p值假设检定.ppt

p值小於? 之意義? ?=0.10，具有一些證據證明 H0 不真。 ?= 0.05，具有較強證據證明H0 不真。 ?= 0.01，具有強烈證據證明H0 不真。 ?= 0.001，具有極端強烈證據證明H0 不真。 10-* 母體平均數檢定：大樣本與母體標準差已知 因為母體標準差σ已知，且樣本個數 n大於 30，計算公式如下所示： 10-* 母體平均數檢定：大樣本與母體標準差未知 因為母體標準差未知，因此使用樣本標準差來估計σ。同樣的，若樣本個數 n 大於 30，可以使用 s 來代替σ，計算公式如下所示： 10-* 母體平均數檢定：小樣本與母體平均數未知 必須使用 t 分配取代標準常態分配。 其檢定統計量為： 10-* 範例 McFarland保險公司處理一件理賠案件需要花費 $60。與其他保險公司比較，McFarland 保險公司處理理賠案件的成本比其他公司高，因此該公司進行了降低成本的計畫。為了評估降低成本計畫的成效，McFarland 保險公司隨機抽選最近的 26 件理賠案件，其樣本資料如下所示： 在 0.01 的顯著水準下，可以說處理理賠案件的平均成本低於 $60 嗎？ 10-* 範例 continued 10-* 步驟 1：建立虛無假設與對立假設。 H0: μ ≥ 60；H1: μ 60 步驟 2：選擇顯著水準。 其為 0.01 範例 continued 步驟 3： 計算檢定統計量。 檢定統計量是 t 分 配。 因為樣本數小於 30。 我們可以合理地假設每件理賠案件的平均成本服從常態分配。 10-* 範例 continued 步驟 4：陳述決策法則。 附錄 B.2 表格最左邊的那一行標示為 df（自由度），即樣本內觀測資料數量減去樣本的組數，寫成 n－1。此範例的樣本數量是 26，組數是 1 組，所以自由度是26－1 = 25，在表格中找到自由度是 25 的那一列。此範例為單尾檢定，因此在表格中找到標示單尾部分，找出顯著水準 0.01 的那一行，再從左邊找到自由度為 25 的那一列，交叉點是 2.485，也就是所計算之檢定統計量值。此外，又因本例為單尾檢定且拒絕域在左邊，所以臨界值為負數（－2.485）。而決策法則是如果t值小於－2.485，就必須拒絕H0。 10-* 範例 continued 步驟 5：做決策。 26 個樣本的平均成本是 $56.42，樣本標準差是 $10.04。把這些值代入公式 [10-2] 中，計算出 t 值： 因為－1.818 落在臨界值－ 2.485 的右邊，所以在 0.01 顯著水準下，不能拒絕虛無假設。這表示降低成本計畫，並沒有將平均處理成本降至 $60 以下。也就是樣本平均數 $56.42與母體平均數 $60 之間的差距 $3.58，可能源自抽樣誤差。 10-* t-Distribution Table (portion) 10-* 範例 continued t 分配的拒絕域，顯著水準為 0.01 10-* 範例 一個小型平衡錘的平均長度是 43 公釐。生產主管認為調整後的機器所生產之平衡錘的長度已經改變，他要求工程部門進行調查。工程部門選取了 12 個平衡錘的樣本進行測量。其測量結果如下表所示： 可以說平衡錘的平均長度已經改變了嗎？請使用 0.02 顯著水準。 10-* 範例 continued 先建立虛無假設與對立假設。 H0：μ = 43 H1：μ≠ 43 本例為雙尾檢定，且其自由度是 n－1 = 12－1 = 11。根據以上資料，從附錄B.2中的雙尾檢定，使用 0.02 顯著水準找出 t 值是2.718。 決策法則是：如果檢定統計量 t 落在－2.718的左邊或是 2.718 的右邊，則拒絕虛無假設。我們將上述資訊整理成圖10-7。 10-* 範例 continued t 分配雙尾檢定的拒絕域，其中α= 0.02 10-* 範例 continued 使用公式 [10-2] 計算 t 值： 因為計算出來的 t 值是－2.913，落在－2.718的左邊區域，所以拒絕母體平均數是 43 公釐的虛無假設，接受對立假設。因此結論是母體平均數不是 43 公釐，機器需要再做調整。 10-* Population Standard Deviation- Example 2 continued 10-* 母體比例的檢定 比例的定義是成功次數與觀測資料總數量的比例。 10-* 母體比例的檢定 計算樣本比例 p 的公式為 10-* 假設檢定，單一比例 10-* π： 為母體比例