[第七章假设检验.pptVIP

第 7 章 假设检验 第 7 章 假设检验 7.1 假设检验的基本问题 7.2 一个总体参数的检验 7.3 两个总体参数的检验 7.4 假设检验中的其他问题 学习目标 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 利用置信区间进行假设检验 利用P - 值进行假设检验 例：某企业生产了一批灯管，按规定每只灯管的使用寿命不得低于1000小时。现从中任意抽取100只，发现有6只的使用寿命低于1000小时，若规定不合格率达到5%时，灯管就不能出厂，问该批灯管能否出厂。 什么是假设?(hypothesis) ? 对总体参数的数值所作的一种陈述 总体参数包括总体均值、比例、方差等 分析之前必需陈述 什么是假设检验? (hypothesis testing) 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 有参数假设检验和非参数假设检验 采用逻辑上的反证法，依据统计上的小概率原理 假设检验中的小概率原理 假设检验中的小概率原理 ? 什么小概率？ 1. 在一次试验中，一个几乎不可能发生的事件发生的概率 2. 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 3. 小概率由研究者事先确定 假设检验的基本思想 假设检验的过程（提出假设→抽取样本→作出决策） 提出原假设和备择假设 ? 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 H0：? ? 某一数值 指定为 = 号，即 ? 或 ?? 例如, H0：? ? 3190（克） 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：? 3190(克)，或? ?3190(克) 假设检验中的两类错误 1. 第一类错误（弃真错误） 原假设为真时拒绝原假设 会产生一系列后果 第一类错误的概率为? 被称为显著性水平 2. 第二类错误（取伪错误） 原假设为假时接受原假设 第二类错误的概率为??(Beta) ? 错误和 ? 错误的关系 假设检验中的两类错误(决策结果) 统计量与拒绝域 根据样本观测结果计算得到的，并据以对原假设和备择假设作出决策的某个样本统计量 对样本估计量的标准化结果 原假设H0为真 点估计量的抽样分布 显著性水平和拒绝域(双侧检验 ) 显著性水平和拒绝域(双侧检验 ) 显著性水平和拒绝域(双侧检验 ) 显著性水平和拒绝域(单侧检验 ) 显著性水平和拒绝域(左侧检验 ) 显著性水平和拒绝域(左侧检验 ) 显著性水平和拒绝域(右侧检验 ) 显著性水平和拒绝域(右侧检验 ) 决策规则 给定显著性水平?，查表得出相应的临界值z?或z?/2， t?或t?/2 将检验统计量的值与? 水平的临界值进行比较 作出决策 双侧检验：I统计量I 临界值，拒绝H0 左侧检验：统计量 -临界值，拒绝H0 右侧检验：统计量 临界值，拒绝H0 什么是P 值?(P-value) 在原假设为真的条件下，检验统计量的观察值大于或等于其计算值的概率 双侧检验为分布中两侧面积的总和 反映实际观测到的数据与原假设H0之间不一致的程度 被称为观察到的(或实测的)显著性水平 决策规则：若p值?, 拒绝 H0 思考：P值越小越显著还是越大越显著？ 双侧检验的P 值 左侧检验的P 值 右侧检验的P 值 利用 P 值进行检验(决策准则) 若p-值 ?,不拒绝 H0 若p-值 ?, 拒绝 H0 假设检验步骤的总结 陈述原假设和备择假设 从所研究的总体中抽出一个随机样本 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，并计算出其临界值，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H0，否则不拒绝H0 也可以直接利用P值作出决策 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