CH08 第八章假设检验.ppt

第八章 假设检验 一、对研究性假设的检验 如我们前面的案例就可以看成是一个研究性假设的例子。 研究性假设是：改进后的车型更节油，即平均油耗低于8.48升。 通常，研究性假设作为备择假设。 则上例中我们可建立如下的零假设和备择假设： 例：某饮料生产商声称他们生产的两升罐装饮料平均至少有67.6盎司中的饮料。为了检验该生产商的陈述，我们将抽取一个两升灌装饮料的样本，然后对其中所装应料的重量进行测量。 该问题即属于对陈述正确性的检验，一般的，我们都先假定生产商的陈述属正确的。 则上例中我们可建立如下的零假设和备择假设： 三、对决策情况下的检验 不管接受零假设还是接受备择假设，都须作出决策。 例：根据从刚刚收到的货物中所抽取的零件的样本，质量控制检验员就必须做出决策：是接受这批货物还是因为其不符合规格而向供应商退回这批货物。假定零件的平均长度是2英寸。 则上例中我们可建立如下的零假设和备择假设： 建立零假设和备择假设总结： 设 表示在零假设和备择假设中考虑的某一特定数值。一般来说，对总体均值的假设检验采取下面的三种形式之一： 第一类错误： 拒绝正确的原假设，简称“拒真”； 第二类错误 ：接受错误的原假设，简称“纳伪” 如下所示： 我们把两类错误发生的概率表示如下： α——第一类错误发生的概率； β——第二类错误发生的概率； 在实践中，我们通常确定允许犯第一类错误的概率的最大值，将其称为显著性水平。 可以选择α=0.05或α= 0.01。 例：联邦贸易委员会定期进行调查，目的是检验生产商们对自己产品的陈述。例如，大听的Hilltop咖啡的标签标明：听内至少装有3磅的咖啡，我们用假设检验来检验标签的陈述是否正确。若抽取了36听咖啡作为样本。 步骤： 1.建立零假设和备择假设。 若根据样本计算出来的样本平均重量低于3磅，我们就可以怀疑零假设的正确性。究竟样本低到什么程度我们才可以认为对总体所作的假定是错误的呢?即愿意冒第一类错误的风险，错误的控告该公司违背了标签的陈述。 这取决于决策者的态度。 当n=36时，样本均值服从正态分布，我们可以用 统计量 的取值来衡量样本均值偏离总体均值的程度。 我们先考察 的情况，下图表明观察到的样本均值低于总体均值的1.645倍标准差的概率是0.05。如果FTC认为，犯第一类错的概率为0.05是可以接受的，那么，只要统计量z的值显示样本均值低于总体均值的1.645倍的标准差以上，我们就可以拒绝零假设。也就是 在进行检验之前，我们要确定犯第一类错误的最大允许概率，即显著性水平。 在上例中，假定FTC的检验计划的主管人员作出了下列陈述：如果公司的产品重量符合技术规格的要求 ，我们就有99%的概率部队该公司采取不利的行动。当我们控告该公司的产品重量不足时，我们愿意冒的犯这类错误的风险的概率是1%。 可以推定， 。查标准正态分布表，可得临界值为2.33。 若根据样本均值计算得Z值小于-2.33，就可以拒绝零假设，接受备择假设。 称 假定根据36个听装咖啡样本计算出的均值 ，有根据以前的研究，我们知道总体的标准差 ，计算z值： 若 ，则统计量的值 如果 ，犯第一类错误的概率比 时犯第一类错的概率小。检验统计量的值在拒绝域内出现的可能性更大。 所以，确定检验的临界值时，只要假定 可以了。 总结 在大样本情况下，无论总体标准差已知或未知，样本均值总是服从正态分布，则可归纳左侧检验的一般步骤： 1、建立零假设和备择假设 2、确定检验统计量，并计算其值 3、根据事先确定的显著性水平，查标准正态分布表得临界值 4、拒绝规则： 同理，在大样本情况下，右侧检验的一般步骤： 1、建立零假设和备择假设 2、确定检验统计量，并计算其值 3、根据事先确定的显著性水平，查标准正态分布表得临界值 4、拒绝规则： 2、确定检验统计量，并计算其值 3、 4、 P值是指观察到的样本均值小于或等于观察值的概率。也可以称为观测的显著性水平。