lecture 6 假设检验.pptVIP

需要注意的是 * 对第二类错误也能进行控制，但这部分内容理论上较为复杂，较为专业的统计学教材均有涉及，有兴趣的同学可以另作参考 Rejection region does NOT include critical value. Rejection region does NOT include critical value. Rejection region does NOT include critical value. Rejection region does NOT include critical value. * 样本容量固定时，拒绝域的面积随α的减小而减小，水平越小，为拒绝原假设所需要的检验统计量的临界值域原假设的参数值就越远。 Rejection region does NOT include critical value. Rejection region does NOT include critical value. 所不同的是t分布表上不能查到每一个精确的p-value值，但是可以得到一个范围 * * 当然，在实际检验中，针对一个具体问题，将检验结果表述为“不拒绝”原假设，这似乎让人感到无所适从 比如，你想购买一批产品，检验的结果没有拒绝原假设，即达到合同规定的标准要求，你是否购买这批产品呢？这时，你可以对检验的结果采取某种默认态度，退一步说，你可以将检验结果表述为“可以接受”原假设，但这并不等于说你“确实接受”它 解：需检验假设H0：μ=255，H1：μ≠255 按题意已知x=255.8，α= 0.05，n = 40，σ=0.5， 由于σ已知，用z检验，检验统计量 z0.025=1.96，双侧检验的拒绝域|Z|1.96 检验统计量的值没有落在拒绝域内， 所以不能拒绝H0， 不能认为该天生产的饮料不符合标 准要求. z 0 1.96 -1.96 0.025 拒绝 H0 拒绝 H0 0.025 假设检验结论的表述 当拒绝原假设时，我们称样本结果是统计上显著的 拒绝原假设时结论是清楚的 当不拒绝原假设时，我们称样本结果是统计上不显著的 不拒绝原假设时，并未给出明确的结论，不能说原假设是正确的，也不能说它不是正确的 “接受”的说法有时会产生误导 假设检验结论的表述(为什么不说“接受”) 【例】比如原假设为H0: ? =10，从该总体中抽出一个随机样本，得到?x=9.8，在?=0.05的水平上，样本提供的证据没有推翻这一假设，我们说“接受”原假设，这意味着样本提供的证据已经证明?=10是正确的。 如果我们将原假设改为H0: ? =10.5，同样，在?=0.05的水平上，样本提供的证据也没有推翻这一假设，我们又说“接受”原假设。但这两个原假设究竟哪一个是“真实的”呢？我们不知道 表述为“接受”一个原假设，应该注意到另一个原假设也可能同样地与数据相符。因此，我们宁愿说“不拒绝” 当然，在实际检验中，针对一个具体问题，将检验结果表述为“不拒绝”原假设，这似乎让人感到无所适从 比如，你想购买一批产品，检验的结果没有拒绝原假设，即达到合同规定的标准要求，你是否购买这批产品呢？这时，你可以对检验的结果采取某种默认态度，退一步说，你可以将检验结果表述为“可以认为”原假设，但这并不等于说你“确实接受”它 假设检验结论的表述(为什么不说“接受”) 例2 一种燃料的辛烷等级服从正态分布N（μ，σ2）,其平均等级μ=98.0，标准差σ=0.8，先抽取25桶辛烷，测试其等级，算得平均等级为97.7，假设标准差与原来一样，请问新油的辛烷品均等级是否比原燃料的辛烷平均等级偏低（α=0.05） 解：需检验假设H0：?≥98，H1：? 98 按题意已知x=97.7，α= 0.05，n = 25，σ=0.8， 由于σ已知，用z检验，检验统计量 z0.05=1.645，左侧检验的拒绝域（－∞，－1.645] －1.875－1.645，所以拒绝H0， 可以认为新油的辛烷平均等级偏低 给定显著性水平?，查表得出相应的临界值z?或z?/2， t?或t?/2 将检验统计量的值与? 水平的临界值进行比较 作出决策 双侧检验：|统计量| ≥ 临界值，拒绝H0 左侧检验：统计量 ≤ -临界值，拒绝H0 右侧检验：统计量 ≥ 临界值，拒绝H0 决策规则(利用拒绝域) 课堂练习 假设一种 200ml罐装饮料的容量服从正态分布，总体标准差为2ml。现在抽取9瓶饮料的平均容量是198ml，1）是否可以认为这批罐装饮料的容量偏少？2）是否可以认为这批罐装饮料的容量不符合标准 决策规则(利用p-value) 如果原假设为真，所得到的样本结果会像实际观测结果那么极端或更极端