第六章假设检验讲述.pptx

统计学原理;第一节 假设检验概述;一、假设检验的基本概念 假设检验是统计推断的另一种方式，它与区间估计的差别主要在于：区间估计是用给定的大概率推断出总体参数的范围，而假设检验是以小概率为标准，对总体的状况所做出的假设进行判断。假设检验与区间估计结合起来，构成完整的统计推断内容。假设检验分为两类：一类是参数假设检验，另一类是非参数假设检验。本章分别讨论这两类检验方法。 ;假设检验是一种推理，特点： 1.用反证法思想，为了检验 是否成立，先假定此假设是成立的，再看由此会产生什么后果。若导致一个不合理现象出现，表明原假设不正确，拒绝 。 2.区别于数学中反证法，这里所谓“不合理”，并不是形式逻辑中的绝对的矛盾，是基于人们在实践中广泛应用的小概率原理。 小概率原理：即指概率很小的事件在一次试验中实际上不可能出现。这种事件称为“实际不可能事件”。 ;例1：消费者协会接到消费者投诉，指控品牌纸包装饮料存在容量不足，有欺骗消费者之嫌。包装上标明的容量为250毫升。消费者协会从市场上随机抽取50盒该品牌纸包装饮品，测试发现平均含量为248毫升，小于250毫升。这是生产中正常的波动，还是厂商的有意行为？消费者协会能否根据该样本数据，判定饮料厂商欺骗了消费者呢？;消费者协会实际要进行的是一项统计检验工作。检验总体平均 =250是否成立。这就是一个原假设(null hypothesis)，通常用 表示，即： ： =250 ;;构造一个统计量来决定是“接受原假设，拒绝备选假设”，还是“拒绝原假设，接受备选假设”。对不同的问题，要选择不同的检验统计量。检验统计量确定后，就要利用该统计的分布以及由实际问题中所确定的显著性水平，来进一步确定检验统计量拒绝原假设的取值范围，即拒绝域。在给定的显著性水平α下，检验统计量的可能取值范围被分成两部分：小概率区域与大概率区域。小概率区域就是概率不超过显著性水平α的区域，是原假设的拒绝区域；大概率区域是概率为1-α的区域，是原假设的接受区域。 ;一般步骤：;二、两种类型的错误 ; 越大，就也有可能犯第I类错误???即越有可能否定真实的原假设。 越大，就越有可能犯第II类错误，即越有可能接受非真的原假设。 我们希望犯这两类错误的概率都尽可能小，但在一定样本容量下，减少 会引起 增大，减少 会引起 增大。 在假设检验中，我们一般事先规定允许犯第I类错误的概率 ，然后尽量减少犯第II类错误的概率 。 ;三、检验功效*;一、单侧检验与双侧检验;;第二节 总体参数检验;双侧检验;双侧检验的接受区域和拒绝区域;单侧检验;二、总体平均数检验;（一）总体标准差已知;;;;;;例2：为考察某种类型的电子元件的使用寿命，假定该电子元件使用寿命分布为正态分布。并且据历史记录得知该分布的参数为：平均使用寿命 为100小时，标准差10小时。现在随机抽取100个该类型电子元件，测定平均寿命为102小时，给定显著性水平α=0.05，问该类型的电子元件的使用寿命是否有明显提高。;解：此题为右侧检验。 第一步，建立假设 ， 第二步，确定检验统计量及其分布 第三步，确定临界值，右单侧检验临界值 显著性水平α=0.05，查标准正态分布表得临界值： =1.645，拒绝域是z1.645。;第四步：计算样本统计量 第五步：由于计算的样本统计量z1.645，所以拒绝原假设，说明该类型的电子元件的使用寿命确实有所提高。 ;（二）总体标准差未知;例3：某糖果生产基地，生产的标准是每袋糖果的净重500克，今从一批产品中抽取10袋，实际测定糖果的平均净重为500.7克，样本标准差为6.601克。给定显著性水平0.01，试问该批糖果的生产是否正常。 ;解：（1）建立假设 （2）确定样本统计量及分布 总体标准差未知，用样本标准差代替，使用t统计量： （3）确定临界值，双侧检验，n=10，α=0.01,查t分布表得到 ，拒绝区域为;（4）计算样本统计量 （5）判断，t=0.335在[-3.25,3.25]，所以不能拒绝原假设，即在99%的可靠性下，可以认为该批生产正常。 ;例4：接例3，假定所要检验的是该批生产是否显著的高于标准。 解：此题变为右单侧检验。 （1）建立假设 （2）样本统计量同例3 （3）确定临界值，属于单侧检验，n=10，α=0.01,查t分布表得到 ;（4）计算统计量， （5）t=0.3352.821,所以不能拒绝原假设，可以认为该类生产没有显著的高于标准。;三、总体成数的检验 ;;;;;;四、p-值检验;p-值检验就是通过计算p-值，再将它与显著性水平α作比较，决定拒绝还是接受