- 假设检验.ppt

假设检验介绍 目的 介绍假设检验的概述 定义假设检验的基本术语 讨论假设检验的程序 评论假设检验的应用 假设检验 是处理实际问题的方法,把实际问题变成统计问题 因为我们用样本(相对小的) 来估计总体的参数,因而总有可能为我们的实验选择一个“怪异” 的样本,它可能不能代表一组“典型”的观测. 因此,推论统计学可利用一些假设, 允许我们估计纯粹由于偶然原因导致的得到一个“怪异”结果的概率. 比如,如果我们要知道一个硬币是否“公平”, 我们可以抛它数次,记录我们看到正面的次数. 根据随机我们期望大约看到50%正面. 如果我们抛了10次硬币,得到10次正面, 我们将清楚的确信这个硬币不“公平”. 用一个公平的硬币1000次只有一次机会获得10个正面.因此我们可以说我们对于“不公平”的硬币的判断将有0.1%的错误机会. 在真实世界中 在一个坏天我们可以得到一个好工程 在一个好天我们可以得到一个坏工程 无论那一种情况,我们都可能作出错误的结论 假设检验 假设是关于某事是对的描述.如果我们抛10次硬币得到了8次正面,我们将说这个硬币是不公平的.在此我们有错误的概率(约5%),但我们愿意承担这个风险. 在工厂里我们用同样的方法验证假设─我们将把原因归结于非常的事件,而不是纯粹偶然. 问题: 我们如何鉴别非常事件? 我们如何利用统计学来帮助我们作出判断? 我们知道样本数据服从自然散布。当某事“真的发生”时我们怎样知道是真实发生还是偶然发生？ 让我们开始研究这个程序。 假设检验 让我们看一个制造示例。假设我们改造了两台反应器中的一台反应器。在我们改造所有反应器之前我们想知道这些改善是否“显著地”提高了工程良品率。 让我们看一下结果的数据。在这个示例中，反应器B 是新改造的反应器。 假设检验 问题: 和代表现有工艺的反应器A相比，对反应器B的改造能提高良品率吗？ 它是那一个? 假设检验 实际的假设是:新改造的机器将减少不良. 这个假设叫做对立假设 (Ha) 统计假设: 旧机器和改善的机器之间没有差异. 这个假设叫做归无假设 (Ho) 假设检验的步骤 1. 定义实际问题 2. 陈述目标（产生统计问题） 3. 建立假设 - 陈述归无假设 (Ho) - 陈述对立假设 (Ha). 4. 决定合适的统计检验(假设概率分布, z, t, 或 F). 5. 规定α的水平 (一般 5%) 6. 规定β的水平 (一般 10-20%) 7. 设置影响的大小（差异） 8. 设置样本的大小 步骤（继续） 9. 作抽样计划 10. 选择样本 11. 做实验和收集数据 12. 从所收集的数据中计算检验统计量(z, t, 或 F) 13. 决定计算出来的检验统计量随机发生概率 14. 如果这个概率小于α，则推翻 Ho 而接受 Ha。如果 这个概率大于α，不要推翻 Ho. 15. 返回结果，把统计结论翻译成实际解决方法。 假设检验的应用 假设验证 分析的路径 单个 X - 单个 Y 假设验证术语 1. 归无假设 (Ho) (Null Hypothesis ) - 关于没有变化或没有差异的陈述。这个陈述在有足够的证据之前被认为是对的 2. I类错误 (Type I Error) - “错误确认”的机会; 说有重要的事情在发生，而实际上什么都没有。 3. α风险 (Alpha Risk) - 犯I类错误最大的风险或概率。这个概率总大于0，而且一般设定为5%。研究者作出判断所对应的最大的、可接受的错误确认风险。 4. 显著水平 (Significance Level) - 和α风险相同 5. 对立假设 (Ha)(Alternative Hypothesis)- 关于变化或差异的陈述。如果Ho被推翻，这个陈述被认为是对的。 6. II类错误 (Type II Error) - “错误否认”的机会; 说没有什么重要的事情发生，而实际确有其事。在工程突破中，这是你的最大的风险！ 术语（继续） 7. β 风险 (Beta Risk) - 犯II类错误的风险或概率, 或忽视一个解决问题的有效方法。 8. 显著差异 (Significant Difference) - 用于描述统计性假设检验的结果的术语，在此差异大的不能合理的随机发生。那里很可能在发生什么特殊事情。 9. 功力（Power） - 统计检验的能力，探测出某事很重要时，实际上某事确实很重要。常被用来决定在处置中样本的大小是否足以探测到存在差异。 10.检验统计量（Test Statistic） -一个标准化的数值(z, t, F, 等.) ，代表错误确认的可能性，分布于一个已