单变量推论统计2：假设检验.pptVIP

第四章 假设检验 第一节 基本概念及原理 第二节 假设检验的步骤和两类错误 第三节 单总体假设检验 第四节 双总体假设检验 第五节 配对样本假设检验 第一节 基本概念及原理 一、简单说明 先成立一个关于总体情况的假设，继而抽取一个随机样本，然后用样本的统计值来验证假设。 如：经验认为我国城市妇女的平均生育年龄大概为25岁，于是成立这样的假设：假设我国城市妇女的平均生育年龄大概为25岁。然后随机抽5000名城市女性，调查他们的结婚年龄，然后根据样本的这一统计值来验证假设（即：总体是不是这样）。 二、H0和H1 虚无假设、原假设、 = 研究假设、备择假设、 ＞ ＜ ≠ 写法：1：双侧， ≠ 2：单侧， ＜（左侧） 3：单侧，＞（右侧） 比较2、3种写法与第1种写法的不同之处。 说明为什么。（本节结束时再介绍） 三、基本原理 社会现象：随机性和非确定性，但又具有规律性。 小概率原理：人们习惯于把概率很小的事件，当作在一次观察中不可能出现的事件。 假设检验的基本思想：在小概率的情况下检验原假设：在一次观察中出现了小概率事件H1成立，那么我们就否定这一事件是小概率事件的说法，即认为这一事件是可能发生的。如保定市的治安情况。 例如：在a=0.05小概率的情况下，检验H0：总体中u=70的正确性。途径是利用抽样资料。结果有二：成立或者不成立（u ≠ 70），成立的话就接受总体中u=70，不成立就认为其原假设的对立面：u ≠ 70成立。因为在一次具体的观察中不会发生小概率事件，既然发生了就说明它的概率未必小，真实存在的可能性则很大。 （基本原则：直接检验H0，间接检验H1。） 四、几个重要概念 1、否定域：抽样分布中一端或者两端的小区域，如果样本的统计值落在这个区域里面就否定H0。 2、接受域：除否定域外的其他区域，也就是置信区间的区域。 3、显著度：否定域在整个抽样分布中所占的比例。也就是样本统计值落在否定域内的机会。用a表示。 4、临界值：将否定域与接受域分开的那一点的Z值。常用 或者 或者- 或者- 表示。 5、相伴概率：Z值所对应的尾部累积概率称为Z值的相伴概率，用p表示。 五、一端与两端检验 一端检验：否定域只在概率分布曲线的一端。 两端检验：否定域分布在概率分布曲线的两端。 注意：a一定的情况下，两端检验比一端检验更难否定H0。 第二节 假设检验的步骤和两类错误 一、步骤 1、写出假设。包括原假设和研究假设。 2、根据样本情况，计算在原假设成立的情况下，样本统计值所对应的Z值。 3、结合给出的显著度a的大小，写出临界值与Z值作比较，看到底落在否定域还是接受域。 4、结合以上的计算写出结果。 二、两类错误 1、第一类错误（甲种误差）：弃真。（H0为真，我们却错误地认为它错了，拒绝了它，以为它落在了否定域这一阴影区域中，因为阴影部分的总面积为a，因此发生第一类错误的最大的可能性为a。） 2、第二类错误（乙种误差）：取伪。（H0为伪，我们却错误地认为它是真的，接受了它，以为它落在了空白区域中。用β表示，其数值是不确定的，随着真实?μ和原假设中的μ。的偏离程度而变化，△ μ = μ- μ。越小， β的数值就越大。 ） 可参看卢淑华P284。 总结：1、甲种误差与乙种误差是对立的，成反比的。a越大，甲种误差越大。但接受域会越小，因此Z值落在接受域可能性较小，所以乙种误差小。 2、n确定的情况下，不能同时减小甲、乙两种误差 ，如果想在若干程度上同时减少两者，方法是加大样本。 3、检定力：检定法能准确测出“H0是正确的”的能力。检定力+?β =1，即检定力=1-β ，?β指的是犯第二种错误的概率，因此对于固定的样本容量，检验能够否定错误假设的能力越大（犯第二类错误越小），其相对检验力越大。 参数检定法的检定力大于非参数检定法。 非参数检定法：使用时不需要假定总体满足正态分布，同时也不是检验总体分布的某些参数（如均值、比例、方差等），而是检验总体某些有关的性质，不要求变量是定距层次的检定。方法。 第三节 单总体假设检验 一、均值?μ的检验 1、大样本情况 Z检验，要求n≥30。公式为Z= 。 例：为了验证统计报表的正确性，我们做了一个n=50个人的抽样调查，发现人均收入的结果有： =871元，S=21元，问：在a=0.05时，统计报表中的人均收入?μ?=880元是否正确？ 解：三种方法求。 2、小样本情况。（n30） 1）总体为正态分布，且?σ已知，则Z检验。公式为： 2）总体为正态分布，且?σ未知，则t 检验。