假设检验与方差分析[1].ppt

第五章  假设检验与方差分析 实际中的假设检验问题 1.产品自动生产线工作是否正常； 2.某种新生产方法是否会降低产品成本； 3.治疗某疾病的新药是否比旧药疗效更高； 4.厂商声称产品质量符合标准，是否可信； 5.学生考试成绩是否服从正态分布… 第一节 假设检验的基本概念 例2 原来的平均长度=4 cm，标准差=0.02 cm。样本：n=100，平均长度=3.948。改革后的平均长度=4？ 假设：改革后 =4，根据抽样分布理论，有： 假设检验的特点 采用逻辑上的反证法 ——先认为假设为真，观察在此前提下所抽到样本的出现是否合理。若合理则判断假设可接受，反之拒绝假设。 判断是否合理的依据统计上的小概率原理（即这里的反证法是基于一定概率的反证法）。 假设检验中的小概率原理 1. 小概率事件：发生概率很小的随机事件。 小概率原理：小概率事件在一次试验（观察）中几乎不可能发生。 什么样的概率才算小概率？ ——由研究者事先确定（根据决策的风险或要求的把握程度来决定），没有统一的界定标准。假设检验中把这个概率称为检验的 “显著性水平”。 二、假设检验的步骤 （一）提出假设 包括原假设和备择假设。 原假设——待检验的假设，也称为零假设，用 H0表示。 备择假设——也称对立假设，与原假设内容完全相反的假设。当拒绝原假设后应接受的假设。用 H1表示。 事实上，对某个问题提出了原假设，也就同时给出了备择假设。 假设的三种形式： （二）确定检验统计量及其分布 1. 检验统计量是用于假设检验问题的统计量； 2. 选择统计量的方法与参数估计中相同： 待检验的参数是什么 是大样本还是小样本 总体方差已知还是未知 常用的检验统计量有：Z、t、卡方、F统计量等。如 （三）规定显著性水平 ? 原假设为真时，拒绝原假设的概率，用?表示. 由研究者根据具体情况事先确定。 常取 0.01, 0.05, 0.10。 给定 了?，也就确定了临界值——原假设的接受区域与拒绝区域的分界点。 根据检验统计量的分布，由给定的? 查相应的概率分布表，即得临界值。如 采用Z统计量时?=0.05对应的临界Z0.05=1.645。 临界值还与检验形式有关。 （四）计算检验统计量的值 ——根据样本资料计算出检验统计量的观察值。 留待后面讲解的两个问题 1。检验的P值 与传统检验方法的比较。 2。怎样提出假设。 三、假设检验中的两类错误 1. 第一类错误（ “弃真”或“拒真” 错误） 原假设为真时拒绝原假设 犯第一类错误的概率为 ? (被称为显著性水平) Prob（拒绝H0 / H0为真）= ? 2. 第二类错误（“取伪”或“采伪”错误） 原假设不真时接受原假设 第二类错误的概率为 ?? Prob（接受H0 / H0不真）= ? ? 和 ? 的关系 给定α时考虑的因素 ——视两类错误所产生的后果轻重而定 当犯第一类错误的后果严重时，则希望尽可能不犯第一类错误，宁愿犯第二类错误，此时α宜小。 当犯第二类错误的后果严重时，则希望尽可能不犯第二类错误，宁愿犯第一类错误，此时α不宜太小 ——事前对原假设的信念 对原假设越有信心，则?越小；反之则?越大 影响 ? 错误的因素 1. 显著性水平 ? 随 ? 减少而增大 2. 总体参数的真值 随着总体参数的假设值与真实值的差异缩小而增大 样本容量 n 随着 n 增大，检验统计量的分布曲线更集中，曲线尾端的面积 ? 则减少。 4. 总体标准差 ? 当? 增大时 ? 增大 第二节 正态总体参数的检验 一、方差已知时对正态总体均值的检验 ——z检验法 二、方差未知时对正态总体均值的检验 ——t检验法 三、对正态总体方差的检验 —— 检验法 一、方差已知时对正态总体均值的检验——z检验法 H0: H1: 根据抽样分布理论，总体方差 已知时则 检验统计量为： Z检验法——利用服从标准正态分布的 Z 统计量进行假设检验的方法。 若总体不是正态分布, 但n?30时可近似采用Z检验 给定? 后，临界值查标准正态分布表而得。 单侧检验时，临界值=Za或－Za； 双侧检验时，临界值= －Za/2和Za/2。 （一）双侧检验（例） 问题：改革后生产的零件平均长度是否为4cm？ 检验的步骤： 提出原假设: H0: = 4和备择假设: H1: ? 4 选择检验统计量 Z 给定显著性水平1%，查临界值Za/2=2.58 计算检验统计量的观察值： z =-26 比较检验统计量的值|z|和临界值，作出结论 　（由于|z|＞临界值，拒绝原假设）。 单侧检验（例三） 某厂以