第八章 假设检验与方差分析.ppt

第九章 假设检验 第 九 章 假设检验 第一节 假设检验的基本问题 第二节 一个正态总体参数的检验 第三节 两个正态总体参数的检验 第四节 假设检验中的其他问题 假设检验在统计方法中的地位 学习目标 了解假设检验的基本思想 掌握假设检验的步骤 对实际问题作假设检验 利用P - 值进行假设检验 1、假设检验的过程 2、假设检验的基本思想 3、什么是假设检验(hypothesis testing) 再看一个例子： 某味精厂用一台包装机自动包装味精，已知袋装味精的重量X~N(u,0.0152),机器正常时其均值u0=0.5公斤，某日开工后随机抽取9袋袋装味精，其净重为：0.497，0.506，0.518，0.524，0.498，0.511，0.520，0.515，0.512。问这台机器是否正常？ 3、什么是假设检验 (hypothesis testing) 解：已知袋装味精的重量X~N(u,0.0152),假设现在包装机工作正常,即提出如下假设 : 原假设H0: ? = ? 0=0.5 备择假设H1: ? ? ? 0=0.5 当原假设为真时, 3、什么是假设检验(hypothesis testing) 当原假设为真时,对于给定的很小的数0 ?1, 例如? = 0.05,有 其中,Z a/2为标准正态分布上侧a/2分位数. 3、什么是假设检验 (hypothesis testing) 4、假设检验的类型 （1）参数假设检验：需要对总体分布作出某种假设，然后利用样本信息来判断关于总体的参数的原假设是否成立，效率高，但要求已知总体分布类型。 （2）非参数假设检验：则是一种不依赖于总体分布的检验方法，检验条件较宽松，适应性强，但功效较低。(含总体的分布类型检验及独立性检验等) 1、提出原假设和备择假设 ? 什么是原假设？(null hypothesis) （1）关于总体参数的表述，是接受检验的假设，又称“0假设” （2）研究者想收集证据予以反对的假设 （3）总是有等号 ?, ? 或?? （4）表示为 H0 H0：? ? 某一数值 指定为 = 号，即 ? 或 ?? 例如, H0：? ? 3190（克） ? 什么是备择假设？(alternative hypothesis) （1）当原假设被否定时另一种可成立的假设，也称“研究假设” （2）研究者想收集证据予以支持的假设,总是有不等号: ?,?? 或 ? （3）表示为 H1 H1：? 某一数值，或? ?某一数值 例如, H1：? 3190(克)，或? ?3190(克) ? 什么是检验统计量？ （1）用于假设检验决策的统计量,要求分布完全已知. （2）选择统计量的方法与参数估计相同，需考虑 是大样本还是小样本 总体方差已知还是未知等 规定显著性水平?(significant level) ? 什么显著性水平？ （1）是一个概率值 （2）原假设为真时，拒绝原假设的概率 （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，主要根据弃真和取伪的代价 作出统计决策 （1）计算检验的统计量 （2）根据给定的显著性水平?，查表得出相应的临界值z?或z?/2， t?或t?/2 （3）将检验统计量的值与? 水平的临界值进行比较 （4）得出接受或拒绝原假设的结论 三、假设检验中的小概率原理 ? 什么小概率？ （1）在一次试验中，一个几乎不可能发生的事件发生的概率 （2）在一次试验中小概率事件一旦发生，我们就有较充足理由拒绝原假设 （3）小概率由研究者事先确定 四、假设检验中的两类错误(决策风险) 1、第一类错误（弃真错误） 原假设为真时拒绝原假设 会产生一系列后果 第一类错误的概率为? 被称为显著性水平 2、第二类错误（取伪错误） 原假设为假时接受原假设 第二类错误的概率为??(Beta) ? 错误和 ? 错误的关系 影响 ? 错误的因素 （1）总体参数的真值 随着假设的总体参数的减少而增大 （2）显著性水平 ?，当 ? 减少时增大 （3）总体标准差 ? ，当 ? 增大时增大 （4）样本容量 n，当 n 减少时增大 1、双侧检验与单侧检验(假设的形式) 2、原假设与备择假设确定(单侧检验) （1）将研究者想收集证据予以支持的假设作为备择假设H1 例如,一个研究者总是想证明自己的研究结论是正确的 一个销售商总是想证实供货商的说法是不正确的 备择假设的方向与想要证明其正确性的方向一致 （2）将研究者想收集证据证明其不正确的假设作为原假设H0 （3）先确立备择假设H1 2、原假设与备择假设确定(单侧检验) 一项研究表明，采用