[第六章 假设检验1.pptVIP

第 6 章 假设检验 6.1 假设检验的基本问题 6.2 一个总体参数的检验 一、假设检验的基本思想 小概率原理 到底p-值是多小时才能够拒绝零假设呢？也就是说，需要有什么是小概率的标准。 这要看具体应用的需要。但在一般的统计书和软件中，使用最多的标准是在零假设下（或零假设正确时）根据样本所得的数据来拒绝零假设的概率应小于0.05，当然也可能是0.01，0.005，0.001等等。 这种事先规定的概率称为显著性水平(significant level)，用字母a来表示。 二、假设检验的过程 二、假设检验的过程 假设检验的具体步骤： 第一，提出原假设(null hypothesis)和备择假设(alternative hypothesis)； 第二，确定合适的检验统计量； 第三，规定显著性水平α； 第四，根据数据计算检验统计量的实现值； 第五，统计决策。 原假设的设定原则： 在假设检验中，一般要设立一个原假设（null hypothesis）；而设立该假设的动机主要是企图利用人们掌握的反映现实世界的数据来找出假设和现实的矛盾，从而否定这个假设。也就是说，假设检验都是以否定原假设为目标。如否定不了，那就说明证据不足，无法否定原假设。但这不等于原假设正确，而是“没有足够证据拒绝原假设”，因此不能“接受原假设”。 原假设(null hypothesis) 研究者想收集证据予以反对的假设 又称“0假设” 总是有符号 ?, ? 或?? 4. 表示为 H0 H0 ： ? = 某一数值 指定为符号 =，? 或 ?? 例如, H0 ： ? ? 10cm 研究者想收集证据予以支持的假设 也称“研究假设” 总是有符号 ?,?? 或 ? 表示为 H1 H1 ： ? 某一数值，或? ?某一数值 例如, H1 ： ? 10cm，或? ?10cm 【例】一种零件的生产标准是直径应为10cm，为对生产过程进行控制，质量监测人员定期对一台加工机床检查，确定这台机床生产的零件是否符合标准要求。如果零件的平均直径大于或小于10cm，则表明生产过程不正常，必须进行调整。试陈述用来检验生产过程是否正常的原假设和被择假设 原假设和备择假设是一个完备事件组，而且相互对立 在一项假设检验中，原假设和备择假设必有一个成立，而且只有一个成立 先确定备择假设，再确定原假设 等号“=”总是放在原假设上 因研究目的不同，对同一问题可能提出不同的假设(也可能得出不同的结论) 假设检验的两类错误（决策风险） 第一类错误：弃真错误。 原假设为真，但由于样本的随机性落入拒绝区域，使我们做出错误决策。小概率事件只是发生的概率很小，但并非绝对不发生。犯这类错误的概率就是小概率事件发生的概率,称为显著性水平。 第二类错误：取伪错误。 原假设为假，但由于样本的随机性落入接受区域，使我们做出错误决策。在样本容量一定时，降低犯第一类错误的概率，就会增大犯第二类错误的概率。 要同时降低犯第一类错误和第二类错误的概率，必须增大样本容量。 ? 错误和 ? 错误的关系 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 备择假设没有特定的方向性，并含有符号“?”的假设检验，称为双侧检验或双尾检验(two-tailed test) 备择假设具有特定的方向性，并含有符号“”或“”的假设检验，称为单侧检验或单尾检验(one-tailed test) 备择假设的方向为“”，称为左侧检验 备择假设的方向为“”，称为右侧检验 双侧检验与单侧检验 (假设的形式) 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(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 多数软件直接给出p值，而不给出α。p值(p-value)是在零假设下，检验统计量取其实现值及(沿着备择假设的方向)更加极端值的概率。如果p值很小，意味着在零假设下小概率事件发生。给定p值有很多方便之处。比如α=0.05，而假定所得到的p值等于0.001。这时如果采用p值作为新的显著性水平，即新的α=0.001，于是就可以说，在显著性水平为0.001时，拒绝零假设。这样，拒绝零假设时犯错误的概率实际只是α=0.001而不是原来的α=0.05。在这个意义上，p