2009第七章假设检验-学生版.pptVIP

第七章 假设检验 假设检验的基本思想 第七章 假设检验 第一节 假设检验的一般问题 第二节 一个正态总体的参数检验 第三节 两个正态总体的参数检验 第四节 假设检验中的其他问题 假设检验在统计方法中的地位 学习目标 掌握假设检验的基本思想 掌握假设检验的步骤 能对实际问题作假设检验 利用P - 值进行假设检验 假设检验的概念与思想 什么是假设? ? 对总体参数的一种看法 总体参数包括总体均值、比例、方差等 分析之前必需陈述 什么是假设检验？ 概念 事先对总体参数或分布形式作出某种假设 然后利用样本信息来判断原假设是否成立 类型 参数假设检验 非参数假设检验 特点 采用逻辑上的反证法 依据统计上的小概率原理 一个简单的例子 一名被告正在受法庭的审判，根据英国法律，先假设被告是无罪的，于是证明他有罪的责任就落在原告律师身上。用假设检验的术语就是要建立一个假设，记为H0：被告是无罪的，称为原假设或零假设。另一个可供选择的假设记作H1：被告是有罪的，称为备择假设或替代假设。法庭陪审团要审查各种证据，以确定原告律师是否证实了这些证据与“无罪”这一原假设不一致。如果陪审团员们认为证据与H0不一致，他们就拒绝该假设而接受其备择假设H1 ，即认为被告有罪。 假设检验的过程（提出假设→抽取样本→作出决策） 假设检验的步骤 提出原假设和备择假设 ? 什么是原假设？(Null Hypothesis) 1. 待检验的假设，又称“0假设” 2. 如果错误地作出决策(拒绝它)会导致一系列后果 3. 总是有等号 ?, ? 或?? 4. 表示为 H0 H0：? ? 某一数值 指定为 = 号，即 ? 或 ?? 例如, H0：? ? 620（万分钟） ? 什么是备择假设？(Alternative Hypothesis) 1. 与原假设对立的假设 2. 总是有不等号: ?,?? 或 ? 3. 表示为 H1 H1：? 某一数值，或? ?某一数值 例如, H1：? 620（万分钟） ，或? ? 620（万分钟） ? 什么是检验统计量？ 1. 用于假设检验问题的统计量 2. 选择统计量的方法与参数估计相同，需考虑 正态总体还是非正态总体 是大样本还是小样本 总体方差已知还是未知 规定显著性水平? ? 什么是显著性水平？ 1. 是一个概率值 2. 原假设为真时，拒绝原假设的概率 3. 表示为 ??(alpha) 常用的 ??值有0.01, 0.05, 0.10 4. 由研究者事先确定 作出统计决策 计算检验的统计量 根据给定的显著性水平?，查表得出相应的临界值Z?或Z?/2 将检验统计量的值与? 水平的临界值进行比较 得出接受或拒绝原假设的结论 假设检验中的小概率原理 假设检验中的小概率原理 ? 什么是小概率？ 在一次试验中，一个几乎不可能发生的事件发生的概率 小概率由研究者事先确定 什么是小概率？ 概率是从0到1之间的一个数，因此小概率就应该是接近0的一个数 著名的英国统计家Ronald Fisher 把20分之1作为标准，这也就是0.05，从此0.05或比0.05小的概率都被认为是小概率 Fisher没有任何深奥的理由解释他为什么选择0.05，只是说他忽然想起来的 假设检验中的两类错误 1. 第一类错误（弃真错误） 原假设为真时拒绝原假设 会产生一系列后果 第一类错误的概率为? 被称为显著性水平 2. 第二类错误（取伪错误） 原假设为假时接受原假设 第二类错误的概率为??(Beta) 假设检验中的两类错误 a?，越有可能否定真实的原假设；b ?，越有可能接受非真的原假设。 我们希望犯这两类错误的规律都尽量小，但在一定样本容量下，减少a（少否定一点，结果就多接受了一点）会引起b增大，反之减少b （少接受一点，结果就多否定了一点）会引起a 增大。 ? 错误和 ? 错误的关系 双侧检验和单侧检验 双侧检验与单侧检验 (假设的形式) 双侧检验（原假设与备择假设的确定） 例如，某种移动数据业务，推论其平均每客户增值为4元 建立的原假设与备择假设应为 H0: ? = 4 H1: ? ? 4 双侧检验（确定假设的步骤） 例如问题为: 检验该移动数据业务平均每客户增值为4元 步骤 从统计角度陈述问题 (? = 4) 从统计角度提出相反的问题 (? ? 4) 必需互斥和穷尽 提出原假设 (? = 4) 提出备择假设 (? ? 4) 有 ? 符号 双侧检验（例子） 提出原假设: H0: ? = 4 提出备择假设: H1: ? ? 4 双侧检验（显著性水平与拒绝域 ） 双侧检验（显著性水平与拒绝域 ） 双侧检验（显著性水平与拒绝域 ） 双侧检验（显著性水平与拒绝域 ） 单侧检验（原假设与备择假设的确定）