Гипотеза H0: с. в. X имеет показательное распределение.
Гипотеза H1: с. в. X имеет распределение, отличное от показательного.
Точность работы станка - автомата проверяется по дисперсии контролируемого размера изделий, которая не должна превышать σ02 = 0,1. Взята проба из n = 36 случайно отобранных изделий. С. в. X – контролируемый размер изделий пробы:xi | 2,5 | 3,0 | 3,5 | 3,8 | 4,4 | 4,5 | 11,8 | 12,0 | Прим. |
ni | 2 | 3 | 7 | 10 | 8 | 2 | 3 | 1 | Σni = 36 |
Обеспечивает ли станок требуемую точность?
Гипотеза H0: σ02 = σ2 = 0,1. Гипотеза H1: σ2 > 0,1.
Двумя методами X и Y проведены измерения одной и той же физической величины. Получены следующие результаты:а) в первом случае x1 = 9,6; x2 = 10,0; x3 = 9,8; x4 = 10,2; x5 = 10,6;
б) во втором случае y1 = 10,4; y2 = 9,7; x3 = 10,0; x4 = 10,3.
Можно ли считать, что оба метода обеспечивают одинаковую точность измерений? Гипотеза H0: D(X) = D(Y). Гипотеза H1: D(X) ≠ D(Y).
В результате длительного хронометража времени сборки узла механизма различными сборщиками установлено, что дисперсия этого времени σ02 = 2 мин2. Результаты n = 20 наблюдений за работой новичка таковы:xi, мин | 56 | 58 | 60 | 62 | 64 | Прим. |
ni | 1 | 4 | 10 | 3 | 2 | Σni = 20 |
Можно ли считать, что новичок работает в одном ритме с другими сборщиками? Гипотеза H0: σ02 = σ2 = 2. Гипотеза H1: σ2 > 2.
xi | 3,4 | 3,5 | 3,7 | 3,9 | Прим. |
ni | 2 | 3 | 4 | 1 | Σni = 10 |
yi | 3,2 | 3,4 | 3,6 | – | |
mi | 2 | 2 | 8 | – | Σmi = 12 |
Считая, что с. в. X и Y имеют нормальное распределение, проверить гипотезу о равенстве средних размеров изделий, изготовленных на этих станках. Гипотеза H0: M(X) = M(Y). Гипотеза H1: M(X) ≠ M(Y).
Из двух партий изделий извлечены малые выборки объемами n = 10 и m = 16. С. в. X и Y – контролируемые размеры изделий, соответственно:xi | 12,3 | 12,5 | 12,8 | 13,0 | 13,5 | Прим. |
ni | 1 | 2 | 4 | 2 | 1 | Σni = 10 |
yi | 12,2 | 12,3 | 13,0 | – | – | |
mi | 6 | 8 | 2 | – | – | Σmi = 16 |
Считая, что с. в. X и Y имеют нормальное распределение, проверить гипотезу о равенстве средних размеров изделий. Гипотеза H0: M(X) = M(Y). Гипотеза H1: M(X) > M(Y).
У к а з а н и е: предварительно проверить нулевую гипотезу о равенстве генеральных дисперсий H0: D(X) = D(Y) при конкурирующей гипотезе H1: D(X) ≠ D(Y).
Проектный контролируемый размер изделий, изготавливаемых станком - автоматом, a = a0 = 35 мм. Измерения n = 20 случайно отобранных изделий дали следующие результаты:xi, мм | 34,8 | 34,9 | 35,0 | 35,1 | 35,3 | Прим. |
ni | 2 | 3 | 4 | 6 | 5 | Σni = 20 |
Обеспечивает ли станок изготовление деталей в проектном размере?
Гипотеза H0: a = a0 = 35 мм. Гипотеза H1: a ≠ a0.
На двух аналитических весах, в одном и том же порядке, взвешены n = 10 проб химического вещества (с. в. X и Y, соответственно) и получены следующие результаты взвешиваний (в мг):xi | 25 | 30 | 28 | 50 | 20 | 40 | 32 | 36 | 42 | 38 |
yi | 28 | 31 | 26 | 52 | 24 | 36 | 33 | 35 | 45 | 40 |
В предположении, что обе с. в. распределены нормально, проверить, значимо или незначимо различаются результаты взвешиваний?
Гипотеза H0: M(X) = M(Y). Гипотеза H1: M(X) ≠ M(Y).
Почва двух участков земли была тщательно проанализирована и оказалась одинаковой по составу. На этих участках посеяли пшеницу одного сорта. На участке 1 было внесено удобрение, а на участке 2 – нет. К моменту сбора урожая с каждого участка была произведена случайная выборка 50 растений и измерена их длина. После статистической обработки выборок X и Y были получены следующие оценки:У к а з а н и е: предварительно проверить нулевую гипотезу о равенстве генеральных дисперсий H0: D(X) = D(Y) при конкурирующей гипотезе H1: D(X) ≠ D(Y).
Физическая подготовка n = 9 спортсменов была проверена при поступлении в спортивную школу (с. в. X), а затем после недели тренировок (с. в. Y). Итоги проверки (в баллах) оказались следующими:xi | 76 | 71 | 57 | 49 | 70 | 69 | 26 | 65 | 59 |
yi | 81 | 85 | 52 | 52 | 70 | 63 | 33 | 83 | 62 |
В предположении, что обе с. в. распределены нормально, проверить, значимо или незначимо улучшилась физическая подготовка спортсменов? Гипотеза H0: M(X) = M(Y). Гипотеза H1: M(X) < M(Y).
xi | 0,3 | 0,5 | 0,7 | 0,9 | 1,1 | 1,3 | 1,5 | 1,7 | 1,9 | 2,1 | 2,3 | Прим. |
ni | 6 | 9 | 26 | 25 | 30 | 26 | 21 | 24 | 20 | 8 | 5 | Σni = 200 |
Гипотеза H0: с. в. X имеет нормальное распределение.
Гипотеза H1: с. в. X имеет распределение, отличное от нормального.
Установить, значимо или незначимо различаются эмпирические (ni) и теоретические (ni′) частоты, вычисленные в предположении о нормальности распределения для случайной выборки из n = 200 испытаний:ni | 6 | 8 | 13 | 15 | 20 | 16 | 10 | 7 | 5 | Прим. |
ni′ | 5 | 9 | 14 | 16 | 18 | 16 | 9 | 6 | 7 | Σni = 100 |
Гипотеза H0: с. в. X имеет нормальное распределение.
Гипотеза H1: с. в. X имеет распределение, отличное от нормального.
С. в. X из n = 100 наблюдений задана интервальным частотным вариационным рядом. Можно ли утверждать, что генеральная совокупность распределена по нормальному закону?xi | 3 ÷ 8 | 8 ÷ 13 | 13 ÷ 18 | 18 ÷ 23 | 23 ÷ 28 | 28 ÷ 33 | 33 ÷ 38 | Прим. |
ni | 6 | 8 | 15 | 40 | 16 | 8 | 7 | Σni = 100 |
Гипотеза H0: с. в. X имеет нормальное распределение.
|
Из за большого объема этот материал размещен на нескольких страницах:
1 2 3 4 5 6 7 8 9 |


