统计学-思想方法与应用(袁卫等)第六章假设检验.ppt

6.6 假设检验和置信区间 对衣柜产量进行假设检验时，如果使用置信区间，我们利用 得到置信区间为（197.66，209.34）。注意到假设的总体均值200落入了该区间。因此，我们认为总体均值有理由等于200。 同时，对我们在6.5节中提到的总体中比例差的问题，置信区间的范围是（0.014，0.087），我们希望这个区间包含参数的真值。如果零假设中的相关的参数值在（0.014，0.087）之间，我们就不拒绝零假设，如该值在这个区间之外的某个地方，则拒绝零假设。 6.6 假设检验和置信区间 在许多方面，置信区间比假设检验提供的信息要多。置信区间给了我们一个参数值的可能范围，而假设检验只考虑到一个可能值。 例如在假设检验中如果总体参数不是100，我们就不清楚它是多少了。有时这一个值是非常重要或有意义的，像检验两均值之差是否等于零。可是即使当我们拒绝了零假设，并得到均值之差不为零的结论之后，紧接着的一个问题就是该差异是多大。这个问题可以由置信区间来回答的。 尽管人们可能更希望得到置信区间，假设检验还是被广泛地应用于大多数领域中。主要原因就是统计软件很多时候并不自动计算置信区间。 企业风险管理 * 6.4.1单个总体均值的假设检验 要确定检验的决策准则，首先确定z的临界值。 因为显著性水平为0.01，而本例是双边检验，所以各尾部都是0.01的一半，即0.005。两个尾部所夹的中间部分不能拒绝 ，概率为0.99，于是得到临界值为2.58。 因此，决策准则是：当根据样本计算出的z值不在-2.58与2.58之间时拒绝零假设，同时接受备择假设（认为总体均值不是200张）；当z值处于-2.58与2.58之间时不能拒绝零假设。 这里是双边检验，我们把显著性水平一分为二，一半放在下尾，另一半在上尾。在Excel中使用=NORMINV(0.995,0,1)求得临界值。 6.4.1单个总体均值的假设检验 现在从周产量的总体中取出一个样本，假设知道去年衣柜的平均产量是203.5，总体标准差是每周16张，计算z值： 因为1.55没有落入拒绝域，不能拒绝 。我们认为总体均值与200张没有显著差异。 因此，样本信息并未显示出该工厂的生产率发生了变化，周生产率之差3.5可归结于随机因素。 6.4.1单个总体均值的假设检验 下图6.4总结了上述信息。 6.4.1单个总体均值的假设检验 例6.1继续。假如该工厂想知道的是平均产量是否增加了。换句话说，由于生产工艺的改进，我们是否可以认为去年的每周平均组装数量大于200张？前面我们想了解平均组装量是否存在差异，我们现在却想知道它是否增加了。由于关心的问题不同，因此我们提出的假设也就发生了变化。 在相同显著性水平下，单边检验的临界值与双边检验是不同的。前面的例子中，我们把显著性水平一分为二，一半放在下尾，另一半在上尾。在单边检验中，拒绝域仅出现在一个尾部。对该单边检验，临界值等于2.33。 在Excel中使用=NORMINV(0.99,0,1)求得临界值。 6.4.1单个总体均值的假设检验 检验过程如图6.5所示。 6.4.1单个总体均值的假设检验 对大多数情况，我们并不知道总体标准差 是多少，必须通过以前的研究结果或样本标准差 来估计 。此时t变量可以作为代替原始得分的标准得分，对均值的有关假设进行检验。实际上，使用t变量对均值进行假设检验的前提是总体方差未知。 我们来看一个例子。 6.4.1单个总体均值的假设检验 例6.2 某保险公司理赔部称处理每个理赔的平均费用为60元。在与同业比较时发现，该费用高于其他保险公司的水平。因此，该公司采取了成本削减措施。为评估措施的效果，随机选择了26宗理赔个案，得到平均费用为57元，标准差是10元。是否可以说费用削减措施已经奏效？或者认为样本均值（57元）与总体均值（60元）的差异是由随机因素造成？显著性水平为0.01。 在本例中，零假设和备择假设是： 我们想确定费用是否降低，所以检验是单边的。备择假设中的不等号指向拒绝域所在分布的左边。 6.4.1单个总体均值的假设检验 检验统计量服从t分布。 为什么呢？首先，有理由认为每项理赔的费用分布服从正态分布。 但是，我们并不知道总体标准差是多少，所以，我们必须用样本标准差代替总体标准差。 对于大样本的情况（通常认为样本量至少为30才算大样本），我们在做此替换后仍可使用标准正态分布。 而本例的样本观测数不足30，所以不能采用标准正态分布，应使用t分布。 6.4.1单个总体均值的假设检验 利用 计算检验统计量的值。 对于显著性水平0.01，t统计量的自由度为25，可得临界值为-2.485。因此，决策规则是若t值小于-2.485，则拒绝