统计学之假设检验.ppt

假设检验与参数估计区别 假设检验的概念 什么是假设? 对总体参数的一种看法 总体参数包括总体均值、比例、方差等 分析之前必须陈述 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。 参数假设检验 非参数假设检验 假设检验的步骤 （一）提出原假设和备择假设 （二）确定适当的检验统计量 （三）规定显著性水平? （四）计算检验统计量的值 （五）作出统计决策 假设检验的步骤 （一）提出原假设和备择假设 什么是原假设？ 待检验的假设，又称“0假设” 如果错误地作出决策会导致一系列后果 总是有等号 ?, ? 或?? 表示为 H0 H0：? ? 某一数值 例如:H0：? ? 3190（克） 什么是备择假设？ 与原假设对立的假设 总是有不等号: ? 、??? 或 ? ? 表示为 H1 H1： ? 某一数值，或? ? 某一数值 例如 H1： ? 3910(克) 或 ??3910(克) 假设检验的步骤 （二）确定适当的检验统计量 什么检验统计量？ 用于假设检验问题的统计量 选择统计量的方法与参数估计相同，需考虑 （1）是大样本还是小样本 （2）总体方差已知还是未知 假设检验的步骤 （三）规定显著性水平α ，并根据给定的显著性水平來确定否定域? 什么显著性水平？ 是一个概率值。即当原假设为真时，人们却把它拒绝了的概率或风险，也称为抽样分布的拒绝域，表示为 α ，常用的 ? α =0.01, 0.05, 0.10 由研究者事先确定。当 α 取0.05时，表明作出接受原假设的决定时，其正确的可能性（概率）为95%。 假设检验的步骤 （四）计算检验统计量的值 （五）判断分析，作出统计决策 即作出接受或拒绝原假设的结论 假设检验中的小概率原理 什么是小概率？ 在一次试验中，一个几乎不可能发生的事件发生的概率。 在一次试验中小概率事件一旦发生，我们就有理由拒绝原假设。 小概率由研究者事先确定。 假设检验中的两类错误 假设检验的依据 小概率事件在一次试验中很难发生, 但“很难发生”不等于“不发生”, 因而假设检验所作出的结论有可能是错误的。 这种错误有两类: 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?? ? ? ? ? 错误和 ? 错误的关系 检验功效 检验功效 六、 显著性检验 只对犯第一类错误的概率加以控制, 而不考虑犯第二类错误的概率的检验, 称为显著性检验. 第二节 总体参数检验 单侧检验与双侧检验 假设的形式 双侧检验 单侧检验(右侧检验与左侧检验) 原假设与备择假设的确定 例如，某种零件的尺寸，要求其平均长度为10厘米，大于或小于10厘米均属于不合格 建立的原假设与备择假设应为 H0: ? = 10 H1: ? ? 10 显著性水平与拒绝域 显著性水平与拒绝域 显著性水平与拒绝域 显著性水平与拒绝域 单侧检验 检验研究中的假设 将所研究的假设作为备择假设H1, 或者说，把希望(想要)证明的假设作为备择假设先确立备择假设H1 例如，采用新技术生产后，将会使产品的使用寿命明显延长到1500小时以上 属于研究中的假设 建立的原假设与备择假设应为 H0: ? ? ? ? 1500 H1: ? ? ? ? 1500 再如，改进生产工艺后，会使产品的废品率降低到2%以下 属于研究中的假设 建立的原假设与备择假设应为 H0: ? ? 2% H1: ? 2% 单侧检验 检验某项声明的有效性 将所作出的说明(声明)作为原假设H0 对该说明(声明)的质疑作为备择假设H1 先确立原假设H0 除非我们有证据表明“声明”无效，否则就应认为该“声明”是有效的。 例如，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 除非样本能提供证据表明使用寿命在1000小时以下，否则就应认为厂商的声称是正确的。 建立的原假设与备择假设应为 H0: ? ? 1000 H1: ? 1000 如前例: H0: ? ? ? ? 1500 H1: ? ? ? ? 1500 显著性水平与拒绝域 显著性水平与拒绝域 显著性水平与拒绝域 总体方差已知时对正态总体均值的假设检验 （一）假定条件 1、总体服从正态分布 2、若不服从正态分布, 可用正态分布来近似(n?30) （二）原假设为:H0: ? = ?0 ? 备择假设为:H1: ? ? ?0 （三）使用z-统计量 我国出口凤尾鱼罐头，标准规格是每罐净重250克，据以往经验，标准差是3克。某食品厂生产一批供出口用的这种罐头，从中抽取