第十二章2.pptVIP

12.1 假設檢定 統計假設 (statistical hypothesis) 針對母體的某一個或多個參數，所提出的宣稱或 猜測? 虛無假設 (null hypothesis)， H0 指稱那些需要查看是否會不被接受或推翻的假設 對立假設 (alternative hypothesis)， HA 當虛無假設不被接受之後，我們要接受的另一個假設 (a) 對立假設應為μ＜20， 只有當虛無假設不被接受時，才應該考慮生產新的油漆。 ? (b) 對立假設應為μ＞20， 除非虛無假設不被接受，否則應該生產新的油漆。 ? 虛無假設 ?H0：μ＝0.38秒 對立假設 ?HA：μ≠0.38秒 決定： 若樣本平均數介於0.36秒與0.40秒之間的話，接受虛無假設； 否則的話就不接受虛無假設。 ? ? 考慮兩個機率是不是在合理可接受的風險範圍內： μ＝0.38 時，錯誤不接受虛無假設的機率， .11 μ＝0.41 時，錯誤接受虛無假設的機率，0.21 ? 假設檢定所可能產生的結果 型一錯誤，發生機率 = α 型二錯誤，發生機率 = β 平均數 = 0.408 0.40，所以拒絕μ＝0.38 。 ? (a) 此時虛無假設是對的，但是卻被拒絕了， 犯了型一錯誤。 ? (b) 此時虛無假設是錯的，而且不被接受了， 決策是正確的。 ? ? 作業特徵曲線 ? 12.2 顯著性檢定 統計上顯著： 對虛無假設的期望，與樣本所得到的結果差距太大，得要不接受虛無假設。 統計上不顯著： 對虛無假設的期望，與樣本所得到的結果差距不大，造成此差距的主因是機遇。 檢定標準 若樣本平均數小於等於0.36，或是大於等於0.40，則不接受μ＝0.38的虛無假設（並接受對立假設μ≠0.38 ） 若樣本平均數介於0.36與0.40之間的話，則持保留態度、暫時不作結論。 假設檢定五個步驟 一、設定一個簡單虛無假設，以及一個當此虛無 假設被拒絕時，我們所打算接受的適當的對立假設。 二、明確指出型一錯誤的機率值。(α＝0.05 或0.01) 三、依據某種適當統計量的抽樣分配，在之前設定的顯著水準下，建立針對檢定虛無假設與對立假設的檢定標準。 四、計算該統計量的值，並以此做出決策。 ? 五、決定該不接受虛無假設、還是接受虛無假設、或是持保留態度、暫時不作結論。 ? 單邊對立假設 雙邊對立假設 (a) H0：μ＝454 公克 ? HA：μ≠454 公克 (不是 454公克 ) (b) 裝太多餅乾對該麵包烘焙廠而言不算是好事，採用 ? H0：μ＝454 公克 ? HA：μ＜454 公克 ? ( 少於 454公克 ) 12.3 平均數的檢定 採用以下的統計量： 大樣本檢定，左尾 大樣本檢定，右尾 1. H0：μ＝72.4 ? HA：μ≠72.4 2.α＝0.05 ? 3. z≦-1.96 或 z≧-1.96，不接受虛無假設 4. z = 2.25 5. z＝2.25 大於1.96，應該不接受虛無假設。 平均數＝73.2 與μ＝72.4 的差距相當顯著。 檢定p值 (p-value) 定義： p 值乃是檢定統計量觀察值的對應機率；它是虛無假設可能不被接受的最低顯著水準。 ? p 值作決策 三、指明檢定統計量 ? 四、利用樣本資料計算檢定統計量的值，及其對應的 p 值。 ? 五、比較 p值與顯著水準。 p 值小於或等於顯著水準，則不接受虛無假設； 否則，接受虛無假設或持保留態度。 ? 3. 檢定統計量為 4. Z = 2.25 p 值 = 2 (0.5000－0.4878)＝0.0244。 5. 0.0244 α＝0.05，應該不接受虛無假設。 ? ? 12.4 平均數的檢定 （母體標準差σ未知） 假設資料是來自於常態母體。 ? 採用以下的統計量： 以 t 分配為基礎的檢定稱為 t 檢定(t tests) (a) 常態機率圖顯示這六筆資料並未顯著偏離直線，因此這組資料可視為來自於常態母體。 ? (b) ? 1. H0：μ＝1.5 ? HA：μ≠1.5 ? 2.α＝0.05 ? 3. t≦-2.571 或 t≧2.571 不接受虛無假設(自由度 = 5 ) 4.平均數為1.5333與標準差為0.472 5. t＝0.171 介於 -2.571與2.571之間， 無法不接受虛無假設， 這組資料支持「此種苜蓿芽的平均產量為每畝1.5公噸」的假設。 ? 12.5 二平均數間的差距 統