假设检验和方差分析.ppt

第八章 假设检验与方差分析;……正如一个法庭宣告某一判决为“无罪”而不为“清??(innocent)”，统计检验的结论也应为“不拒绝”而不为“接受”。 Jan Kmenta;假设检验;假设检验在统计方法中的地位;;;假设的陈述;什么是假设?(hypothesis);什么是假设检验? (hypothesis test);;;原假设与备择假设;原假设(null hypothesis);为什么叫 0 假设？;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备择假设;【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500g。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;【例】一家研究机构估计，某城市中家庭拥有汽车的比例超过30%。为验证这一估计是否正确，该研究机构随机抽取了一个样本进行检验。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 ，这是为了涵盖备择假设H1不出现的所有情况。 因研究目的不同，对同一问题可能提出不同的假设(也可能得出不同的结论);;单侧检验与双侧检验;考虑从一个无限大、均值μ为未知，标准差σ已知的正态分布总体中随机抽样的例子。 例如，若想知道未知的总体均值是否等于特定值，可选择双侧假设检验： 零假设为 H0 ：? ??0 ，双侧对立假设为H1 ：? ??0 。 假定零假设为真，则可知：如果所有容量为n的随机样本来自一个无限大的正态分布总体（均值? ，标准差σ），且对每一样本计算连续随机变量?X的?x值，那么有一正态抽样分布，均值为??x=?0 ，标准差为 。进一步还可假定，如果正态分 布变量经Z变换后为标准化;;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 ;;两类错误与显著性水平;;假设检验中的两类错误;;;第二类错误（取伪）是把不正确的原假设当做正确的接受而犯的错误。记概率为? ;两类错误的控制11;检验能力(power of test);显著性水平? (significant level);我们可以在事先确定用于拒绝原假设H0的证据必须强到何种程度。这等于说我们要求多小的P值。而这个P值就叫显著性水平，用?表示 显著性水平表示总体中某一类数据出现的经常程度 假如我们选择?=0.05，样本数据能拒绝原假设的证据要强到：当H0正确时，这种样本结果发生的频率不超过5%；如果我们选择?=0.01，就是要求拒绝H0的证据要更强，这种样本结果发生的频率只有1% 如果P值小于或等于? ，我们称该组数据不利于原假设的证据有?的显著性水平;significant(显著的)一词的意义在这里并不是“重要的”，而是指“非偶然的” 在假设检验中，如果样本提供的证据拒绝原假设，我们说检验的结果是显著的，如果不拒绝原假设，我们则说结果是不显著的 一项检验在统计上是“显著的”，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 拒绝原假设，表示这样的样本结果并不是偶然得到的；不拒绝原假设(拒绝原假设的证据不充分) ，则表示这样的样本结果只是偶然得到的;假设检验中的小概率原理;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 对样本估计量标准化的依据是 原假设H0为真 点估计量的抽样分布 ;假设检验的基本原理;显著性水平和拒绝域(双侧检验 ); ; ; ;显著性水平和拒绝域(单侧检验 ); ; ; ; ;决策规则;利用 P 值 进行决策;什么是P 值? (P-value);;;;原假设的可信度有多高？如果H0所代表的假设是人们多年来一直相信的，就需要很强的证据(小的P值)才能说服他们 拒绝的结论是什么？如果拒绝H0而肯定H1 ，