3 假设查验-A.pptxVIP

工程数学（应用数理统计）;总体特征是研究者首先关心的问题，其可以概括三个方面： 1）分布特征：总体中个体的分布形式；代表随机变量全貌的综合特征； 2）大小特征：在数轴上的位置，即取值大小；研究者最关心的问题； 3）离散特征：总体中个体的分散程度；决定使用数理统计方法所需要的最低样本量， 直接提供一些重要信息（例如：检测方法精密度、仪器稳定性等）;回顾——应用数理统计中常见的理论分布;偏度系数和峰态系数 百分位数或其他分位数 ;?;?; 目的： 保证数据的代表性：独立性检验，异常值剔除 使满足特定检验方法的基本要求：数据变换 内容： 数据独立性检验：游程检验 异常值剔除：t-检验和Grubbs检验 数据变换：归类、求秩、标准化、正态化 ;课堂练习——判断;课堂联系——判断应用举例是否正确;第二章 比较总体大小特征的假设检验;第二章 比较总体大小特征的假设检验;2.1.1 假设检验;2.1.1 统计假设;2.1.1 统计假设——举例;2.1.1 统计假设——特征;概念延伸：单侧检验 vs 双侧检验;根据研究的总体特征将假设检验方法分为四类： 关于总体大小的假设检验 例如比较两个总体的大小是否存在明显差异 关于总体中个体离散程度的假设检验 例如判断两个总体的方差是否相同 关于总体分布形式的假设检验 例如判断一个总体是否服从正态分布 关于总体综合特征的假设检验 ;课堂练习;第二章 比较总体大小特征的假设检验;2.1.2 显著性水平及假设检验的一般步骤;假设检验的风险：根据部分观测估计总体特征 原假设在客观上有正确和错误两种可能，检验结论也有两种互相排斥的可能：接受原假设而拒绝对立假设；或者接受对立假设而拒绝原假设。 就问题本身性质和检验结果而言存在四种可能性： 接受客观上正确的原假设； 拒绝客观上错误的原假设； 拒绝客观上正确的原假设（第一类错误；错误Ⅰ），犯错误Ⅰ的概率记为α； 接受客观上错误的原假设（第二类错误；错误Ⅱ ），犯错误Ⅱ的概率记为β。 ;犯错误Ⅰ的概率，即拒绝客观上正确的原假设的概率α，又称为假设检验的显著性水平或拒绝水平； 显著性水平α是研究者主观确定的概率界限，为保证检验的客观性，最好在检验之前甚至采样之前就确定检验的显著性水平； 常用的α 取值有0.01, 0.05, 0.10。 ;增加α值可以增加拒绝原假设的可能性，降低α值可以减少拒绝原假设的可能。 由判定的重要性和可能的实际意义来确定显著性水平； 例：原假设：某方案不能有效地控制放射性物质的扩散和污染，在进行显著性检验时最好选择比习惯上更加严格的显著性水平，即较小的α值（例如：0.01）； α值越小，假设检验的保守性越强，即拒绝正确原假设犯第一类错误的概率越小。 表述：拒绝原假设：“在α 水平下有显著差异”。 所检验的差异在随机过程中出现的机会很小（α ），因此可以认为这样的差异是总体固有的而不是采样过程中偶然发生的。 ;检验统计量：为特定假设检验方法而设计； 对于不同的假设检验方法，其检验统计量服从不同的理论频率分布，表示原假设成立时该统计量取值对应的相伴概率； 大多数假设检验的检验统计量服从t-分布、卡方分布、F-分布或其他特殊的理论分布。 相伴概率：某特定取值以及更加极端可能值的出现概率。 在任何假设检验中，只要能求出特定的检验统计量及其相伴概率，就可以据此决定是拒绝还是接受原假设。 ;复习——频率密度函数查表;检验统计量的理论分布 相伴概率（P）：原假设成立条件下得到该检验统计量的概率。 直接比较P 和α，若P α，拒绝原假设： 犯第一类错误的概率等于或小于相伴概率。 对于服从标准正态分布的检验统计量，可以直接得到相伴概率。 ;大多数假设检验的统计量服从t-分布、卡方分布和F-分布等理论分布； 比正态分布多一个或两个自由度，其分布列表方式不同于标准正态分布：一般以自由度和少数几种相伴概率为自变量，以统计量取值为函数进行排列（各类假设检验临界值表）。 计算检验统计量 根据检验之前确定的显著性水平α，从相关表格中查到用作判断的检验统计量临界值； 如果检验统计量临界值， 拒绝原假设 意味着检验统计量的相伴概率小于α， 拒绝原假设犯第一类错误的概率小于α。;直接判断：1. G 2. G?P 3.比较P与α的大小；Pα拒绝原假设 临界值判断：1. G 2. α?Gα 3. 比较G与Gα的大小；GGα即意味着Pα，则可以拒绝原假设。 ;2.1.2 单侧检验与双侧检验临界值的查取;2.1.2 假设检验的一般步骤;假设检验举例：异常值检验;假设检验举例：大小比较;课堂练习——判断;课堂练习——判断;课堂练习——计算;课堂练习——计算;第