应用统计学第5章-假设检验.pptVIP

一.常用统计量及其分布 5.1 统计假设检验的基本问题 5.2 正态总体均值和方差的统计假设检验 5.3 单因素方差分析 5.4 用SPSS进行统计假设检验 统计假设检验实例 二战期间，盟军军事指挥官需要预测德国生产的坦克数量。根据间谍和侦探信息，分析家预计1941年6月，德军生产了1550辆坦克。然而利用连续缴获的坦克数量以及统计分析预计这一数字为244量。之后证明统计学家的预测仅比实际生产的数量少了27量。更加证实了统计抽样方法的价值。 在海湾战争的“沙漠风暴”行动中，也应用了相同的分析。 5.1 统计假设检验的基本问题 一、统计假设检验的基本思想 (以双边检验为例) 【例5.1】已知销售发票数额服从正态分布，对该公司所在郊区的顾客来说，过去五年内平均每月销售发票数额为120美元。现抽取12份作为样本，它们的数额为下面的数据: 108.98 152.22 111.45 110.59 127.46 107.26 93.32 91.97 111.56 75.71 128.58 135.11 试检验销售发票的均值是否偏离了120美元。 分析： 　　设销售发票数额为X,X～N(μ,σ2 ), 判断:μ＝120美元?　 作假设: H0：μ＝μ0=120（零假设） H1：μ ≠μ0=120（备择假设） 在原假设H0成立的情况下 的取值 与μ0的差异| －μ0 |应较小 而事件“| －μ0 |相当大”则为小概率事件 设“| －μ0 |≥K”为小概率事件，若给定α（α为很小的正数），K可由下式确定，令 P{| －μ0 | ≥ K }＝α α为显著性水平 根据小概率事件原理，如果由样本的一次观察值计算的样本均值满足不等式 二.统计假设检验的基本步骤(双边检验) 四.统计假设检验中的两类判断错误 第一类错误：零假设H0本是真的，而做出了否定H0判断，因此也称为“弃真错误”。在管理中也称生产者的风险度，记为α. 其大小为： P{拒绝／H0真}＝α 第二类错误：零假设H0本来不真,而做出了接受H0的判断，因此也称为“取伪错误”。在管理中也称为使用者的风险度，记为β 其大小为： P{接受／H0不真}＝β 两类错误的关系：α越大，β越小，反之α越小β越大。 五. 统计假设检验中的P值 1. P的含义 P是一个概率值,如果我们假设零假设为真，P-值是样本统计量不同于(或 ??实测值的概率。 双侧检验时，P值为曲线下方小于等于检验统计值或大于等于检验统计值部分的面积；被称为观察到的(或实测的)显著性水平。 左侧检验时，P/2值为曲线下方小于等于检验统计值部分的面积； 右侧检验时，P/2值为曲线下方大于等于检验统计值部分的面积。 　 与Ｓ２分别为样本均值和方差。给定显著性水平? ，关于μ的检验（t检验） 5.3 单因素方差分析 小结 5.1 统计假设检验的基本问题 5.2 正态总体均值和方差的统计假设检验 单样本的t检验 两个独立样本的t检验 两个配对样本的t检验 两个独立样本的F检验 5.3 单因素方差分析 5.4 用社会科学统计软件包进行统计假设检验 二.Independent-Samples T Test过程 选择选项Analyze→Compare means → Independent-Samples T test. 1.界面说明 【Test Variables框】 选入检验变量（输入全部数据）(如成绩)。 【Grouping Variable框】 存放分组变量（如组别） 【Define Groups框】 Use specified Values:输入分组变量值(如1和2)。 Cut Point：用于连续变量，输入一个值作为分割值，将数据分为两组． 【Options钮】 和One-Samples T Test对话框的Options钮完全相同，此处不再重复。 2.结果解释 如要检验p１２2例5.3中，　H0：μ1＝μ2 　　　H1：μ1≠μ2 则输出如下： 描述统计表(Group Statistics) .858 3.095 59.08 13 金龙 公司 1.202 4.655 61.67 15 大通 公司 班车 时间 Std. Error Mean Std. Deviation Mean N 组别 第一步:两总体方差是否相等的F检