刘超_简明应用统计学_第2版 第6章_统计推断：假设检验.ppt

简明应用统计学（第2版） 第 6 章 假设检验 6.1 引言 6.2 假设检验的基本概念 6.3 正态总体均值的假设检验 6.4 总体比例的假设检验 6.5 定性数据的假设检验 第2章 描述数据：频数分布与图形表示 2.1 引言 2.2 构造频数分布 2.3 茎叶图 2.4 频数分布的图形表示 2.5 如何用统计图显示数据 学习目标 1. 了解假设检验的统计思想。 2. 熟悉五步假设检验程序。 3. 区别单边与双边假设检验。 4. 对单个总体的均值和比例进行假设检验。 5. 对独立样本和配对样本的均值差进行假设检验。 6. 对两个总体的比例之差进行假设检验。 7. 相关理论在统计软件中的应用。 8. 相应统计分析结果的解读。 6.1 引言 我们经常需要检验类似下面的一些例子: (1)调查显示,2009年硕士毕业生平均起薪为2741元。 (2)汽车厂商声称其发动机排放标准的一个指标平均低于20个单位。 (3)企业要求生产的一种电子元件的使用寿命不得低于1000小时。 (4)某研究报告说用于治疗慢性萎缩性胃炎的传统药物的有效率为85%。 (5)两种品牌电池的使用时间是否有差异? (6)房屋中介公司中的男性中介与女性中介的房屋销售额是否有差别? (7)两大企业或者两个地区某个经济指标的比率是否有差异? (8)如果把音乐引入生产线,生产率是否有提高? 6.2 假设检验的基本概念 6.2.1 假设问题的提出 6.2.2 假设的表达式 6.2.3 两类错误 6.2.4 假设检验的流程 6.2.5 利用P值进行决策 6.2.6 单侧检验 假设问题的提出：什么是假设?(hypothesis)  对总体参数的的数值所作的一种陈述 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? (hypothesis testing) 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 有参数假设检验和非参数假设检验 采用逻辑上的反证法，依据统计上的小概率原理 提出原假设和备择假设  什么是原假设？(null hypothesis) 待检验的假设，又称“零假设” 研究者想收集证据予以反对的假设 3. 总是有等号 ,  或 4. 表示为 H0 H0：  某一数值 指定为 = 号，即  或  例如, H0：  8888（克） 提出原假设和备择假设  什么是备择假设？(alternative hypothesis) 与原假设对立的假设，也称“研究假设” 研究者想收集证据予以支持的假设总是有不等号: , 或  表示为 H1 H1： 某一数值，或 某一数值 例如, H1： 8888(克)，或 8888(克) 假设检验中的两类错误(决策风险) 1. 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 2. 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 假设检验的流程 提出假设 确定适当的检验统计量 规定显著性水平 计算检验统计量的值 作出统计决策 假设检验的流程  什么是检验统计量？ 1. 用于假设检验决策的统计量 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 检验统计量的基本形式为 确定适当的检验统计量 规定显著性水平(significant level)  什么是显著性水平？ 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 (alpha) 常用的 值有0.01, 0.05, 0.10 4. 由研究者事先确定 作出统计决策 计算检验的统计量 根据给定的显著性水平，查表得出相应的临界值z或z/2， t或t/2 将检验统计量的值与 水平的临界值进行比较 得出拒绝或不拒绝原假设的结论 利用P值进行决策(P-value) P-值是一个概率值 如果原假设为真，P-值是抽样分布中大于或小于样本统计量的概率 左侧检验时，P-值为曲线上方小于等于检验统计量部分的面积 右侧检验时，P-值为曲线上方大于等于检验统计量部分的面积 被称为观察到的(或实测的)显著性水平 H0 能被拒绝的最小值 双侧检验的P 值 左侧检验的P 值 右侧检验的P 值 抽样分布 利用 P 值进行检验(决策准则) 单侧检验 若p-值 ,不拒绝 H0 若p-值 , 拒绝 H0 双侧检验 若p-值 /2, 不拒绝 H0 若p-值 /2, 拒绝 H0 双侧检验与单侧检验 (假设的形式) 假设 研究的问题 双侧检验 左侧检验 右侧检验 H