假设检验统计学原理课件幻灯片.ppt

* * * * * * * * * * * * * * * * * * * * * * * 2.总体方差?2 未知时均值的单侧检验 (举例) 【例8】一个汽车轮胎制造商声称，某一等级的轮胎的平均寿命在一定的汽车重量和正常行驶条件下大于40000公里，对一个由20个轮胎组成的随机样本作了试验，测得平均值为41000公里，标准差为5000公里。已知轮胎寿命的公里数服从正态分布，我们能否根据这些数据作出结论，该制造商的产品同他所说的标准相符？(?=0.05) 属于检验声明有效性的假设！ 解：已知：?X0=40000公里，s=5000，n=20， 提出假设：假定平均寿命不低于40000公里 H0: ?X? 40000 H1: ?X 40000 ?=0.05 左检验临界值为负 df=20-1=19 得临界值: -t0.05(19)=-1.7291 计算检验统计量值: ∵t值落入接受域，∴在?=0.05的显著性水平上接受H0 结论: 有证据表明轮胎使用寿命显著地大于40000公里，可以认为该制造商的声称是可信的。 决策: -1.7291 t 0 拒绝域 0.05 得拒绝域：(-∞,-1.7291) 三、总体成数的假设检验 总体成数的检验 1. 假定条件 有两类结果 总体服从二项分布 可用正态分布来近似（要求大样本，np5，n(1-p)5） 2. 使用Z统计量 P0为假设的总体成数。分母为样本成数的抽样标准差，一般采用P0计算，也有人认为可以用样本成数p计算。 总体成数的检验（双侧检验举例） 【例9】某研究者估计本市居民家庭的电脑拥有率为30%。现随机抽查了200个家庭，其中68个家庭拥有电脑。试问研究者的估计是否可信？ (?=0.05) 属于决策中的假设！ 解：已知：P0=0.3，n=200， 提出假设：假定估计可信 H0: P0=0.3 H1: p0?0.3 ?=0.05双侧检验?/2=0.025 得临界值:Z0.025=±1.96 计算检验统计量值: ∵Z值落入接受域，∴在?=0.05的水平上接受H0 有证据表明研究者的估计可信 决策: 结论: Z 0 1.96 -1.96 0.025 拒绝 H0 拒绝 H0 0.025 得两个拒绝域： (-∞,-1.96)和(1.96,∞) 总体成数的检验（单侧检验举例） 【例10】某公司估计有75%以上的消费者满意其产品的质量。某调查公司受该公司委托调查此估计是否属实。现随机抽查了625位消费者，其中表示对该公司产品满意的有500人。试问该公司的估计是否属实？ (?=0.05) 属于研究中的假设！ 解：已知：P0=0.75，n=625， 提出假设：假定满意者不超过75％ H0: P?0.75 H1: P0.75 ?=0.05 右检验临界值为正 得临界值:Z0.05=1.645 计算检验统计量值: ∵Z值落入拒绝域，∴在?=0.05的水平上拒绝H0，接受H1 有证据表明该公司的估计属实 决策: 结论: Z 0 拒绝域 0.05 1.645 得拒绝域：(1.645, ∞) 关于单侧检验如何建立假设 单侧检验应区别不同情况采取不同的建立假设方法。 可以把希望(想要)证明的假设作为备择假设，将相反情况作为原假设。由于原假设不容易被拒绝，因此只有检验结果与原假设有明显差别时才能拒绝原假设而接受备择假设，这就使得希望得到的结论不是轻易被接受，从而减少结论错误。 还可以考虑统计量取值的正负，使统计量(Z)与临界值(Zα)位于同一方向。当统计量值为负时，通常选?X≥?X0 为原假设，?X＜?X0为备择假设，强调虽然统计量值小于?X0，但不能马上断定?X＜?X0，需要经过检验才能确定。反之当统计量值为正时，通常选?X≤?X0为原假设，也是为了不轻易接受?X＞?X0的结论，从而避免结论错误。 四、区间估计与假设检验的关系 抽样估计与假设检验都是统计推断的重要内容。参数估计是根据样本统计量估计总体参数的真值；假设检验是根据样本统计量来检验对总体参数的先验假设是否成立。 ㈠区间估计与假设检验的主要区别 1.区间估计通常求得的是以样本估计值为中心的双侧置信区间，而假设检验以假设总体参数值为基准，不仅有双侧检验也有单侧检验； 2.区间估计立足于大概率，通常以较大的把握程度（置信水平）1-α去保证总体参数的置信区间。而假设检验立足于小概率，通常是给定很小的显著性水平α去检验对总体参数的先验假设是否成立。 ㈡区间估计与假设检验的联系 1.区间估计与假设检验都是根据样本信息对总体参数进行推断，都是以抽样分布为理论依据，都是建立在概率基础上的推断，推断结果都有一定的可信程度或风险。 2.对同一问题的参数进行推断，二者使用同一样本、同一统