统计推定与假设检定.pptVIP

统计推定与假设检定 统计推定方法 定义 信赖区间Confidence Intervals (CI) 假设检定Hypothesis Testing 假设检定是一种推测的过程，此处首先可对某一母体的母数的值加以假设，或对两个或两个以上的母体间关系加以假设。 此种假设，依母体中取样而来的资讯，尔后应测试是否为真。 此种猜测的假设称为虚无假设(null hypothesis)用H0表示，对立假设(alternate hypothesis)用H1表示，并与H0相连使用，当拒绝H0，就等于接收H1 当假设建立后，就应由研究的母体中取样，且针对其值计算适当的测试统计量(test statistic) 任何条件推论的过程都可能有两种误差，当某一统计方法被使用后，有四种可能 设计实验包括在此分布中设定一个临界区(critical region),若实验求得的统计量，落在该区内，则拒绝虚无假设，即接收对立假设，反之，接收虚无假设执行假设检定步骤如下： 设定H0，并选定一个适当的H1 选择一个适合的统计量用来分析实验数据 选择一个显著水准(level of significance) 藉由特定出临界区(critical region)来设计此实验 由母群体中，选出一个样本，并对其实验值，计算统计量的值 拒绝H0，若此测试统计量的值，落在CR内，反之接收 验证母体平均数μ，当σ已知 此为单尾测试的案例，因为临界区是在分布的一尾，如下图：临界区是依据对立假设的形态而定，对立假设有三种形态，即左尾，右尾和双尾 相对应此三种对立假设的临界区如下图： 假设检定案例 案例：电阻值是否等于规格 1、某个电阻厂商号称其生产的100欧姆电阻的误差为正负5%,随机抽取10个样本测量其电阻值如下：99.816、99.012、100.685、101.540、98.169、 98.205、102.355、99.767、100.564、99.412，请问该样本是否能提供该电阻规格等于100欧姆的证据？ 解： ① 将实际问题转化成统计问题。 实际问题：电阻值是否等于100欧姆？ 统计问题：H0：电阻值等于100欧姆 H1：电阻值不等于100欧姆 ②判断资料是否稳定 ③求证资料是否常态 ④检定平均数 Test of mu = 100 vs not = 100 Variable N Mean StDev SE Mean 95% CI T P Test Data 10 99.9523 1.3608 0.4303 (98.9788, 100.9258) -0.11 0.914 图形分析 * 传统方法 基于样本资讯的推定 Bayesian方法 基于样本资讯和先前对母数的主观知识 母数推定 假设检定 针对某一母数或多个母体它们的母数之间的关系的一种查证，是基于样本的证据来判断是否为真 点推定 需要了解母体的母数的值，由一个样本的值作为母数的预估值 区间推定 需要知道一个区间且它需要以某一程度的信心来证实，此母数会在此区间之中 N(0,1) α/2 α/2 tα/2 α/2 OK ERROR Type II False ERROR Type I OK True False True Test declares H0 H0 is in reality 当完成一个测试后，可能的结果 当使用统计技术时，这种误差的机率，可由测试的统计量背后的机率分布知识，计算出来，更重要的是，这种测试程序，可使用统计知识加以设计，使得能找到发生某一种误差的机率的特定值；第一种误差用α表示，又称为显著水准(level of significance);第二种误差用β表示 下面的案例，用来说明使用假设检定来对母体的母数作出推论 H0:μ=μ0 H1:μμ0 -zα H0:μ=μ0 H1:μμ0 zα H0:μ=μ0 H1:μ≠μ0 -zα/2 zα/2 H0:μ1-μ2=0 H1:μ1-μ20 -zα zα -zα/2 zα/2 zα H0:μ1-μ2=0 H1:μ1-μ20 H0:μ1-μ2=0 H1:μ1-μ2≠0 逻辑架构 实际问题 定义H0、H1 以假设检定的方式叙述问题 使用SPC/I-mR Chart， 检定资料搜集的稳定性 常态性 检定平均数： 1－sample T Or 1-sample Z 检定中位数： 1-sample Wilcoxon 结论 所有的点都在管制界限内，表明资料稳定 H0：资料是常态分布 H1：资料不是常态分布 P值大于0.05，接收H0 H0：电阻值等于100欧姆 H1：电阻值不等于100欧姆