统计学第5章假设检验要点.ppt

均值的单尾Z检验 （计算结果） H0: ? ? 1000 H1: ? 1000 ? = 0.05 n = 100 临界值(s): 检验统计量: 在 ? = 0.05的水平上拒绝H0 有证据表明这批灯泡的使用寿命低于1000小时 决策: 结论: -1.645 Z 0 拒绝域 ? 均值的单尾Z检验 （练习3） 【例】根据过去大量资料，某厂生产的灯泡的使用寿命服从正态分布N~(1020，1002)。现从最近生产的一批产品中随机抽取16只，测得样本平均寿命为1080小时。试在0.05的显著性水平下判断这批产品的使用寿命是否有显著提高？(?＝0.05) 左侧检验（显著性水平与拒绝域 ） H0值 临界值 a 样本统计量 拒绝域 接受域 抽样分布 1 - ? 置信水平 右侧检验（显著性水平与拒绝域 ） H0值 临界值 a 样本统计量 拒绝域 接受域 抽样分布 1 - ? 置信水平 观察到的样本统计量 右侧检验（显著性水平与拒绝域 ） H0值 临界值 a 样本统计量 接受域 抽样分布 1 - ? 置信水平 拒绝域 假设检验中的P值 假设检验的结论是在给定的显著性水平下作出的。因此，在不同的显著性水平下，对同一问题所下的结论可能完全相反（下图）。 红点： 在0.1的显著性水平下，拒绝原假设； 在0.05的显著性水平 下，接受原假设。 要测量样本数据与原假设的值的偏离程度，需要计算p值。 什么是P 值?(P-value) 在原假设为真的条件下，检验统计量的观察值的概率。 双侧检验为分布中两侧面积的总和 反映实际观测到的数据与原假设H0之间不一致的程度 被称为观察到的(或实测的)显著性水平 决策规则：若p值?, 拒绝 H0 拒绝原假设的最小显著性水平”称为假设检验的P值 P值可以认为是在对一个总体抽取多个样本的情况下，证明原假设正确的某一类数据出现的频数。 一般地，可通过样本计算检验统计量的值C，根据具体分布求出该C值对应的P值（为一概率值），然后与给定的显著性水平? 进行比较： 假设检验P值的应用： 如果 P ＞ ? ，则在显著性水平? 下接受原假设 如果P ≤ ? ，则在显著性水平?下拒绝原假设 双侧检验的P 值 ? / 2 ? / 2 Z 拒绝H0 拒绝H0 0 临界值 计算出的样本统计量 计算出的样本统计量 临界值 1/2 P 值 1/2 P 值 左侧检验的P 值 0 临界值 a 样本统计量 拒绝H0 抽样分布 1 - ? 置信水平 计算出的样本统计量 P 值 右侧检验的P 值 0 临界值 a 拒绝H0 抽样分布 1 - ? 置信水平 计算出的样本统计量 P 值 经典假设检验中一般给出显著性水平α，在给定的显著性水平下，根据所掌握的信息作出检验的结论。但不同的样本得出的检验统计量的值不同，即使落在相同的区域，所下的结论相同，但检验的把握程度也不相同。 利用计算机软件做假设检验要给出P值，用P值做假设检验不需要查表求临界值，只需直接用P值与显著性水平α相比即可作出判定结论，知道检验的显著性，使检验者自己决定在给定的P值水平上拒绝或接受原假设。 因此，用P值作假设检验与其他方法相比具有明显的优越性。 假设检验步骤的总结 陈述原假设和备择假设 从所研究的总体中抽出一个随机样本 确定一个适当的检验统计量，并利用样本数据算出其具体数值 确定一个适当的显著性水平，并计算出其临界值，指定拒绝域 将统计量的值与临界值进行比较，作出决策 统计量的值落在拒绝域，拒绝H0，否则不拒绝H0 也可以直接利用P值作出决策 5.2 一个总体参数的检验 一、总体均值的检验 二、总体比率的检验 三、总体方差的检验 一个总体参数的检验 z 检验 (单尾和双尾) t 检验 (单尾和双尾) z 检验 (单尾和双尾) ?2 检验 (单尾和双尾) 均值 一个总体 比率 方差 总体均值的检验(作出判断) ? 是否已知 小 样本容量n 大 ? 是否已知 否 t 检验 否 z 检验 是 z 检验 是 z 检验 总体均值的检验 (大样本) 假定条件 正态总体或非正态总体大样本(n?30) 使用z检验统计量 ? 2 已知： ? 2 未知： 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？ 总体均值的检验 (例题分析) 第一步：确定原假设与备择假设。 ： ≥25