假设检验分析.docVIP

第五章 假设检验 (inferential statistics)，研究的范围是统计推断（statistical inference）的方法和理论。统计推断指的是根据样本和假定模型对总体做出的概率形式结论的过程。推断统计学主要包括假设检验（hypothesis testing, test of hypothesis）和参数估计（parametric estimation）两部分内容。比如，由一个样本平均数可以对总体平均数做出估计，但样本平均数包含有抽样误差，用包含有抽样误差的样本平均数来推断总体，其结论并不是绝对正确的，因而要对样本平均数进行假设检验。 假设检验又叫显著性检验（test of significance），t检验、F检验和(2检验等。尽管这些检验方法的用途及使用条件不同，但其检验的基本原理是相同的。本章以单样本平均数（总体标准差已知）的假设检验为例来阐明假设检验的原理和步骤，然后介绍单样本平均数（总体标准差未知）的假设检验和两个样本的假设检验，最后介绍区间估计（interval estimation）的基本知识。 第一节 统计推断的基本知识 一、概述 例5.110 kg。结果可能有4种可能，（1）他很诚实，即( = 10 kg；（2）他很保守，即( 10 kg；（3）他是个骗子，即( 10 kg；（4）他也是个新手，不知道每袋到底有多少，即( ( 10 kg。为了进行检验，该大学生测量了25袋内容物的重量，结果平均重10.36 kg，假设已知方差为1 kg2。 案例1：检验销售商是否是保守的。 H0为( = 10 kg。另一个假设为备择假设，它实际上是你的看法，本例的备择假设HA为： ( 10 kg。 因此，本例的假设可以写为： H0： ( ( 10 kg，HA： ( 10 kg 这两个假设互斥，而且包括了所有可能性。因此，H0和HA只能有一个正确，而不可能都正确。 如果原假设H0正确，则我们期望25袋内容物的重量小于或等于10kg。如果备择假设(HA)正确，则每袋内容物应该“显著（significant）”地高于10 kg；这里的“显著”是一个统计学概念，指的是这时H0发生是一个小概率(rare)事件。统计上用来确定或否定原假设为小概率事件的概率标准叫显著性水平（significance level）或检验水平（size of a test），记作(。H0发生概率如果小于或等于5%，一般认为是小概率事件，这也是统计上达到了“显著（significant）”，这时的显著水平为5%；如果H0发生的概率小于或等于1%，则认为达到了“极显著（highly significant）”。 为了确定H0发生的概率，需要找到合适的检验统计数（test statistic），使得在原假设和备择假设成立时，该统计数的值有差异，从而可使我们能够根据这个统计数的值的大小确定H0发生的概率。根据前一章的第6节，样本平均数服从正态分布，期望值等于总体平均数，方差等于总体方差与样本含量平方根的比值。由上一章第3节例4.7，可以构造u统计数： u = = = = 1.8 上式中的u统计量又称z分数（z score），或临界比率（critical ratio），它是一个标准正态分布离差。这种利用u统计数进行假设检验的方法称为u检验（u test）；如果把u统计数写成z统计数，也称z检验（z test）。上式中称为平均数的标准误（standard error of the mean），为平均数的抽样标准差；它告诉我们的是未来抽样中平均数的期望变异性。请注意与标准差（(）的区别，( 描述的是总体，度量的是总体中个体的变异。 因此， P( ( 10.36kg) = P(u ( 1.8) = 1 – P(u 1.8) = 1 – 0.9641 = 0.0359 结果表明，如果原假设正确，则25袋内容物的平均重为10.36的概率只有0.0359，即3.59%，它小于5%，因此，认为均值10.36为一个小概率事件，可以拒绝H0，接受HA。这里我们通过利用统计数服从的分布，计算出统计数发生的概率大小，该概率记作P值（P value）。P值是显著水平的实际观察值。许多计算机软件给出的结果为P值，是否拒绝或者接受H0留给研究人员自己判断。如果P值小于事先规定的(值，则拒绝H0，否则就接受H0。 由附表1或2可知，如果H0正确，则HA发生5%时的u值等于u( = 1.645，该值可以用来确定当假设H0正确时，统计数的发生是否是一个小概率事件，u( 称为临界值（critical value）。临界值1.645规定了接受区域（acceptance region, region of acceptance）为(– (, 1.645)，拒绝区域（re