赵卫亚 数理统计复习.ppt

假设检验的基本原理 例2 如果对总体的某种假设是真实的（例如学生上课平均出勤率≥95%），那么不利于或不能支持这一假设的事件A（小概率事件，例如样本出勤率=55% ）在一次试验中几乎不可能发生的； 要是在一次试验中A竟然发生了（样本出勤率=55% ），就有理由怀疑该假设的真实性，拒绝提出的假设。 * 信息看在H0成立下会不会发生矛盾。 最后对假设成立 与否作出判断： 中居然发生， 若小概率事件发生了， 则否定H0。 若不发生，则接受H0， 并称H0相容。 假设检验的逻辑是： 如果小概率事件在一次试验 我们就以很大的把握否定原假设. 假设检验采用的是概率论的反证法： 即先对所关心的问题提出原假设 H0 , 然后运用样本 * 假设检验的基本原理 ... 因此我们拒绝假设 = 50 ... 如果这是总体的真实均值 样本均值 = 50 抽样分布 H0 这个值不像我们应该得到的样本均值 ... 20 * 检验假设： 如法官判定一个人是否犯罪，首先是假定他“无罪”（H0），然后通过侦察寻找证据，如果证据充分则拒绝 “无罪”的假定（H0），判嫌疑人有罪；否则只能暂且认为“无罪”的假定（H0）成立。 * 假设检验的基本概念：零假设和备择假设 原假设、零假设、虚拟假设（null Hypothesis) 通常是研究者非预期取值的一种表述； 等号必须出现在零假设中( ) 本着“不轻易被拒绝原假设”的原则 备则假设（alternative hypothesis) 通常是对研究者预期取值的表述。也就是原假设被否定之后而采取的逻辑假设。它是原假设的对立假设。 如 H0: p=0.5 （原假设） H1: p≠0.5 （备择假设） 零假设和备择假设是互斥的，它们中仅有一个正确； 检验以“假定零假设为真”开始，如果得到矛盾说明备择假设正确。 * 假设检验的基本概念： 检验统计量和拒绝域 检验统计量：我们用来决策（拒绝或不能拒绝零假设）时依据的样本统计量。不同的总体参数适用的检验统计量不同。 拒绝域：检验统计量取值的集合，当根据样本得到的检验统计量的值属于该集合时，拒绝零假设。 接受域：当样本统计量的值属于该集合时，接受原假设。 临界值：划分拒绝域和接受域的数值。 * 假设检验的基本概念：两类错误与显著性水平 假设检验的依据是: 小概率事件在一次试验中很难发生, 但很难发生不等于不发生, 因而假设检验所作出的结论有可能是错误的. 这种错误有两类: 假设检验中各种可能结果的概率 接受H0 拒绝H0，接受H1 H0 为真 1-α（正确决策） α（弃真错误） H0 为伪 β（取伪错误） 1-β（正确决策） * 两类错误的概率 两类错误不可避免；要减小其中的一种错误，通常只能通过增加另一种错误的方法做到。 允许犯第一类错误的概率?称为显著性水平（小概率事件的标准）。 通常?取为0.01,0.05,0.1。 根据?可以确定检验统计量的临界值，并根据统计量的样本观测值和临界值得出检验结论。 * * 拒绝域与接受域 原假设被拒绝的区域称为拒绝域或否定域 拒绝域之外的区域即为接受域 抽样分布 H0值 临界值 临界值 a/2 a/2 样本统计量 拒绝域 拒绝域 接受域 1 - ? 置信水平 * 双侧检验示意图（显著性水平与拒绝域 ） H0值 临界值 临界值 a/2 a/2 样本统计量 拒绝域 拒绝域 接受域 抽样分布 1 - ? 置信水平 观察到的样本统计量 * 双侧检验示意图（显著性水平与拒绝域 ） H0值 临界值 临界值 a/2 a/2 样本统计量 拒绝域 拒绝域 接受域 抽样分布 1 - ? 置信水平 观察到的样本统计量 * 假设检验的两个特点： 第一，假设检验采用逻辑上的反证法，即为了检验一个假设是否成立，首先假设它是真的，然后对样本进行观察，如果发现出现了不合理现象，则可以认为假设是不合理的，拒绝假设。否则可以认为假设是合理的，接受假设。 * 第二，假设检验采用的反证法带有概率性质。所谓假设的不合理不是绝对的，而是基于实践中广泛采用的小概率事件几乎不可能发生的原则。 至于事件的概率小到什么程度才算是小概率事件，并没有统一的界定标准，而是必须根据具体问题而定。如果一旦判断失误，错误地拒绝原假设会造成巨大损失，那么拒绝原假设的概率就应定的小一些；如果一旦判断失误，错误地接受原假设会造成巨大损失，那么拒绝原假设的概率就应定的大一些。 小概率通常用α表示，又称为检验的显著性水平。 通常取α＝0.01;0.05;0.1，即把概率不超过0.01;0.05或0.1的事件当作小概率事件。 * 假设检验的步骤 假设检验的主