9.第九章 假设检验.pptVIP

第九章 假设检验 本章的目的在于掌握假设检验的建立方法、理解第一和第二类错误的关系。 9.0. 假设检验的过程和逻辑 在假设检验中，一般要设立一个原假设（以“从来没有考试作弊”为例）； 而设立该假设的动机主要是企图利用人们掌握的反映现实世界的数据来找出假设与现实之间的矛盾，从而否定这个假设。 9.0. 假设检验的过程和逻辑 在多数统计教科书中(除理论探讨外)假设检验都是以否定原假设为目标。 如否定不了，说明证据不足，无法否定原假设。但不能说明原假设正确。 9.0. 假设检验的过程和逻辑 先要提出个原假设，比如某正态总体的均值等于5(m=5)。这种原假设也称为零假设(null hypothesis)，记为H0。 与此同时必须提出备选假设(或称为备择假设，alternative hypothesis)，比如总体均值大于5（m5）。备选假设记为H1或Ha。形式上，这个关于总体均值的H0相对于H1的检验记为 9.0. 假设检验的过程和逻辑 备选假设应该按照实际世界所代表的可能方向来确定，即它通常是被认为可能比零假设更符合数据所代表的现实。 比如上面的H1为m5；这意味着，至少样本均值应该大于5； 至于是否显著，依检验结果而定。 检验结果显著(significant)意味着有理由拒绝零假设。因此，假设检验也被称为显著性检验(significant test)。 9.0. 假设检验的过程和逻辑 有了两个假设，就要根据数据来对它们进行判断。 数据的代表是作为其函数的统计量；它在检验中被称为检验统计量（test statistic）。 根据零假设（不是备选假设！），可得到该检验统计量的分布；再看这个统计量的数据实现值（realization）属不属于小概率事件。 9.0. 假设检验的过程和逻辑 也就是说把数据代入检验统计量,看其值是否落入零假设下的小概率范畴； 如果的确是小概率事件，那么就有可能拒绝零假设，或者说“该检验显著，” 否则说“没有足够证据拒绝零假设”，或者“该检验不显著。” 9.0. 假设检验的过程和逻辑 注意：在我们所涉及的问题中，零假设和备选假设在假设检验中并不对称。 因检验统计量的分布是从零假设导出的，因此，如果发生矛盾，就对零假设不利了。 不发生矛盾也不能说明零假设没有问题。 9.0. 假设检验的过程和逻辑 在零假设下，检验统计量取其实现值及（沿着备选假设的方向）更加极端值的概率称为p-值（p-value）。 如果得到很小的p-值，就意味着在零假设下小概率事件发生了。 如果小概率事件发生，是相信零假设，还是相信数据呢？ 当然多半是相信数据，拒绝零假设。 9.1. 基本概念 原假设与备择假设：原假设是指首先对总体参数作一尝试性的假设，与之内容完全相反的是备择假设。 值得注意的是：一般原则是把待检验的研究问题设定为备择假设。 有三种假设检验类型：下侧检验、上侧检验和双侧检验，其形式分别是： 9.1. 基本概念 H0:μ≥ μ0 H0 :μ ≤ μ0 H0 :μ ＝μ0 Ha:μ﹤ μ0 Ha :μ ﹥μ0 Ha :μ ≠μ0 所谓上侧、下侧是按照备择假设的方向来定的，在参数零假设值μ0的左边（即小于）为下侧，在右边（即大于）为上侧。 而且，表达式的等号部分总是设定在原假设中。 第一类错误和第二类错误（重点）： 看P217表9－1 9.1. 基本概念 第一类错误可以称为弃真错误，第二类错误称为纳伪错误。其中，“真”和“伪”都是针对零假设来说的。 显著性水平就是犯第一类错误的概率，在假设检验的时候可以控制或者设定的。 值得注意的是，假设检验的结果无非有两种：一是拒绝H0，那么我们就有1－α的把握说接受Ha，我们可以通过控制α的大小来改变接受备择假设的把握。另一种是不能拒绝H0，此时我们不能说接受H0，因为我们还有犯纳伪错误（第二类错误）的可能，而且我们不知道纳伪错误的大小。 9.2.总体均值的检验：σ已知（重点） 单侧检验 检验的思路是：首先假定原假设以等号为真，则抽样分布的均值即为零假设值；然后根据σ已知的条件可以确定抽样分布的标准误差；这样，就确定了样本均值抽样分布的正态形式，再运用第六章的方法来作比较检验。 检验的统计量为 这正是转化为标准正态分布的z分数。 9.2.总体均值的检验：σ已知（重点） 检验的判断方法有两种： P-值方法：如果p-值≤α，则拒绝H0 临界值方法：如果z≤- zα，则拒绝H0 两种方法的联系：请看黑板图示。 双侧检验与单侧检验的方法类似。 需要注意的是：p-值方法与临界值方法的结果是一样的，但是前者要优于后者，因为前者在任何情形下都是相同的方法，而后者的判断符号还取决于是上侧、下侧还是双侧检验。见表