第08章_假设检验概念.pptVIP

第8章 假设检验 内容摘要 1. 假设检验的原理 2. 总体均值的假设检验 3. 总体比例的假设检验 4. 总体方差的假设检验 5. 两总体均值差的假设检验 引 例 某健身俱乐部欲根据往年的会员情况，制定2006年的会员发展营销策略。主管经理估计俱乐部会员的平均年龄是35岁，其中25～35岁的会员占总人数的70%。研究人员从2005年入会的新会员中随机抽取40人，调查得知他们的平均年龄是32岁，其中25～35岁的会员占74%。根据这份调查结果，问主管经理的对会员年龄的估计是否准确？ 统计学是通过假设检验的方法来解决上述问题的。 假设检验（Hypothesis testing）和参数估计（Parameter estimation）是统计推断的两个组成部分，它们都是利用样本对总体进行某种推断。 参数估计是用样本统计量估计总体参数的方法，总体参数在估计之前是未知的。 假设检验则是先对的值提出一个假设，然后利用样本信息去检验这个假设是否成立。 统计方法 一、假设检验的基本原理 假设检验（Hypothesis Testing）也称为显著性检验，是事先作出一个关于总体参数的假设，然后利用样本信息来判断原假设是否合理，即判断样本信息与原假设是否有显著差异，从而决定应接受或否定原假设的统计推断方法。 对总体作出的统计假设进行检验的方法依据是概率论中的“小概率事件实际不可能发生”原理。 假设检验的过程和思路 ——概率意义下的反证法 基本原理 二、假设检验的步骤 第一步，根据问题要求提出原假设（Null hypothesis）和备选假设（Alternative hypothesis）； 第二步，确定适当的检验统计量及相应的抽样分布； 第三步，选取显著性水平，确定原假设的接受域和拒绝域； 第四步，计算检验统计量的值； 第五步，作出统计决策。 下面结合例题1对每一个步骤的内容进行分析和说明。 举例1 某健身俱乐部主管经理估计会员的平均年龄是35岁，研究人员从2005年入会的新会员中随机抽取40人，调查得到他们的年龄数据如下。 1. 提出原假设和备选假设 原假设（Null hypothesis）又称零假设，是需要通过样本推断其正确与否的命题，用H0表示。 本例中可以提出： H0 : m=35；这里m表示总体会员的平均年龄，意味着总体会员的平均年龄与主管经理估计的35岁没有差异。 与原假设对立的假设是备选假设，用H1表示。 在本例中，备选假设意味着“总体会员的平均年龄与主管经理估计的会员平均年龄35岁有显著差异”，可以表示为H1 : m≠35。 原假设与备选假设互斥，检验结果二者必取其一。 原假设 1. 陈述需要检验的假设 例如: H0: ??= 35 2. 零假设用 H0 表示 3. 代表“正常”的情形 4. 总是包含等号“=” 5. 检验以“假定原假设为真”开始 备择假设 1. 为原假设的对立情况 例如: H1: ??≠ 35 2. 备择假设用H1表示 3. 代表“不能轻易肯定的情况” 4. 很少包含等号 2. 确定适当的检验统计量 假设检验需要借助样本统计量进行统计推断，称为检验统计量。不同的假设检验问题需要选择不同的检验统计量。 在具体问题中，选择什么统计量，需要考虑的因素有：总体方差已知还是未知，用于进行检验的样本是大样本还是小样本，等等。 在本例中，由于n=4030是大样本，所以 近似服从正态分布，以样本标准差代替总体标准差，所用的统计量是： 3. 选取显著性水平，确定接受域和拒绝域 显著性水平（Significant Level）：事先给定的形成拒绝域的小概率，用a表示。 通常取a=0.01， a=0.05或a=0.10；这表明，当作出接受原假设的决定时，其正确的概率为99%，95%或90%。 拒绝域：原假设 H0 成立条件下,统计量落入的小概率区域。 接受域：统计量能够取值的非拒绝域。 本例为双侧检验，有 接受域：－1.96≤z≤1.96 拒绝域：z－1.96或z1.96 在实际应用中，一般是先给定了显著性水平，这样就可以由有关的概率分布表查到临界值（critical value） ，从而确定H0的接受域和拒绝域。对于不同形式的假设， H0的接受域和拒绝域也有所不同。 4. 计算检验统计量的值 在提出原假设H0和备选假设H1，确定了检验统计量，给定了显著性水平a以后，接下来就要根据样本数据计算检验统计量的值。其计算的基本公式为： 上式不是计算检验统计量的唯一公式 在本例中， 5. 作出统计决策 根据样本信息计算出统计量z的具体值，将它与临界值 相比较，就可以作出接受原假设或拒绝原假设的统计决策。 在本例中，由于z=3.1841.96，落在拒绝