5，19.5，21.0，21.2 200度：17.7，20.3，20.0，18.8，19.0，20.1，20.2，19.1 设断裂力服从正态分布，在水平下检验：（1）可否认为两种温度下的断裂力方差相等?（2）可否认为两种温度下的断裂力均值相等? 4、某大学共有1000名四年级大学生，其中男生600名，女生400名。某位教师认为男生己通过计算机二级水平考试的成数要高于女生。为证实自己的看法，他分别随机抽选了60名男生和40名女生，发现已通过这种考试的人数分别为35人和17人。这些数据是否足以说明这位老师的看法正确（0.01）? 5、有关人士想知道能否作出这样的结论:居民区1中的家庭每周看电视的平均小时数比居民区2中的家庭少。从80，60的两个独立随机样本得出的数据如下:19.5小时，23.7小时，12小时，16小时（取0.05）。 6、根据数据集03按整理出256名男职工和214名女职工的受教育年限资料，问能否认为男职工的受教育年限比女职工的要高出2年或高出1年（取=0.05）？ 7、一个以减肥为主要目的的健美俱乐部声称，参加他们的训练至少可使肥胖者减少17斤，为了验证，调查人员随机抽取了10名参加者，得到他们的体重记录，在显著性水平为0.05的情况下，调查结果是否支持俱乐部的说法？ 训练前 189 202 220 207 194 177 193 202 208 233 训练后 170 179 203 192 172 161 174 187 186 204 (提示：可以用Excel中分析工具中的“t-检验: 成对双样本均值分析”)