【数学建模】《实战数学建模：例题与讲解》第六讲-假设检验（含Matlab代码）

如果这篇文章对你有帮助，欢迎点赞与收藏~

基本概念

假设检验是一种统计决策过程，用于判断样本数据是否支持某个特定的假设。主要有两类假设：

零假设（Null Hypothesis）：通常表示为没有效应或差异的假设。

备择假设（Alternative Hypothesis）：表示有效应或差异的假设。

假设检验的步骤

定义假设：首先明确零假设和备择假设。

选择合适的检验：根据数据类型和研究目的选择适当的统计检验，如t检验、卡方检验等。

确定显著性水平：通常选择α=0.05，意味着5%的错误接受率。

计算检验统计量：使用样本数据计算出统计量。

作出决策：根据统计量和显著性水平判断是否拒绝零假设。

错误类型

第一类错误：错误地拒绝了真实的零假设（假阳性）。

第二类错误：没有拒绝一个错误的零假设（假阴性）。

在数学建模中的应用

假设检验在数学建模中有广泛的应用，例如：

模型验证：检验模型的预测是否与实际数据显著不同。

参数估计：判断某个参数是否对模型结果有显著影响。

比较不同模型：比较两种或多种模型在统计上是否有显著差异。

三种常用的统计检验方法

t检验（t-Test）

t检验是一种统计假设检验，用来确定两组数据之间是否存在显著差异。它主要有两种形式：

独立样本t检验（Independent Samples t-Test）：用于比较两个独立样本组的平均值。例如，比较两个不同教学方法对学生成绩的影响。

配对样本t检验（Paired Samples t-Test）：用于比较同一组受试者在两个不同条件下的表现。例如，比较同一组学生在接受不同教学方法前后的成绩变化。

t检验的核心是计算t值，这个值表示观测到的差异与随机差异之间的比例。然后，这个t值被用来确定p值，如果p值小于预先设定的显著性水平（通常是0.05），则认为两组之间存在显著差异。

方差分析（ANOVA）

ANOVA是一种用于比较三个或更多样本组平均值的统计方法。它主要分为：

单因素ANOVA（One-Way ANOVA）：当我们只考虑一个因素时使用，例如，比较三种不同教学方法对学生成绩的影响。

多因素ANOVA（Factorial ANOVA）：用于同时考虑两个或更多因素，例如，同时考虑教学方法和学生性别对成绩的影响。
ANOVA的核心是分析组内和组间的方差，以判断各组平均值之间是否存在显著差异。如果ANOVA的结果显著，通常会进行后续的多重比较测试（如Tukey测试），以确定哪些组别之间存在显著差异。

Kolmogorov-Smirnov检验（KS Test）

KS检验是一种非参数检验，用于比较一个样本或两个样本的累积分布函数（CDF）是否相同。它可以用于：

单样本KS检验：比较单个样本的分布是否符合特定的理论分布，例如正态分布或指数分布。

双样本KS检验：比较两个样本是否来自相同的分布。

KS检验的优点是它不需要假设数据遵循特定的分布（例如正态分布），使其在处理非正态分布的数据时特别有用。

习题7.1

1. 题目要求

2.解题过程

解：

（1）

首先，数学方法分析。

平均值和方差都未知的时候，灯泡寿命平均值 $ \mu $ 的置信度为0.90的置信区间为：
$$\left(\overline{X}-\frac{S}{\sqrt{n}}{t}_{\alpha /2}\left(n-1\right),\overline{X}+\frac{S}{\sqrt{n}}{t}_{\alpha /2}\left(n-1\right)\right)$$
这里，其中：
$$1-\alpha =0.9,\alpha =0.1,\alpha /2=0.05,n=5,$$