统计推断与显著性检验最终2组分析.pptVIP

总体均值的t检验 (例题分析) 检验统计量: 决策： 结论： H0: ? = 1000 H1: ? ? 1000 ? = 0.05 df = 9 - 1 = 8 临界值(s): t 0 2.306 -2.306 .025 拒绝 H0 拒绝 H0 .025 在 ? = 0.05的水平上接受H0 有证据表明这天自动包装机工作正常 PART 3 假设检验(Hypothesis Testing)是数理统计学中根据一定假设条件由样本推断总体的一种方法。具体作法是：根据问题的需要对所研究的总体作某种假设，记作H0；选取合适的统计量，这个统计量的选取要使得在假设H0成立时，其分布为已知；由实测的样本，计算出统计量的值，并根据预先给定的显著性水平进行检验，作出拒绝或接受假设H0的判断。常用的假设检验方法有u—检验法、t检验法、χ2检验法(卡方检验)、F—检验法，秩和检验等。 3 实验过程及分析 假设检验的基本思想是小概率反证法思想。小概率思想是指小概率事件（P0.01或P0.05）在一次试验中基本上不会发生。反证法思想是先提出假设(检验假设H0)，再用适当的统计方法确定假设成立的可能性大小，如可能性小，则认为假设不成立，若可能性大，则还不能认为不假设成立。 统计推断和显著性检验 第二组 成员：张吉祥、刘松波、温广河、 仇鹏、陈宇、麦瑞缨、吴涛 目录 总结 方差的统计检验 假设验证的基本思路和方法 总体均值的假设检验 PART 1 1.统计推断和显著性检验 统计推断和显著性检验概念 假设检验的思想 假设检验的两类错误 假设检验两种方法 假设检验的具体步骤 统计推断是通过抽取样本，然后对样本进行分析，以样本的分析结果推测出“总体可能是这样” 结论，对总体下一个正确判断的行为，即总体是否发生了变动，而且，一般以推测总体平均值，总体的比率，总体标准偏差等显示总体分布特征值的统计过程称为统计推断。 总体 样本 对数据的 统计处理 统计 推断 信息分析 对事件的 结论 措施及行动 统计推断 假设性检验就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设（原假设）是否合理，即判断总体的真实情况与原假设是否显著地有差异。 举个例子： 某一群人的身高构成一个总体，通常认为身高是服从正态分布的，但不知道这个总体的均值，随机抽部分人，测得身高的值，用这些数据来估计这群人的平均身高，这就是一种统计推断形式，即参数估计。若感兴趣的问题是“平均身高是否超过1.7（米）”，就需要通过样本检验此命题是否成立，这也是一种推断形式，即假设检验。 通常认为特定的一群人的身高服从正态分布。当收集了一定数据后，可以评价实际数据与理论假设之间的偏离，如果偏离达到了显著的程度就拒绝原假设，这样的检验方法称为显著性检验。 假设检验思想 假设检验的基本思想是小概率反证法思想，小概率思想是指小概率事件(P0.01或P0.05)在一次试验中基本上不会发生。反证法思想是先提出假设(检验假设H0)，再用适当的统计方法确定假设成立的可能性大小，如可能性小，则认为假设不成立，若可能性大，则还不能认为假设不成立。 假设检验的两类错误 在假设检验中可能发生两类错误，如果原假设是正确的，但是通过检验的结果而否定它，这就造成第一类错误，即以真为假，犯了所为拒绝好结果的错误；另一方面，如果原假设是错误的，但是通过检验的结果而肯定它，即以假为真，这就造成第二类错误，即犯了所为接受坏结果的错误。 造成第一类错误的概率为?，造成第二类错误的概率为β，如果减小?值，即降低造成第一类错误的概率，就会增加造成第二类错误的概率。 H0正确 Hα正确 接受H0 结论正确 第二类错误 接受Hα 第一类错误 结论正确 原假设和备择假设的建立三种形式： 假设 双侧检验 单侧检验 左侧检验 右侧检验 原假设 H0 : m = m0 H0 : m ? m0 H0 : m ? m0 备择假设 H1 : m ≠m0 H1 : m m0 H1 : m m0 双侧检验 0 临界值 临界值 a /2 a /2 样本统计量 拒绝H0 拒绝H0 抽样分布 1 - ? 置信水平 0 临界值 a 样本统计量 拒绝H0 抽样分布 1 - ? 置信水平 观察到的样本统计量 0 临界值 a 样本统计量 拒绝H0 抽样分布 1 - ? 置信水平 观察到的样本统计量 右侧检验 坐侧检验 假设检验方法 （1）P-值法 P-值是一个概率值，衡量样本对原假设的支持程度。P-越小说明对原假设的支持程度越低。小的P-值表明在假设H0为真时，统计量的值时异常的。