统计学概论 第三章 统计描述 .docVIP

统计学概论 第三章 统计描述 (2) ? 三、检验功效 在犯第一类错误概率得到控制的条件下，犯取伪错误的概率也要尽可能地小，或者说，不取伪的概率1-β应尽可能增大。1-β越大，意味着当原假设不真实时，检验判断出原假设不真实的概率越大，检验的判别能力就越好；1-β越小，意味着当原假设不真实时，检验结论判断出原假设不真实的概率越小，检验的判别能力就越差。可见1-β是反映统计检验判别能力大小的重要标志，我们称之为检验功效或检验力。 第二节 总体参数检验 一、单侧检验与双侧检验 α/2 1–α α/2 -Zα/2 Zα/2 α –Zα 0 α 0 Zα 双侧检验 左侧检验 右侧检验 用单侧检验还是双侧检验，使用左侧检验还是右侧检验，决定于备选假设中的不等式形式与方向。与“不相等”对应的是双侧检验，与“小于”相对应的是左侧检验，与“大于”相对应的是右侧检验。 二、参数检验 参数检验都是先对样本所属总体的性质作出若干的假定，或对总体的分布形状加以限定，然后对总体的有关参数情况进行统计假设检验。因此，参数检验又称为限定分布检验。如在总体服从正态分布条件下，对其均值进行检验。下面通过具体例子来说明参数检验方法。 在例1中，按历史资料，总体的标准差是4毫升。我们通过检验总体均值是否等于250毫升，来判断饮料厂商是否欺骗了消费者。程序如下： 第一步：确定原假设与备选假设。 ： =250； ： lt;250 以上的备选假设是总体均值小于250毫升，因为消费者协会希望通过样本数据推断出厂商的欺骗行为(大于250毫升一般不会发生)。因此使用左侧检验。 第二步：构造出检验统计量。 我们知道，如果总体的标准差已知，则正态总体(正常情况下，生产饮料的容量服从正态分布)的抽样平均数，也服从正态分布，对它进行标准化变换，可得到： 可用z作为检验统计量。 第三步：确定显著性水平，确定拒绝域。 通常显著水平由实际问题确定，我们这里取α=0.05，左侧检验，拒绝域安排在左边，查标准正态分布表得临界值： - =-1.645，拒绝域是zlt;-1.645。 第四步：计算检验统计量的数值。 样本平均数 ，n=50,代入检验统计量得： 第五步：判断。 检验统计量的样本取值落入拒绝域。拒绝原假设，接受备选假设，认为有足够的证据说明该种纸包饮料的平均容量小于包装盒上注明的250毫升，厂商有欺诈之嫌。 总体标准差未知时对总体均值检验经常用t统计量： 但是，在大样本场合(样本容量n大于30时)，t-统计量与标准正态分布统计量近似，通常用z检验代替t检验。 总体成数的检验 当样本容量较大时，下列统计量服从标准正态分布： 上式中，ρ代表总体的成数，p代表样本的成数。 以上的z统计量可以用作总体成数检验的检验统计量。 例2：某企业声明有30%以上的消费者对其产品质量满意。如果随机调查600名消费者，表示对该企业产品满意的有220人。试在显著性水平α=0.05下，检验调查结果是否支持企业的自我声明。 解：第一步：作出假设。 ：ρ =30%， :ρgt; 30%。 以上的备选假设是企业自我声明的结论，我们希望该企业说的是实话。因此使用右侧检验。 第二步：构造z检验统计量。 第三步：确定拒绝域。 显著水平α=0.05，查标准正态分布表得临界值： =1.645，拒绝域是zgt;1.645。 第四步：计算检验统计量的数值。 样本成数p=220/600=0.37，总体假设的成数ρ =0.3,代入z检验统计量得： 第五步：判断。 检验统计量的样本取值z=3.5gt;1.645，落入拒绝域。拒绝原假设，接受备选假设，认为样本数据证明该企业声明属实。 三、p-值检验 p-值检验就是通过计算p-值，再将它与显著性水平α作比较，决定拒绝还是接受原假设。所谓p-值就是拒绝原假设所需的最低显著性水平。p-值判断的原则是：如果p-值小于给定的显著性水平α，则拒绝原假设；否则，接受原假设。或者，更直观来说就是：如果p-值很小，拒绝原假设，p-值很大，接受原假设。请大家注意的是这里的p-值是指概率，不要与成数指标相混淆。 z检验的p-值： 检验统计量为z统计量的p-值计算公式， 表示检验统计量的抽样数据，则p-值的计算方法如下： 如果： ， p-值=2 如果： ， p-值=