均值方差检验.pptVIP

zf zf 第二章 均值向量和协方差阵的检验 假设检验的基本问题 1、假设检验的基本原理 小概率事件原理 小概率思想是指小概率事件（P0.01或P0.05等）在一次试验中基本上不会发生。反证法思想是先提出假设(检验假设H0)，再用适当的统计方法确定假设成立的可能性大小，如可能性小,则认为假设不成立；反之，则认为假设成立。 2、假设检验的步骤 （1）提出一个原假设和备择假设 例如：要对妇女的平均身高进行检验，可以先假设妇女身高的均值等于 160 cm （u=160cm ）。这种原假设也称为零假设（ null hypothesis ），记为 H 0 。 与此同时必须提出对立假设，如妇女身高均值不等于 160 cm 。对立假设又称为备选假设或备择假设（ alternative hypothesis ）记为 H 1 。 形式上，上面的关于总体均值的 H 0 相对于 H 1 的检验记为： H0: u=160cm H1: u不等于160cm H1: u不等于160cm的假设称为双尾检验 ； 如果备选假设为H1: u大于160cm 或 u小于160cm 则称为单尾检验。 实际中选择何种备选假设，需根据检验的需要决定。 需要注意的是：计算机输出结果中的 p 值是双尾检验的概率。 如果备选假设选择的是单尾检验，则要将计算机给的 p 值除以 2 ，即取 p 值的一半。 （2）确定检验统计量 1 有了两个假设，就要根据数据来对它们进行判断：选择适当的统计量，并在原假设H0成立的条件下确定该统计量的分布。 （3）确定显著性水平α 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。 根据统计量的分布查表，确定对应于α的临界值. 显著性水平就是小概率水平，但小概率并不能说明不会发生，仅仅是发生的概率很小罢了。拒绝正确零假设的错误常被称为第一类错误（ type I error ）。 有第一类错误，就有第二类错误：那是备选假设正确时反而说零假设正确的错误，称为第二类错误（ type II error ）。 （4）计算检验统计量的值并进行判断 根据样本观测值计算统计量的观测值，并与临界值进行比较，从而在检验水平条件下对拒绝或接受原假设H0作出判断. 根据数据计算检验统计量的实现值（ t 值或F值）和根据这个实现值计算 p值 如果p - 值小于或等于α，就拒绝零假设，这时犯错误的概率最多为α；如果p - 值大于α，就不拒绝零假设，因为证据不足。 实际上，多数计算机软件仅仅给出 p - 值，而不给出 α 。这有很多方便之处。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千分之一而不是旧的 α 所表明的百分之五。 在这个意义上， p - 值又称为观测的显著性水平（ observed significant level ）。在统计软件输出 p - 值的位置，有的用 “ p-value ” ，有的用 significant 的缩写 “Sig” 3 ．关于 “ 临界值 ” 的问题： 过去的统计教科书中，使用临界值的概念进行假设检验，不计算p - 值。只比较统计量的取值和临界值的大小。使用临界值而不是p - 值来判断拒绝与否是前计算机时代的产物。当时计算p - 值不易，只采用临界值的概念。 现在计算机软件一般都不给出α和临界值，但都给出p - 值和统计量的实现值，让用户自己决定显著性水平是多少。 2.1 均值向量的检验 1、正态总体均值检验的类型 根据样本对其总体均值大小进行检验（ One-Sample T Test ） 如妇女身高的检验。 根据来自两个总体的独立样本对其总体均值的检验（ Indepent Two-Sample T Test ） 如两个班平均成绩的检验。 配对样本的检验（ Pair-Sample T Test ） 如减肥效果的检验。 多个总体均值的检验 （1）根据样本对其总体均值大小进行检验设取出一容量为n的样本，得到均值 和标准差s，现要透过样本推断总体均值 是否与某给定值（理论值或标准值） 有无差别进行检验.记 称H0为原假设，H1为备择假设，两者择其一：接受H0；拒绝H0