powerpoint(第七章：假设检验).ppt

第七章 假 设 检 验 学习重点与难点 了解假设检验的基本思想 掌握假设检验的步骤 能对实际问题作假设检验 利用置信区间进行假设检验 利用P - 值进行假设检验 假设检验在统计方法中的地位 第一节 假设检验的一般问题 一、假设检验的概念与思想 什么是假设? 对总体参数的一种看法 总体参数包括总体均值 、比例、方差等 分析之前必需陈述 什么是假设检验？ 概念 事先对总体参数或分布形式作出某种假设 然后利用样本信息来判断原假设是否成立 类型 参数假设检验 非参数假设检验 特点 采用逻辑上的反证法 依据统计上的小概率原理 假设检验的基本思想 假设检验的过程（提出假设→抽取样本→作出决策) 假设检验的步骤 提出原假设和备择假设 确定适当的检验统计量 规定显著性水平a 计算检验统计量的值 作出统计决策 提出原假设和备择假设 ? 什么是原假设？(Null Hypothesis) 1. 待检验的假设，又称“0假设” 2. 如果错误地作出决策会导致一系列后果 3. 总是有?, ? ,或? 4. 表示为 H0 H0：某一数值 指定为 = 号，即￡或3?? 例如, H0： ? ? 3190（克） 为什么叫 0 假设？ 之所以用零来修饰原假设，其原因是原假设的内容总是没有差异或没有改变，或变量间没有关系等等 零假设总是一个与总体参数有关的问题，所以总是用希腊字母表示。关于样本统计量如样本均值或样本均值之差的零假设是没有意义的，因为样本统计量是已知的，当然能说出它们等于几或是否相等 ? 什么是备择假设？(Alternative Hypothesis) 1. 与原假设对立的假设 2. 总是有1, 或? 3. 表示为 H1 H1： ? 某一数值，或? ?某一数值 例如, H1：m 3910(克)，或m 3910(克) ? 什么是检验统计量？ 1. 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相同，需考虑 是大样本还是小样本 总体方差已知还是未知 3. 检验统计量的基本形式为 规定显著性水平? ? 什么显著性水平？ 1. 是一个概率值 2. 原假设为真时，拒绝原假设的概率 被称为抽样分布的拒绝域 3. 表示为a (alpha)? 常用的a值有0.01, 0.05, 0.10 4. 由研究者事先确定 作出统计决策 1、计算检验的统计量 2、根据给定的显著性水平a，查表得出相应的临界值Za或Za/2 3、将检验统计量的值与a水平的临界值进行比较 4、得出接受或拒绝原假设的结论 假设检验中的小概率原理 ? 什么小概率？ 1. 在一次试验中，一个几乎不可能发生的事件发生的概率 2. 在一次试验中小概率事件一旦发生，我们就有理由拒绝原假设 3. 小概率由研究者事先确定 什么是小概率？ 概率是从0到1之间的一个数，因此小概率就应该是接近0的一个数 著名的英国统计家Ronald Fisher 把20分之1作为标准，这也就是0.05，从此0.05或比0.05小的概率都被认为是小概率 Fisher没有任何深奥的理由解释他为什么选择0.05，只是说他忽然想起来的 假设检验中的两类错误 第一类错误 （弃真错误） —原假设为真时拒绝原假设 —会产生一系列后果 —第一类错误的概率为? ?被称为显著性水平 第二类错误 （取伪错误） 原假设为假时接受原假设 第二类错误的概率为??(Beta) ? 错误和 ? 错误的关系 影响 ? 错误的因素 1. 总体参数的真值 -随着假设的总体参数的减少而增大 2. 显著性水平 ? -当 ? 减少时增大 3. 总体标准差 ? -当 ? 增大时增大 4. 样本容量 n 当 n 减少时增大 双侧检验与单侧检验 (假设的形式) 双 侧 检 验（原假设与备择假设的确定） 双侧检验属于决策中的假设检验。也就是说，不论是拒绝H0还是接受H0，我们都必需采取相应的行动措施 例如，某种零件的尺寸，要求其平均长度为10厘米，大于或小于10厘米均属于不合格 建立的原假设与备择假设应为 H0: ? = 10 H1: ? ? 10 双 侧 检 验（确定假设的步骤） 例如：问题为: 检验该企业生产的零件平均长度为4厘米 步骤 从统计角度陈述问题 (? = 4) 从统计角度提出相反的问题 (? ? 4) 必需互斥和穷尽 提出原假设 (? = 4) 提出备择假设 (? ? 4) 有 ? 符号 双 侧 检 验（例子） 提出原假设: H0: ? = 4 提出备择假设: H1: ? ? 4 双 侧 检 验（显著性水平与拒绝域）