假设检验简介.ppt

陈素明 日期：2008年5月 来自圣地亚哥的焦虑！？ 你将对她说什么?对她的丈夫说什么? 如果她说怀孕260天,你对她怀疑吗? 如果她说怀孕400天,你对她怀疑吗? 从哪个时间点起你开始怀疑呢?请标示。 假设检验可以帮助我们…… 适当地处理不确定度 降低主观因素 质疑假设 避免重要信息的遗漏 决策错误的风险管理 我们可能在流程不佳的情况下，却得到良好的流程样本； 我们可能在流程良好的状况下，抽取到不良的流程样本 我们声称改善了流程，结果却只是取样的现象而已 不论何种情况，我们都可能做出错误的推断 假设检验定义 假设检验：根据所获样本，运用统计分析方法对总体X的某种假设做出接受或拒绝的判断。 在实际工作中遇到样本均数与总体均数间或样本均数与样本均数间不相等时，要考虑两种可能：由于抽样误差所致；两者来自不同总体。如何作出判断？统计上是通过假设检验来回答这个问题。 建立假设 原假设，符号为H0：假设两个总体均数相等（μ=μ0），即样本均数x所代表的总体均数μ与另一个总体均数μ0相等， μ和μ0差别仅仅由抽样误差所致。原假设被假定是对的，我们不假设我们的实验是有效的，除非证明无效的概率小到难以置信。 备择假设：符号为Ha或H1。在原假设被拒绝时应接受的假设。 若目的是推断两总体是否不等（即是否μ≠μ0），并不关心μ＞μ0还是μ＜μ0，应用双侧检验，H0：μ=μ0，H1：μ≠μ0； 若从专业知识中已知μ＞μ0,不会出现μ＜μ0（或已知μ＜μ0，不会出现μ＞μ0，或目的是推断是否μ＞μ0（或μ＜μ0），则用单侧检验，H0：μ=μ0，H1：u＞μ0（或μ＜μ0）。 二者都是根据推断的目的提出的对总体特征的假设。 请说出以下假设的原假设和备择假设 正态性检验 相关性分析 方差同质性检验 采用层压牛皮纸剪边角方法对板材厚度合格率的改善； 新员工OJT 培训后岗位技能考试成绩是否提高； 公司员工招聘是否受应聘者年龄的影响。 两类判断错误 确定检验水准 检验水准：亦称显著性水准，符号为α ，是发生第I类错误（拒真错误）的概率。α-风险的等级设定，是依据我们对“无差别”的假设和概率分布的类型来决定的。常选α=0.05，有时也选0.10或0.01。 第II类错误（取伪错误）发生的概率，记为β。 理论研究表明： 1.在相同样本量下，要使α 小，必导致β 大； 2.在相同样本量下，要使 β小，必导致α大； 3.要使α、 β皆小，只有增大样本量才可达到，这在实际中有时并不可行。 确定P值，作出推断结论 P：H0为真时发生的概率。 用算得的统计量与相应的界值作比较，确定P值。 根据P值大小作出拒绝或不拒绝H0的统计结论：若Pα则拒绝H0，若Pα则接受H0。 应用实例/Minitab操作说明 MINTAB共提供了7种假设检验的方法： 1、单样本Z检验（1-Sample Z） 2、单样本t检验（1-Sample t） 3、双样本t检验（2-Sample t） 4、成对t检验（Paired t） 5、单比例检验（1 Proportion） 6、双比例检验（2 Proportion） 7、双样本方差假设检验（2 Variances） 单样本Z检验/t检验： 单样本Z检验/t检验：计算连续型单样本总体均值的置信区间或进行均值的假设检验。 步骤： 1、单样本Z检验（1-Sample Z） 用于总体标准偏差已知时，计算单样本总体均值的置信区间或进行均值的假设检验。 当样本容量大于30时，多采用单样本Z检验。 实例：为了检验某班生产的面料单重总体均值是否等于371，特抽取以下70组数据： 用单样本Z检验方法进行检验，在此之前已算得其标准偏差为1.28667： 进入Minitab界面，将数据按以下格式输入Minitab： 作控制图分析和正态性测试 操作：StatBasic Statistics1-Sample Z 输出结果 P值大于0.05，则拒绝备选假设：总体均值≠371 2、单样本t检验（1-Sample t） 用于总体标准偏差未知时，计算连续型单样本总体均值的置信区间或进行均值的假设检验。 当样本容量小于或等于30时，多采用单样本t检验。 实例：为了检验某位混胶员工生产的胶水GT总体均值是否等于规格中心220，特抽取以下26组数据： 1、进入Minitab界面，将数据按右边格式输入Minitab： 2、作控制图分析和正态性测试 3、操作：StatBasic Statistics1-Sample t 4、输出结果： 任务视窗Session输出如下： One-Sample T: GT Test of mu = 220 vs mu not = 220 Variable N Mean StDev SE Mean GT