社会统计学-卢淑华(第4版)-第7-8章x.pptVIP

ddfd 原假设 H0 备择假设 H1 点估计（概念要点） 假设检验的基本形式 假设检验中的两类错误 （1）弃真错误 当原假设为真时拒绝原假设，所犯的错误称为第Ι类错误（type Ιerror），又称为弃真错误。犯第Ι类错误的概率通常记为α。在假设检验理论中， α又被称为显著性水平 假设检验中的两类错误 显著性水平（level of significance） 假设检验的基本步骤 总体参数的区间估计（抽样误差范围的概率保证度） 第3步：选择显著性水平，确定临界值 单一总体参数的假设检验 例1(P244) 双侧检验 H0:μ=880 H1:μ≠880 例1(P244) 左侧检验 H0:μ≥880 H1:μ880 例1(P244) 右侧检验 H0:μ≤880 H1:μ880 总体比例的检验 例5(P248) 左侧检验 H0:π≥0.75 H1:π0.75 例5(P248) 双侧检验 H0:π=0.75 H1:π≠0.75 例5(P248) 右侧检验 H0:π≤0.75 H1:π0.75 例6(P251) 右侧检验 H0:μ≤20 H1:μ20 例6(P251) 双侧检验 H0:μ=20 H1:μ≠20 例6(P251) 左侧检验 H0:μ20 H1:μ ≤20 一个正态总体方差的检验 例7(P253) 左侧检验 H0:σ2≥152 H1:σ2 152 例7(P253) 双侧检验 H0:σ2= 152 H1:σ2 ≠ 152 例7(P253) 右侧检验 H0:σ2≤ 152 H1:σ2 152 第7、8章结束 ddd 第七章 假设检验 用样本信息检验总体信息 Hypothesis testing 一、假设检验的基本内容 （一）假设检验的基本思想 假设检验（hypothesis testing）是除参数估计之外的另一类重要的统计推断问题。它的基本思想可以用小概率原理来解释。所谓小概率原理，就是认为小概率事件在一次试验中是几乎不可能发生的。也就是说，如果对于总体的某个假设是真实的，那么不利于或不可能支持这一假设的小概率事件A在一次试验中几乎是不可能发生的，要是一次试验中事件A竟然发生了，我们就有理由怀疑这一假设的真实性，拒绝这一假设。 原假设（null hypothesis）通常是研究者想收集证据予以反对的假设，也称为零假设，用表示。一般来说，原假设建立的依据都是已有的、具有稳定性的，从经验看，没有发生条件的变化，是不会被轻易否定的。换句话讲，进行假设检验的基本目的，就在于作出决策：接受原假设还是拒绝原假设。 备择假设（alternative hypothesis）通常是研究者想收集证据予以支持的假设，用表示。备择假设通常是用于支持你自己的想法。假设你开发了一种新药以提高疗效，如果你想要提供这种药物疗效有显著提高的证据（这是你自然想要支持的），就应把你想要支持的说法假设作为备择假设。 （2）取伪错误 当原假设为假时没有拒绝原假设，所犯的错误称为第Ⅱ类错误（type Ⅱerror），又称为取伪错误。犯第Ⅱ类错误的概率通常记为β 。 发生第Ι类错误的概率也常被用于检验结论的可靠性程度，假设检验中犯的第Ι类错误的概率被称为显著性水平（level of significance），记为α 。 显著性（significance）的意义在这里并不是“重要的”，而是指“非偶然的”，如果样本提供的证据拒绝原假设，则表明检验的结果是显著的；如果不拒绝原假设，则表明检验的结果是不显著的。一项检验在统计上是“显著的”（拒绝原假设），意思是指这样的（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，如果检验的结果是不显著的（没有充分的证据拒绝原假设），则表明这样的（样本）结果是偶然得到的。 第1步：提出原假设和备择假设。 支持的命题为：备择假设 备择假设的对立面则为原假设 第2步：选择适当的检验统计量(test statistic) ,并根据样本信息计算检验统计量的值 总体参数的区间估计(概念) 第4步：将检验统计量值与临界值进行比较，作出判断。 分析：大样本，方差未知，标准正态分布 给定α=0.05，临界值为 假设设定 统计量选择 临界值计算 统计量计算 比较判断 由于 故拒绝原假设，统计报表中养老金人均收入88