第6章假设检验(阅读).pptVIP

第6章 假设检验 假设检验在统计方法中的地位 参数估计和假设检验 参数估计的主要任务是找参数值等于几。 点估计：估计在一条生产线上平均每个包装箱的毛重。 区间估计：基于数据找到一个区间[L,U]，使之按给定的概率包含包装箱的毛重的均值。 假设检验的兴趣主要是看参数的值是否等于某个特别感兴趣的值。 引例 【例1】 消费者协会接到消费者投诉，指控某粮食加工厂的每袋粮食的重量不足，有欺骗消费者之嫌。包装上标明的重量为16公斤。于是消费者协会从市场上随机抽取20袋作为样本，样本的平均重量为15.43公斤，显然小于16公斤。 消费者协会能否根据样本数据判定该粮食加工厂欺骗了消费者呢？ 学习目标 了解假设检验的含义和假设的形式 。 掌握假设检验的基本思想，区分假设检验中的两类错误 。 掌握假设检验的步骤和假设检验的方法。 重点掌握一个总体均值的检验及一个总体成数的检验。 6.1 假设检验的一般问题 6.1.1 假设检验的基本思想 6.1.2 假设检验的步骤 6.1.3 假设检验的两类错误 什么是假设? ? 对总体参数的具体数值所作的陈述。 总体参数包括总体均值、比例、方差等。 分析之前必须陈述。 什么是假设检验? 先对总体的参数(或分布形式)提出某种假设，然后利用样本信息判断假设是否成立的过程。 有参数检验和非参数检验。 逻辑上运用反证法，统计上依据小概率原理。 基本思想 6.1.2 假设检验的步骤 假设检验步骤 提出原假设和备择假设 确定一个适当的检验统计量，并利用样本数据算出其具体数值 确定一个适当的显著性水平 根据显著性水平计算出临界值，指定拒绝域 将统计量的值与临界值进行比较，作出决策 统计量的值落在拒绝域，拒绝原假设，否则不拒绝原假设 也可以直接利用P值作出决策 原假设 原假设又称“0假设”，用H0表示，是关于总体参数的一种陈述，总是有符号 ?, ? 或??，一般而言是被假定为正确的。例如, H0 ： ? ?16公斤 备择假设，是在原假设不成立时而成立的关于总体参数一种假定。用 H1表示，总是有符号?,?? 或 ?，表示总体参数与样本统计量的差异或改变不是由抽样误差引起的，而是本质上的差异。例如, H1 ：? 16公斤 原假设和备择假设是一个完备事件组，且相互对立 等号“=”总是放在原假设上 先确定备择假设，再确定原假设 。 6.1.3 两类错误与显著性水平 假设检验中的两类错误 1. 第Ⅰ类错误(弃真错误) 原假设为正确时拒绝原假设，认为其不正确 第Ⅰ类错误的概率记为α。 2. 第Ⅱ类错误(取伪错误) 原假设为错误时未拒绝原假设， 而认为其正确 第Ⅱ类错误的概率记为β? ? 错误和 ? 错误的关系 两类错误的控制 一般来说，发生哪一类错误的后果更为严重，就应该首要控制哪类错误发生的概率。但由于犯第Ι类错误的概率是可以由研究者控制的，因此在假设检验中，人们往往先控制第Ι类错误的发生概率，尽量避免犯弃真错误，若想同时减少α和β，唯一的办法就是增大样本容量。 显著性水平?(significant level) 1. 是一个概率值，它是： 小概率事件的标准； 帮助确定抽样分布的拒绝域； 原假设为真时，拒绝原假设的概率（弃真错误的最大概率） 2. 表示为 ??,由研究者事先确定 常用的 ??值有0.01, 0.05, 0.10 6.2 假设检验的方法 双侧检验 【例2】根据美国人口普查数据，1998年美国家庭平均拥有人口3.18人。一研究人员想检验1998年以后，这一均值是否发生了变化。 如果自1998年以后，家庭平均人口增加或减少了，那么家庭人口规模就发生了变化。这是一个双尾检验的例子。 则原假设和备择假设为： H0 ： ? ? 3.18人 H1 ：? ? 3.18人 左侧检验 以μ表示会员第一个月能够减掉的体重 H0 : μ ≥ 10磅 (均值不小于10磅，0.8磅的差距为随机误差引起差异) H1 : μ 10磅 (均值小于10磅，0.8磅的差距为本质上的差异) 右侧检验 【例4】某储蓄银行的经理一直很注重为客户提供服务的质量。在旧计算机系统下，应答机每小时平均可服务22名客户。银行管理层注意到如果以这种效率提供服务，客户等待时间将会很长。最近银行管理层更换了计算机系统，期望以此缩短客户等待时间，从而提高顾客满意度。为检测新系统是否比旧系统更具效率，银行管理层随机地选取了18个小时作为一个样本，发现，这些时间内平均每小时