管理统计学—6假设检验.pptVIP

Basic Methodology of Hypothesis Test 假设检验的基本思想 例 某轻便飞机厂欲购买一批铝板共10000张，铝板厂厂长称该批铝板的平均厚度为0.1厘米。现随机抽取100张铝板，计算出样本的平均厚度为0.1004厘米。根据历史资料该铝板雨季所产铝板总体厚度的标准差是0.002厘米，铝板厚度服从正态分布。问这10000张铝板的平均厚度是否为0.1厘米？ 由题意， ，其中 未知。我们的问题是根据样本观测值判断 还是 。 因此，我们提出原假设： 以及它的备择假设： 考虑统计量 。在H0为真的情况下，这个统计量服从(0,1)分布。如果H0为真，那么观测值 就不能偏离原点太多。若太大，我们就怀疑假设H0的正确性而拒绝H0。 对于给定的显著性水平α=0.05，事件 发生的概率为0.05。如果样本观测值 满足上述不等式，说明小概率事件在一次试验中发生了，因此我们应当作出拒绝 =0.1的判断；否则不能拒绝H0。事实上，根据本题题意故应拒绝 =0.1。我们称区域 为拒绝域。 Basic Concepts of Hypothesis Test假设检验的基本概念 The Null Hypothesis and the Alternative Hypothesis 原假设H0和备择假设H1 Errors in Making Decisions 决策的错误 Level of Significance,α 显著性水平 α Two Tail Test and One Tail Test 双侧检验与单侧检验 Rejection Region 拒绝域  一般有以下两个原则：原假设一般代表一种久已存在的状态，而备选假设则反映改变。样本观测值显示所支持的结论应作为备选假设。 Errors in Making Decisions 决策的错误 第一类错误（Type I Error） ： H0为真时而拒绝H0的错误，即“弃真”错误。 发生这种错误的概率为α。第二类错误（Type II Error） ： H0不真而接受H0的错误，即“取伪”错误。 发生这种错误的概率为β。 定义原假设为真而样本统计值不能够表明 称为抽样分布的拒绝区域 让 a 来表示原假设为真时拒绝了原假设的概率 典型的值是 0.01, 0.05, 0.10 研究一开始是有研究者确定的 提供了假设检验的关键数值 Two Tail Test and One Tail Test 双侧检验与单侧检验 双侧检验(Two Tail Test) 单侧检验(One Tail Test) 右侧检验 左侧检验 Hypothesis Test for One Population一个总体的假设检验 Test for Mean 均值检验 Z Test for Mean (s Known) 均值Z检验（ s已知） t Test for Mean (s Unknown) 均值t 检验（ s未知） Test for Variances 方差检验  Test for Mean 均值检验 设X1,X2,…,Xn为来自总体N(μ,σ2)的一个样本，样本均值为 ，样本方差为S2，设给定的置信水平为α。要检验的假设包括： （双侧检验） （右侧检验） （左侧检验） Z Test for Mean (s Known)均值Z检验（ s已知） 统计量为 。H0为真时， 注意：如果总体不服从正态分布，当