假设检验（一）.pptVIP

假设检验（1） 统计推断与假设检验 基础统计推断 Process of statistical extrapolation 假设检验的过程(hypothesis testing) 假设检验的基本思想 如何判断小概率事件 判断小概率事件的方法一 临界值法：首先判断样本均值与总体均值之间的差距是标准误的几倍，然后与Z值比较。 计算公式：　　　　　被称为统计量 判断小概率事件的方法二 P值法：首先判断样本均值与总体均值之间的差距是标准误的几倍，计算出抽样分布中总体参数不落入这一误差范围内的概率，即P值。然后直接观察P值的大小。 什么是假设检验？ 概念 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。 参数估计则是根据样本的特征推断总体的参数。 类型 参数假设检验 非参数假设检验 特点 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) 1. 待检验的假设，又称“0假设”，表示为 H0 2. 总是有等号 ?, ? 或?? ? 什么是备择假设？(Alternative Hypothesis) 1. 与原假设对立的假设，表示为 H1 2. 总是有不等号: ?,?? 或 ? ? 什么是检验统计量？ 1. 用于假设检验问题的统计量 2. 选择了统计量即确定了检验方法，统计量服从何种分布即称为何种检验。选择时考虑： 是大样本还是小样本 总体方差已知还是未知 规定显著性水平? ? 什么是显著性水平？ 1. 是一个概率值 2. 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 将检验统计量的值与? 水平的临界值进行比较 得出接受或拒绝原假设的结论 计算P值 计算在零假设条件下，检验统计量的数值 由于已知检验统计量的分布，因此可以计算出它等于这个值或更极端值的概率，这一概率即为P值（P－value）。 双侧检验和单侧检验 双侧检验与单侧检验 (假设的形式) 双侧检验（例子） 提出原假设: H0: ? = 4 提出备择假设: H1: ? ? 4 双侧检验（显著性水平与拒绝域，两个拒绝域中只要有一个成立，就可以拒绝原假设 ） 单侧检验之左侧检验 (原假设与备择假设的确定) 某灯泡制造商声称，该企业所生产的灯泡的平均使用寿命在1000小时以上。如果你准备进一批货，怎样进行检验。 可建立的原假设与备择假为 H0: ? ? 1000 H1: ? 1000 单侧检验之左侧检验（显著性水平与拒绝域 ，拒绝域只有一个，样本统计量落入右侧不能够拒绝原假设。） 单侧检验之右侧检验 (原假设与备择假设的确定) 一项研究表明，改进生产工艺后，会使产品的寿命有明显提高，如果以前的寿命是500小时。检验这一结论是否成立。可建立的原假设与备择假设为： H0: ? ?500 H1: ? 500 单侧检验之右侧检验 (显著性水平与拒绝域，拒绝域只有一个，样本统计量落入左侧不能够拒绝原假设。) 均值的单尾 检验（提出假设） 一个总体的检验 总体均值检验 总体均值的检验(检验统计量) 总体均值的检验 (?2 已知或?2未知大样本) 1. 假定条件 总体服从正态分布 若不服从正态分布, 可用正态分布来近似(n?30) 使用Z-统计量 ?2 已知： ?2 未知： 总体均值的双侧检验 ?2 已知均值的检验(例题分析) 【例】某机床厂加工一种零件，根据经验知道，该厂加工零件的椭圆度近似服从正态分布，其总体均值为?0=0.081mm，总体标准差为?= 0.025 。今换一种新机床进行加工，抽取n=200个零件进行检验，得到的椭圆度为0.076mm。试问新机床加工零件的椭圆度的均值与以前有无显著差异？（?＝0.05） 均值的双尾 Z 检验（计算结果） H0: ? = 0.081 H1: ? ? 0.081 ? = 0.05 n = 200 临界值(s): 总体均值的检验 (?2未知小样本) 1. 假定条件 总体为正态分布 ?2未知，且小样本 2. 使用t 统计量 ?2 未知小样本均值的检验 (例题分析) 【例】某机器制造出的肥皂厚度为5cm，今欲了解机器性能是否良好，随机抽取10块肥皂为样本，测得平均厚度为5.3cm，标准差为0.3cm，试以0.05的显著性水平检验机器性能良好的假设。 ?2 未知小样本均值的检验 (例题分析) H0: ? = 5 H1: ? ? 5 ? = 0.05 df = 10 - 1 = 9 临界值(s):