第六章 假设检验.ppt

第 六 章 假设检验 6.1 假设检验的基本问题 6.2 一个总体参数的检验 6.3 两个总体参数的检验 假设检验在统计方法中的地位 假设的陈述 什么是假设?(hypothesis) ? 对总体参数的具体数值所作的陈述 总体参数包括总体均值、比例、方差等 分析之前必需陈述 什么是假设检验? (hypothesis test) 先对总体的参数(或分布形式)提出某种假设，然后利用样本信息判断假设是否成立的过程 有参数检验和非参数检验 假设检验的过程 原假设与备择假设 原假设(null hypothesis) 研究者想收集证据予以反对的假设 又称“0假设” 总是有符号 ?, ? 或?? 4. 表示为 H0 H0 ： ? = 某一数值 指定为符号 =，? 或 ?? 例如, H0 ： ? ? 10cm 备选假设(alternative hypothesis) 研究者想收集证据予以支持的假设 也称“研究假设” 总是有符号 ?,?? 或 ? 表示为 H1 H1 ： ? 某一数值，或? ?某一数值 例如, H1 ： ? 10cm，或? ?10cm 【例】一种零件的生产标准是直径应为10cm，为对生产过程进行控制，质量监测人员定期对一台加工机床检查，确定这台机床生产的零件是否符合标准要求。如果零件的平均直径大于或小于10cm，则表明生产过程不正常，必须进行调整。试陈述用来检验生产过程是否正常的原假设和被择假设 【例】某品牌洗涤剂在它的产品说明书中声称：平均净含量不少于500克。从消费者的利益出发，有关研究人员要通过抽检其中的一批产品来验证该产品制造商的说明是否属实。试陈述用于检验的原假设与备择假设 原假设和备择假设是一个完备事件组，而且相互对立 在一项假设检验中，原假设和备择假设必有一个成立，而且只有一个成立 先确定备择假设，再确定原假设 等号“=”总是放在原假设上 对两种假设的理解 原假设与备选假设只是两个假设的称号，我们可以随意设定其中一个为原假设，另一个为备选假设。 因研究目的不同，它们本质上带有一定的主观色彩，对同一问题可能提出不同的假设(也可能得出不同的结论) 由于在检验上的逻辑性，原假设一般是处于较有利的地位。如果你将你想要拒绝的假设设为原假设，而在检验过程中，你的基本立场是不轻易推翻原假设，只有在非常显著的客观证据下，即抽样样本所显示的资料信息支持你的备选假设时，才拒绝原假设。那么，这样的检验过程，原假设是处于有利的地位，也就是说，我们在统计学上是以非常严谨的态度来拒绝原假设的。 双侧检验与单侧检验 备择假设没有特定的方向性，并含有符号“?”的假设检验，称为双侧检验或双尾检验(two-tailed test) 备择假设具有特定的方向性，并含有符号“”或“”的假设检验，称为单侧检验或单尾检验(one-tailed test) 备择假设的方向为“”，称为左侧检验 备择假设的方向为“”，称为右侧检验 双侧检验与单侧检验 (假设的形式) 两类错误与显著性水平 假设检验中的两类错误 1. 第Ⅰ类错误(弃真错误) 原假设为真时拒绝原假设 第Ⅰ类错误的概率记为? 被称为显著性水平 2. 第Ⅱ类错误(取伪错误) 原假设为假时未拒绝原假设 第Ⅱ类错误的概率记为??(Beta) ? 错误和 ? 错误的关系 显著性水平? (significant level) 1. 显著性水平是一个概率值，是人们事先指定的犯第I类错误的概率的最大允许值 2. 原假设为真时，拒绝原假设的概率 被称为抽样分布的拒绝域 3. 表示为 ??(alpha) 常用的 ??值有0.01, 0.05, 0.10 4. 由研究者事先确定 1、显著性的意义：是指这样的样本结果不是偶然得到的，或者说，不是靠机遇能够得到的。同样，如果检验的结果不是显著的，则表明这样的样本结果是偶然得到的。 2、采用“不拒绝原假设”的说法：当拒绝原假设的时候，人们犯错误的概率不超过给定的显著性水平，但当样本测量显示没有充分的理由拒绝原假设时，便难以确切知道第二类错误发生的概率，因此，在假设检验中才有“不拒绝原假设”，而不采用“接受原假设”。 统计量与拒绝域 根据样本观测结果计算得到的，并据以对原假设和备择假设作出决策的某个样本统计量 对样本估计量的标准化结果 原假设H0为真 点估计量的抽样分布 拒绝域 检验统计量是一个随机变量，随着样本观测结果的不同它的具体数值也是不同的，但只要已知一组特定的样本观测结果，检验统计量的值也就唯一确定了。假设检验的基本原理就是根据检验统计量建立一个标准，依据这个准则和计算得到的检验统计量值，研究者就可以决定是否拒绝原假设。但统计量的哪些值将导致我们拒绝原假设而倾向于备择假设呢？这就需要找出能够拒绝原假设的统计量的所