统计学概论05.pptVIP

第五章 假设检验 第一节 假设检验概述 第二节 总体参数检验 第三节 非参数检验 第一节 假设检验概述 一、假设检验的基本概念 假设检验是统计推断的另一种方式，它与区间估计的差别主要在于：区间估计是用给定的大概率推断出总体参数的范围，而假设检验是以小概率为标准，对总体的状况所做出的假设进行判断。假设检验与区间估计结合起来，构成完整的统计推断内容。假设检验分为两类：一类是参数假设检验，另一类是非参数假设检验。本章分别讨论这两类检验方法。 小概率原理：即指概率很小的事件在一次试验中实际上不可能出现。这种事件称为“实际不可能事件”。 例1：消费者协会接到消费者投诉，指控品牌纸包装饮料存在容量不足，有欺骗消费者之嫌。包装上标明的容量为250毫升。消费者协会从市场上随机抽取50盒该品牌纸包装饮品，测试发现平均含量为248毫升，小于250毫升。这是生产中正常的波动，还是厂商的有意行为？消费者协会能否根据该样本数据，判定饮料厂商欺骗了消费者呢？ 消费者协会实际要进行的是一项统计检验工作。检验总体平均 =250是否成立。这就是一个原假设(null hypothesis)，通常用 表示，即： ： =250 与原假设对立的是备选假设(alternative hypothesis) ，备选假设是在原假设被否定时另一种可能成立的结论。备选假设比原假设还重要，这要由实际问题来确定，一般把期望出现的结论作为备选假设。 构造一个统计量来决定是“接受原假设，拒绝备选假设”，还是“拒绝原假设，接受备选假设”。对不同的问题，要选择不同的检验统计量。检验统计量确定后，就要利用该统计的分布以及由实际问题中所确定的显著性水平，来进一步确定检验统计量拒绝原假设的取值范围，即拒绝域。在给定的显著性水平α下，检验统计量的可能取值范围被分成两部分：小概率区域与大概率区域。小概率区域就是概率不超过显著性水平α的区域，是原假设的拒绝区域；大概率区域是概率为1-α的区域，是原假设的接受区域。 二、两种类型的错误 三、检验功效 在犯第一类错误概率得到控制的条件下，犯取伪错误的概率也要尽可能地小，或者说，不取伪的概率1-β应尽可能增大。1-β越大，意味着当原假设不真实时，检验判断出原假设不真实的概率越大，检验的判别能力就越好；1-β越小，意味着当原假设不真实时，检验结论判断出原假设不真实的概率越小，检验的判别能力就越差。可见1-β是反映统计检验判别能力大小的重要标志，我们称之为检验功效或检验力。 第二节 总体参数检验 一、单侧检验与双侧检验 用单侧检验还是双侧检验，使用左侧检验还是右侧检验，决定于备选假设中的不等式形式与方向。与“不相等”对应的是双侧检验，与“小于”相对应的是左侧检验，与“大于”相对应的是右侧检验。 二、参数检验 参数检验都是先对样本所属总体的性质作出若干的假定，或对总体的分布形状加以限定，然后对总体的有关参数情况进行统计假设检验。因此，参数检验又称为限定分布检验。如在总体服从正态分布条件下，对其均值进行检验。下面通过具体例子来说明参数检验方法。 在例1中，按历史资料，总体的标准差是4毫升。我们通过检验总体均值是否等于250毫升，来判断饮料厂商是否欺骗了消费者。程序如下： 第一步：确定原假设与备选假设。 ： =250； ： 250 以上的备选假设是总体均值小于250毫升，因为消费者协会希望通过样本数据推断出厂商的欺骗行为(大于250毫升一般不会发生)。因此使用左侧检验。 第二步：构造出检验统计量。 我们知道，如果总体的标准差已知，则正态总体(正常情况下，生产饮料的容量服从正态分布)的抽样平均数，也服从正态分布，对它进行标准化变换，可得到： 可用z作为检验统计量。 第三步：确定显著性水平，确定拒绝域。 通常显著水平由实际问题确定，我们这里取α=0.05，左侧检验，拒绝域安排在左边，查标准正态分布表得临界值： - =-1.645，拒绝域是z-1.645。 第四步：计算检验统计量的数值。 样本平均数 ，n=50,代入检验统计量得： 第五步：判断。 检验统计量的样本取值落入拒绝域。拒绝原假设，接受备选假设，认为有足够的证据说明该种纸包饮料的平均容量小于包装盒上注明的250毫升，厂商有欺诈之嫌。 总体标准差未知时对总体均值检验经常用t统计量： 但是，在大样本场合(样本容量n大于30时)，t-统计量与标准正态分布统计量近似，通常用z检验代替t检验。 总体成数的检验 当样本容量较大时，下列统计量服从标准正态分布：