8D_training_material_V02--讲师版-Mark_20080119_update.ppt

統計檢定 檢定的意義與單、雙尾檢定 假設檢定(hypothesis testing)是指先對母體特性作一適當的描述，然後利用抽出來的隨機樣本推論(檢定)此描述是否正確，此一過程或統計方法便稱為假設檢定。 假設的建立 在假設檢定的程序中，首先必須建立統計假設，亦即有關母體特性的敘述句(描述)。但是統計假設一般有兩種形式(彼此為互補)，其一為我們所欲否定者，稱為虛無假設(null hypothesis)，以符號H0表示；另一則為其反面，稱為對立假設(alternative hypothesis)，以符號H1表示。 準則1 當目標在於以樣本觀察值支持我們的主張，則其相反的主張視為虛無假設H0，而原先之主張作為對立假設試H1。 準則2 若錯誤地拒絕H0，其後果較嚴重者；此時便表示我們所建立的H0是適合的。假設(alternative hypothesis)，以符號H1表示。 準則3 以某人(單位、機構、企業…等)的宣稱作為虛無假設0。 準則4 問題中若出現「是否顯著地」(小、重、優、劣、多、少…等形容詞)時，則以其反面敘述作為虛無假設。 統計假設檢定的基本精神在於：除非具有足夠的證據可以否決H0，否則我們只好接受H0並不表示H0為真，僅表示我們沒有充分的證據可以拒絕H0；相對的，拒絕H0時乃表示我們具有充分的事實證據可以拒絕H0，此時檢定稱為具顯著性(significance)因此統計假設檢定有時亦稱為顯著性檢定(significance testing)。換句話說，具顯著性的檢定，其檢定的結果乃是拒絕H0。 假設檢定的兩種誤差 Population Estimate 1.μ 估計 (1)點估計: 以 估計μ 樣本n未定，但n30時，誤差界限d已知，則樣本數 (2)區間估計: 任意母體且大樣本(n30)， 已知，則母體平均數μ的100(1-α)%信賴區間 2. p 估計 (1)單一母體 p估計:以 估計 p 樣本n未定，但n30時，誤差界限d已知，則樣本數 (2)區間估計: 大樣本(n30) ，則 的100(1-α)%信賴區間 Example 在牛肉市場調查中，以NBCMO員工隨機訪問 292人，其中有64人不吃牛肉，試估計NBCMO全體員工不吃牛肉比例? 試求 95% 誤差界限? 信賴區間 若希望估計的 95%誤差界限為 0.03，求適當之訪問人數? H1：θ≠θ 0 H 0 ：θ＝θ 0 雙尾檢定 H1：θ＞θ 0 H1：θ＜θ 0 H 0 ：θ≦θ 0 H 0 ：θ≧θ 0 單尾檢定 右尾 左尾 H1 H 0 單尾檢定與雙尾檢定的形式 註：θ表示所欲檢定的母體參數，θ0表示某一特定值。 正確決策 錯誤決策 (型I誤差)α 拒絕H0 錯誤決策 (型II誤差)β 正確決策 接受H0 H0為偽 H0為真 母體的情形 (未明的真實狀況) 檢 定 的 結 論 一般而言，進行假設檢定而作結論時，可能會犯下列兩種錯誤之任何一種：(1)H0為真，但檢定結果卻拒絕H0；(2)H0為偽，但檢定結果卻接受H1。此兩種錯誤分別稱為型I誤差(type I error)與型II誤差(type II error) 。 母體平均數μ之檢定 例 某型號之IC板厚度，廠方宣稱其平均數為1.76um，標準差為1.62um，請驗證這樣的聲明是否屬實？ 進行步驟： step 1：抽樣、測試、收集資料、計算樣本資料 假設18.2，17.6，19.0，18.5，18.1，17.0， 16.8，17.5，18.6，17.9，18.3，16.5 step 2：寫檢定假說 (a)H0：μ=17.6。 H1：μ≠17.6。 step 3：計算檢定統計量。 step 4：做決策。 ∵棄卻域為 ∴ 棄卻域 故不棄卻H0。 同理：step 2：寫檢定假說 (b)H0：σ2=2.6244。 H1：σ2≠2.6244。 step 3：計算檢定統計量。 step 4：做決策。 ∵棄卻域為 ∴ 棄卻域 故棄卻H0。 * HR Dep. Ver.02 2008.4.6 Global 8D training ~ Global 8 Discipline ~ CMO 的成人教育 ! Question : Why do you come to this training course ? What do you want to get from t