第8章假设检验(修改).pptVIP

第8章 假设检验 了解假设检验的基本思想 掌握假设检验的步骤 对实际问题作假设检验 假设检验问题的提出 现实生活中，我们经常作出的论断： 上海2006年毕业生首月平均工资2317元 我们学校去年的cet-4合格率为98% 上月参与购买彩票的彩民中，80%以上的中奖额在100元以下 假设检验的例子 [例8.1]可口可乐公司生产的雪碧饮料标签说明其容量为250ml，标准差4ml。 现在从市场上随机抽取50瓶，发现饮料平均容量为248ml。 能否据此判定可口可乐公司的产品有欺诈行为？ 问题8.1的分析 产品的标签意味着产品总体的平均数为μ=250ml，总体的标准差σ=4ml。 调查的样本平均数为 =248ml 假设检验—假定来源于第一种原因 因为抽样误差是我们能够计算和控制的， 因此假设样本平均数与总体平均数的差距完全是由于抽样误差引起的； 根据抽样推断的理论，给定概率保证度，可以确定z的大小，使得下面的式子可以接受： 例如，当概率保证度为99%时，zα/2=2.58。 例题的检验与结论 由已知， 说明，经过一次抽样(试验)，小概率事件发生了，这违背了小概率事件的原理。 问题出现在哪里？ 假设不成立，即2ml的差距不仅仅是由于抽样误差引起的，很有可能(99%)是厂商的缺斤少两。 假设检验的基本思想 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 采用逻辑上的反证法，依据统计上的小概率原理 小概率原理： 如果对总体的某种假设是真实的，那么不利于或不能支持这一假设的事件A（小概率事件）在一次试验中几乎不可能发生的； 如果在一次试验中A竟然发生了，就有理由怀疑该假设的真实性，拒绝这一假设。 原假设 ? 什么是原假设？(null hypothesis) 待检验的假设，又称“0假设” 研究者想收集证据予以反对的假设 3. 总是有等号 ?, ? 或?? 4. 表示为 H0，如： H0：? ? 某一数值 例如, H0：? ? 250ml ? 什么是备择假设？(alternative hypothesis) 与原假设对立的假设，也称“研究假设” 研究者想收集证据予以支持的假设总是有不等号: ?,?? 或 ? 表示为 H1 H1：? 某一数值，或? ?某一数值 例如, H1：? 250ml，或? ?250ml 假设检验的流程1 1 提出有关总体参数的假设： 一般包含两部分：原假设H0和备择假设H1 根据问题的不同，假设提出的形式有所不同： 对前面的例题分别提出不同的假设:目的不同 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) 概念：属于决策中的假设检验，不论是拒绝H0还是不拒绝H0，都必需采取相应的行动措施 例如，某种零件的尺寸，要求其平均长度为10cm，大于或小于10cm均属于不合格 我们想要证明(检验)大于或小于这两种可能性中的任何一种是否成立 因此，建立的原假设与备择假设应为 H0: ? = 10 H1: ? ? 10 双侧检验(显著性水平与拒绝域 ) 单侧检验：左侧检验(显著性水平与拒绝域) 假设检验的流程2 2 设计检验统计量 设计要求： 所设计的检验统计量应该与总体参数有关 当H0为真时，该统计量的真实分布已知 假设检验的流程3，4 3 给定显著性水平和相应的临界值 显著性水平α的含义： H0为真时，拒绝H0的概率 α通常的取值 α所确定的H0的接收域和拒绝域C 相同的α对于单尾检验和双尾检验确定的区域不同 4 根据样本数据计算统计量，并做出决策 假设检验的两类错误和检验规则 检验统计量的确定 假设检验最关键的步骤：设计合适的检验统计量，其一般形式： 一个总体参数的检验 总体均值检验 总体均值的检验(检验统计量) 总体均值的检验 (?2 已知或?2未知大样本) 1. 假定条件 总体服从正态分布 若不服从正态分布, 可用正态分布来近似(n?30) 使用Z-统计量 ?2 已知： ?2 未知： ?2 已知均值的检验(例题分析) 【例】某机床厂加工一种零件，根据经验知道，该厂加工零件的椭圆度近似服从正态分布，其总体均值为?0=0.081mm，总体标准差为?= 0.025 。今换一种新机床进行加工，抽取n=200个零件进行检验，得到的椭圆度为0.076mm。试问新机床加工零件的椭圆度的均值与以前有无显著差异？（?＝0.05） ?2 已知均值的检验 (例题分析) H0: ? = 0.081 H1: ? ? 0.081 ? = 0.05 n = 200 临界值: ?2 已知均值的检验 (小样本例题分析) 【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