统计推断-连续性数据的差异显著性-4分析.ppt

统计推断 假设检验 准备:李旭东 日期：12/07/09 如何鉴别流程能力的优劣 统计方法结构 统计分析的方法论 假设检验 什么是假设检验？ 事先对总体参数（比如，均值，比例，方差等）作出判断 然后利用样本信息来判断原来的判定是否正确 假设检验的作用： 降低掌握总体情况的成本 找到影响流程变异或质量性能的关键因数 在试生产阶段预测流程的长期绩效 验证改善是否有效 比较不同对象,比如评审供应商 为赞成或反对某中观点提供作证 。。。。。。。 什么是假设 实例分析 精密电阻生产厂商生产的20欧电阻阻值是明显大于或小于20欧 m=20 m120 H0 : m=20 H1: m120 改进后的灯泡寿命是否明显地大于350小时 m ? 350 m 350 H0 : m ? 350 H1: m 350 产品的合格率是不是真的地1% m ? 1% m1% H0 : m ? 1% H1: m1% 假设形式 案例-1 【例】一家研究机构估计，某城市中家庭拥有汽车的比例超过30%。为验证这一估计是否正确，该研究机构随机抽取了一个样本进行检验。试陈述用于检验的原假设与备择假设，并说明你的理由。 案例-2 【例】某品牌洗涤剂在它的产品说明书中声称：平均净含量不少于500克。从消费者的利益出发，有关研究人员要通过抽检其中的一批产品来验证该产品制造商的说明是否属实。试陈述用于检验的原假设与备择假设，并说明你的理由。 假设检验的基本思想 假设检验的过程 假设检验-有罪 vs.无罪的案例 法庭和商业上的决策风险 假设检验中的两类错误 1. 第Ⅰ类错误(弃真错误)-- ? 错误 原假设为真时拒绝原假设 第Ⅰ类错误的概率记为? 被称为显著性水平 2. 第Ⅱ类错误(取伪错误)-- ? 错误 原假设为假时未拒绝原假设 第Ⅱ类错误的概率记为?? ? 错误和 ? 错误的关系 显著性水平? (significant level) 是一个概率值 原假设为真时，拒绝原假设的概率 被称为抽样分布的拒绝域 表示为 ??(alpha) 常用的 ??值有0.01, 0.05, 0.10 由研究者事先确定 检验假设的特点 特点 采用逻辑反证法 依据统计上的小概率原理 什么小概率？ 在一次试验中，一个几乎不可能发生的事件发生的概率 在一次试验中小概率事件一旦发生，我们就有理由拒绝原假设 小概率由研究者事先确定 假设检验的实施步骤 提出原假设和被选假设 选择检验统计量，确定拒绝域形式 确定显著性水平? 计算求得临界值，确定具体的拒绝域 收集样本观察值 计算检验统计量的值并作出统计决策 实施步骤图示 P值和显著性水平a “P”值: Ho为真的概率。 如果“P”值很小，基于小概率事件原理，我们就可以拒绝原假设而接收备择假设。 “P”值的临界值叫做显著性水平（Singificance level）“a”。 （1-a）称为置信度（Confidence Level） 一般取“a”为0.05。 “P”≤a，则拒绝Ho而接受Ha “P”a，则不能拒绝Ho。 “P”值可以利用相关的统计软件如Minitab求得，当没有软件时，可以利用各种抽样分布的统计量获得统计答案 统计答案 如果原假设成立，则： 1. 总体均值的置信区间包含目标值μo 2. 样本均值对应的t统计量t(a/2，df)tt(1-a/2，df) 3. p0.05 反之,如果以上条件违反了,则可以拒绝原假设而接受备择假设。 差异的显著性检验 在质量工程师的职业生涯中，经常遇到以下的问题： 来料的重量是否偏离了工称值？ 两台设备加工出来的工件表面粗糙度是否有差异？ 经过改进，产品的合格率是否得到了显著的提高？ 输入电压是否影响焊接拉力的重要参数？ 以上的问题都涉及到差异的显著性检验，都可以利用统计学的思维来回答。 实际问题到统计问题的沟通 统计并不能代替专业的判断。 假设检验要回答的问题 y = f (x) 假设检验要回答的问题: x是否影响y的重要原因？ x在不同条件下y是否有显著差异？ 假设检验的方法 根据数据的类型及其服从分布的不同，假设检验的方法也不同，以下部分假设检验的检验方法将在之后的课程中讲解： 连续型变量差异的显著性检验 单样本t检验 问题 产品长度的公称值为11.40mm，现怀疑某台设备加工出来的产品长度偏离了此公称值，随机抽查了20个产品并测量了其长度，如何评估？ 单样本t检验:均值和目标