第三章节 区间估计与假设检验.ppt

第三章 区间估计与假设检验; 一、 区间估计 二、 假设检验;一、 区间估计 1. 点估计和区间估计 参数估计方法主要有两种：点估计和区间估计。 点估计：用样本的观测值估计总体未知参数的值。 由于样本的随机性，不同样本观测值计算得出的参数的估计值间存在着差异，因此常用一个区间估计总体的参数，并把具有一定可靠性的估计区间称为置信区间。 利用构造的统计量及样本观测值，计算得出参数的置信区间的方法称为参数的区间估计。; 2. 参数的置信区间 在区间估计中，对于总体的未知参数θ，求出两个 统计量θ1(X1，X2，...，Xn)和θ2(X1，X2，...，Xn), 分别估计θ的上限和下限， 使得总体参数在区间（θ1，θ2）内的概率为 P{θ1 θ θ2} = 1 – α 其中1 – α称为置信水平， (θ1，θ2)称为θ的置信区间， θ1,θ2分别称为置信下限和置信上限, 1 -α: 区间(θ1,θ2)以1 -α的概率包含了参数θ.;3. 正态总体均值和方差的置信区间 单个总体均值、方差的估计、 两个总体 均值差 的估计、方差比的估计 ;;表2 两个正态总体参数的置信区间; 4. 总体比例与比例差的置信区间 实际应用中经常需要对总体比例进行估计， 如产品合格率、大学生就业率、手机普及率等。 π—总体比例， P —样本比例， 则当样本容量n 很大时，样本比例P 近似正态分布。;;二、 假设检验 先对总体的参数(或分布)提出某种假设, 然后利用样本信息判断该假设是否成立的过程。 1. 假设检验的基本原理 小概率原理 “小概率事件在一次实验中几乎不可能发生” ， 首先给出原假设H0，备择假设H1， 经过一次抽样，若发生了小概率事件， 则怀疑原假设不真，拒绝原假设H0，接受H1； 反之，若小概率事件没有发生，就没有理由拒绝H0，从而应作出拒绝H1的决定。;... 因此我们拒绝假设 ? = 50;2. 假设检验的步骤 1) 根据问题确立原假设H0和备选假设H1； 2) 确定一个显著水平?，它是小概率事件的标准，常取为0.05, 0.01 ； 3) 选定合适的检验统计量W（通常在原假设中相等成立时，W的分布是已知的）， 根据W的分布及?的值，确定H0的拒绝域。 4) 由样本观测值计算W的观测值W0， 如果W0落入拒绝域，则拒绝H0； 否则，不能拒绝原假设H0。;1) 原假设和备择假设是一个完备事件组，相互对立； 2) 先确定备择假设，再确定原假设 ； 3) 等号“=”总是放在原假设上 ； 4) 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)。;在SAS中，利用p值做判断， 比较p和? ： p ?，拒绝原假设H0； p ?，不能拒绝原假设H0。;双侧检验的P 值;左侧检验的P 值;右侧检验的P 值; P 值通常由下面公式计算而得到： ● p = P{|W| ≥ |W0|} = 2 P{ W ≥ |W0|} （拒绝域为两边对称的区域时） ● p = P{W ≥ W0} （拒绝域为右边区域时） ● p = P{W ? W0} （拒绝域为左边区域时） ;3. 正态总体均值和方差的假设检验 对正态总体的参数进行假设检验是假设检验的重要内容， 如对单总体均值、方差的检验、两总体均值之差的检验和两总体方差比的检验等。;t ≥ tα(n – 1);;;4. 总体比例与比例差的检验 ; 一、使用INSIGHT模块 二、使用“分析家” 三、使用TTEST过程;一、使用INSIGHT模块 1. 总体均值的区间估计 【例3-1】某药材生产商要对其仓库中的1000箱药材的平均重量进行估计，药材重量的总体方差未知，随机抽取16箱样本称重后结果下表所示。 设药材重量数据存放于数据集Mylib.yczl中，其中重量变量名为weight。求该仓库中每箱药材平均重量在95%置信水平下的置信区间。;步骤如下： 1) 启动INSIGHT模块，并打开数据集Mylib.yczl； 2) 选择菜单“Analyze”→“Distribution(Y)”； 3) 在打开的“Distribution(Y)”对话框中进行区间估计的设置（如图）。;结果表明，该仓库中药材的平均重量以95%的可能性位于50.08千克至52.92千克之间。;2. 单样本总体均值的假设检验 【例3-2】一家食品厂以生产袋装食品为主，每天的产量大约为8000袋，每袋重量规定为100克。为了分析每袋重量是否符合要求，质检部门经常进行