假設檢定 - 朝陽科技大學.pptVIP

學習目標 瞭解假設檢定意義與程序。 依研究問題之目的正確地設定假設敘述。 依研究問題之性質找到合適的檢定統計量。 依檢定統計量與假設敘述之關係確定拒絕域。 以統計語言說明假設檢定的結論，並清楚知道其意義。 瞭解何謂p值。 本章架構 10.1 假設檢定的基本概念 10.2 母體平均數 μ 的假設檢定—大樣本 10.3 母體平均數 μ 的假設檢定—小樣本 10.4 母體比例 p 的假設檢定—大樣本 10.5 母體變異數σ2 之假設檢定 10.6 p值 10.7 利用Excel 協助處理假設檢定 10.1 假設檢定的基本觀念 10.1.1 虛無假設與對立假設 10.1.2 建立兩個假設的原則 10.1.3 假設檢定之形式 10.1.4 決策法則 10.1.5 型Ⅰ錯誤和型Ⅱ錯誤 10.1 假設檢定的基本概念(續) 假設檢定（hypothesis testing）之程序 抽取具有代表性的樣本。 建立兩個假設。 選取適當的檢定統計量。 在固定的顯著水準下，訂定決策法則。 將樣本資料代入所選擇的檢定統計量，計算檢定統計量的值。 根據決策法則，下結論。 10.1.1 虛無假設與對立假設 虛無假設（null hypothesis） 對母體參數值的某一假設，通常假定此假設是真 實的，通常以H0表示之。 對立假設（alternative hypothesis） 對母體參數值提出與虛無假設相反的假設，通常 以H1或H?表示之。 10.1.2 建立兩個假設的原則 將樣本資料驗證的假設敘述設為對立假設，與此相反的假設敘述則設為虛無假設。 將具重要性的假設敘述，設為對立假設。 將與現狀不同的假設敘述，設為對立假設。 將宣稱相反的假設敘述，設為對立假設。 10.1.3 假設檢定之形式 右尾檢定（right-tailed test） H0：? ? ?0（或H0：? = ?0 ） H1：? ?0 左尾檢定 （left-tailed test） H0：? ? ?0（或H0：? = ?0 ） H1：? ?0 雙尾檢定（two-tailed test） H0：? = ?0 H1：? ? ?0 10.1.4 決策法則 為驗證那一個假設是對的，須透過隨機抽樣，並將此隨機樣本組成一個統計量，再以此統計量之值的大小來判斷那一個假設為真。檢定虛無假設真偽之統計量，統計上稱為檢定統計量（test statistic）。 圖10.1 為在平均等候時間分別為10分鐘（μ=10）及15分鐘（μ=15）情況下，檢定統計量 的抽樣分配情形。若所抽取之樣本顯示 值偏大，我們會傾向認定μ=15；若所抽取之樣本顯示 值偏小，我們會傾向認定μ=10。 因此我們可選定一數值c，凡 ＞c，就支持μ=15；若 ≦c，就支持μ=10。數值c稱為臨界值（critical value）。 10.1.4 決策法則（續） 圖10.1 X在?=10與?=15的抽樣分配 10.1.5 型I錯誤和型II錯誤 型 I 錯誤（type I error） H0為真，拒絕H0的決策。 型II錯誤（type II error） H1為真，不拒絕H0的決策。 顯著水準? （significance level） 發生型 I 錯誤的機率，通常設為0.1、0.05或0.01。 ? 發生型 II 錯誤的機率。 10.1.5 型I錯誤和型II錯誤（續） 表10.1 假設檢定中不同決策之影響 10.1.5 型I錯誤和型II錯誤（續1） 若 大於臨界值c時，即稱檢定統計量之值落入拒絕域內，則可大膽拒絕虛無假設H0，因為在H0為真下，檢定統計量之值會落入拒絕域內的機率相當小，不會大於其所設定之顯著水準α。 若檢定統計量之值未落入拒絕域內，則不能貿然支持H0是對的，僅不拒絕虛無假設H0，因為支持H0所冒的型 II 錯誤β可能很高。 10.1.5 型I錯誤和型II錯誤（續2） ?與?的取捨 選大一點的臨界值 c，可降低犯型 I 錯誤之機率 ?，卻提高了犯型 II 錯誤之機率 ?。 選定小一點的臨界值c，可降低犯型 II 錯誤之機率 ? ，卻提高了犯型 I 錯誤之機率 ? 。 唯一可同時降低 ? 與 ?的辦法，就是增加樣本大小 n 值。 因犯型I 錯誤的後果比犯型 II 錯誤的後果嚴重，故在制定決策法則時，通常以 ? 值固定之下求 ?值最小為原則。 例 10.1 銀行客戶等待時間的檢定 銀行經理懷疑客戶平均等待時間大於10分鐘，因此設立虛無假設與對立假設