第六章假设检验.docVIP

假设检验 参数估计和假设检验是推断统计的两个组成部分，都是利用样本信息对总体进行某种推断，只是推断的角度不同。它们广泛地应用于教育学、心理学、经济学以及医学等领域。本章将对假设检验的原理、步骤以及常见的假设检验方法进行介绍。 假设检验的一般问题 一、假设检验的基本思想 所谓假设检验（hypothesis testing），就是先对总体的某些数量特征作出假设，然后利用样本的信息，通过统计推断的方法对假设进行判断，以决策能否拒绝假设的一种统计分析方法。 一般来说，我们进行假设检验是检验总体之间是否有显著差异。如果我们能够准确知道总体的全部信息，这种判断非常容易得出。比如，一个总体的均值为50，另一个总体的均值为55，则我们只需要从数学的角度比较两个数字，50显然不等于55，从而得出两个总体均值是有差异的。但是实际情况是，总体的信息我们并不能完全获取，我们只是通过样本信息来对总体进行推断，因此我们需要借助统计推断的原理，用概率的方法来判断两个样本各自所代表的总体之间有无差异。由于抽样的随机性导致抽样误差是肯定存在的，因此我们认为这种差异需要达到一定程度才可以判断总体之间确实存在显著性差异。 在进行假设检验之前，由于我们通常难以完全知道所关心的总体的某些数量特征及其变化情况，因此常常需要对总体的目前状况作出某种假设。例如我们考虑目前股票市场上的价格指数的走势是否正常，我们可以根据过去长期观察的平均水平和变异情况，作出当前股票价格水平可能正常或不正常的假设。又如工厂生产某种产品，经过工艺改革，使用新材料、新配方，企业管理者十分关心产品质量是否有所提高，因此可以假设经过改革以后产品质量可能提高或者并没有提高。 我们可以通过一个例子来说明假设检验的基本思想。 【例6-1】假定某可乐公司装灌一瓶可乐饮料的标准含量是250毫升，只有在最佳状态下所有的可乐饮料的含量才正好是250毫升，所以公司希望饮料的平均含量是这个数。但质检员担心设备出现故障，想进行一次假设检验以帮助确定是否出现故障以造成饮料的多装或少装。假定总体为正态总体，总体标准差为5毫升，质检员随机抽取了16瓶可乐饮料，测得其平均含量为253毫升，那么在0.05的显著性水平下能否判断设备是否出现故障。 质检员希望设备正常运转，但的确想知道设备是否出现故障以造成饮料的多装或少装。可以先假定设备未出现故障，也就是不同批次生产的可口可乐平均含量没有显著差异。现在从不同批次生产的可口可乐中抽取一部分作为样本，并根据实际观察的样本资料计算统计量的取值，来判断其与假设的总体参数是否一致。当然，要求两者完全一致的可能性是极小的，那么差异达到多大才算是显著呢？所谓显著性是指差异程度而言的，程度不同说明引起差异的原因也有不同。一般来说，存在着两种不同性质的差异，系统差异和随机差异。系统差异由总体的本质差别引起，而随机差异则由抽样的随机性而导致。从这个例子来说，系统差异就是由于设备的确发生了故障，导致不同批次生产的可口可乐平均含量发生了变化，使得我们抽取的样本来自于不同的总体。如果样本统计量与假设总体参数之间的差异超过了随机差异起作用的程度，则说明是由于本质的系统差异所导致的，因此可以拒绝没有显著性差异的原假设。这里我们通常用小概率原理来判断，也就是说如果统计量和假设的总体参数实际发生的差异超过给定的标准的可能性很小，但在一次抽样的计算结果中却发生了（即差异超过给定的标准），那么我们就有理由用反证法认为原假设是错误的，从而拒绝这个假设。否则我们就没有理由拒绝原假设。 因此假设检验主要以下几个特点： 第一，假设检验采用的逻辑推理方法是反证法。为了检验某假设，先假定它正确，然后根据抽样理论和样本信息，观察由此假设而导致的结果是否合理。如果不合理，则说明原假设是不正确的，从而得出拒绝原假设的结论；如果合理，则得出不能拒绝原假设的结论。 第二，判断结果合理与否，是基于小概率原理。所谓小概率原理，即在一次抽样中，小概率事件不可能发生。如果在原假设下发生了小概率事件，则认为原假设是不合理的；反之，小概率事件没有发生，则认为原假设是合理的。小概率的标准是多大，5％算不算是小概率？这没有绝对的标准，一般我们以一个所谓显著性水平（01）作为小概率的界限，的取值与实际问题的性质有关，通常我们取＝0.1、0.05或0.01等。所以假设检验又称显著性检验。 第三，假设检验是带有概率性质的反证法，并非严格的逻辑证明。因为假设检验是基于样本资料来推断总体特征的，而这种推断是在一定概率置信度下进行的，而非严格的逻辑证明。我们通常把（1-）称为置信水平，对应于大概率，也就是说，我们对推断结果的可靠性有（1-）的把握程度。往往置信度大小的不同，有可能做出不同的判断。 二、假设检验的一般步骤 了解了假设检验的基本思想，我们就可以按照以下几个步