样本方差S2在3.3到8.7之间的概率。 [解]已知n=25,σ2=6,由 得 P(3≤s≤87)-32y=2=82 8.7 x(24)≤ 0.95-0.05=0 所以,样本方差S2落在3.3和8.7之间的概率约为90%。 我们把随机变量F的概率分布称为F分布,其概率密度记作 (xk1,k)。本书附表8对不同自由度(k,k2)及不同的临界概率a(0 <α<1),给出满足下列概率式的Fa(k1,k2)的值(参见图) (F≥FB:k1,k2) P(x: kI, k2 )d 注意F&(KK2)写法的含义:它表示自由度为(k1,k2)的F分布,当 其分布函数P(F≥F)时,其随机变量F的临界值(参见图)。具体来说,在 假设检验中,它表示在显著性水平α上F分布随机变量F的临界值。 Pr() FaG.,) 图8.4F检验的否定域样本方差 S 2 在 3.3 到 8.7 之间的概率。 [解] 已知 n＝25，σ2＝6，由 得 所以，样本方差 S 2 落在 3．3 和 8．7 之间的概率约为 90％。 我 们 把 随 机 变 量 F 的 概 率 分 布 称 为 F 分 布 ， 其 概 率 密 度 记 作 。本书附表 8，对不同自由度(k1，k2)及不同的临界概率α(0 ＜α＜1)，给出满足下列概率式的 Fα(k1，k2)的值(参见图)。 注意 F&(K1,K2) 写法的含义：它表示自由度为 (k1，k2)的 F 分布，当 其分布函数 时，其随机变量 F 的临界值(参见图)。具体来说，在 假设检验中，它表示在显著性水平α上 F 分布随机变量 F 的临界值。 ~ ( 1) 2 2 2 n − nS   (3.3 8.7) 2 P  S  ) 3.3 8.7 ( 2 2 2  2   n nS n = P   ) 6 8.7 25 (24) 6 3.3 25 ( 2     = P  = 0.95− 0.05 = 0.90 ( ; , ) 1 2 x k k  F      = =  + F P(F F ;k1 , k2 ) F (x;k1 , k2 )dx ( ) P F  F