假设检验基础：单样本检验 (1).pptVIP

P值检验示例（续） 5. p值 α? p值 = 0.0456 α = 0.05 拒绝 H0 没有足够的证据支持电视在美国家庭的平均数等于3的结论 假设检验（ σ 未知） 如果总体标准差未知，我们只能利用样本的标准差S 来完成检验 因为这一变化，我们需要用t检验来替代Z检验，去检验原假设是否有效 当使用t分布时，我们需确认所抽样的总体是服从正态分布的 其他的步骤和方法就与前面的相同 均值的t假设检验 (σ 未知) Hypothesis Tests for ? σ Known σ Unknown ? Known ? Unknown (Z test) (t test) Hypothesis Tests for ? σ Known σ Unknown ? Known ? Unknown (Z test) (t test) 检验统计量： 均值 ?的假设检验 σ Known σ Unknown ? 已知 ? 未知 (Z 检验) (t 检验) 例子（双尾检验， ? 未知） H0: μ = 168 H1: μ 1 168 例解 a = 0.05 n = 25 df = 25-1=24 ? 未知，使用 t 检验 临界值 : ±t24,0.025 = ± 2.0639 不能拒绝H0 拒绝 H0 拒绝 H0 a/2=.025 -t 24,0.025 不拒绝 H0 0 a/2=.025 -2.0639 2.0639 1.46 H0: μ = 168 H1: μ 1 168 t 24,0.025 采用p值法完成双尾T检验 P值 α 因此不能拒绝 H0 单尾检验 在很多情况，备注假设关注的是某一边的情况 H0: μ ≥ 3 H1: μ 3 H0: μ ≤ 3 H1: μ 3 备择假设关注的是低于均值3的 lower-tail 备择假设关注的是高于均值3的upper-tail lower-tail检测 拒绝 H0 接受 H0 这里只有一个临界值，拒绝域只在一边存在 a -Zα or -tα 0 μ H0: μ ≥ 3 H1: μ 3 Z or t X 临界值 upper-tail检测 拒绝 H0 接受 H0 a Zα or tα 0 μ H0: μ ≤ 3 H1: μ 3 这里只有一个临界值，拒绝域只在一边存在 临界值 Z or t X _ 例子: 基于均值的Upper-Tail t 检验 (?未知) 一个电话公司的管理人员认为客户每月的电话费用在上升，现在平均每月的费用超过了$52，公司希望检测这种说法的可靠性 (假设总体呈正态分布) H0: μ ≤ 52 每月电话费均值没有超过$52 H1: μ 52 每月电话费均值超过$52 形成假设检验: 例解：找出拒绝域 拒绝 H0 接受 H0 假设置信水平：? = 0.10 此次检测的抽样样本 n = 25. 找出拒绝域: ? = 0.10 1.318 0 拒绝 H0 如果 tSTAT 1.318，拒绝 H0 例解：计算检验值 假设检验样本得出如下结论： n = 25, X = 53.1, and S = 10 检验统计量是: 例解：结论 拒绝t H0 接受H0 ? = 0.10 1.318 0 拒绝 H0 因为 tSTAT = 0.55 ≤ 1.318， 不能拒绝 H0 没有足够的证据证明假设不成立 tSTAT = 0.55 例：利用p值法检验 p值和?进行比较 拒绝 H0 ? = 0.10 接受 H0 1.318 0 拒绝 H0 tSTAT = .55 P值 = 0.2937 因为p值 = 0.2937 ? = 0.10，因此不能拒绝 H0 例解：p值计算 比例假设检验 比例的假设检验 p抽样分布符合正态分布，所以单样本比例的Z检验 ZSTAT 值: nπ ? 5 和 n(1-π) ? 5 p概率假设 nπ 5 或 n(1-π) 5 后续章节介绍 成功次数的比例Z检验 将分子和分母都乘以n，将Z检验统计量转换成成功次数X的形式: X ? 5 and n-X ? 5 成功次数的假设X X 5 or n-X 5 后续章节再介绍 例：比例的Z检验（临界值法） Check: n π = (500)(.08) = 40 n(1-π) = (500)(.92) = 460 求解 a = 0.05 n = 151, p = 0.5166 在 ? = 0.05下，接受H0 H0: π = 0.5 H1: π 1 0.5 临界值: ± 1.96 Test Statistic: 决策: 结论: z 0 拒绝 拒绝 .025 .02