课件：统计学假设检验最新配套讲义.ppt

9 Rejection region does NOT include critical value. Rejection region does NOT include critical value. 9 As a result of this class, you will be able to ... 8.2.4总体方差的检验(?2 检验) 方差的卡方 (?2) 检验 检验一个总体的方差或标准差 假设总体近似服从正态分布 检验统计量 样本方差 假设的总体方差 方差的卡方 (?2) 检验(例题分析) 【例】某厂商生产出一种新型的饮料装瓶机器，按设计要求，该机器装一瓶一升(1000cm3)的饮料误差上下不超过1cm3。如果达到设计要求，表明机器的稳定性非常好。现从该机器装完的产品中随机抽取25瓶，分别进行测定(用样本减1000cm3)，得到如下结果。检验该机器的性能是否达到设计要求 (?=0.05) 0.3 -0.4 -0.7 1.4 -0.6 -0.3 -1.5 0.6 -0.9 1.3 -1.3 0.7 1 -0.5 0 -0.6 0.7 -1.5 -0.2 -1.9 -0.5 1 -0.2 -0.6 1.1 绿色 健康饮品 绿色 健康饮品 双侧检验 方差的卡方 (?2) 检验(例题分析) H0: ?2 = 1 H1: ?2 ? 1 ? = 0.05 df = 25 - 1 = 24 临界值(s): 统计量: 在 ? = 0.05的水平上不拒绝H0 可以认为该机器的性能达到设计要求 ? 2 0 39.36 12.40 ? /2 =.05 决策: 结论: 8.4检验问题的进一步说明 8.4.1关于检验结果 的解释 8.4.2单侧检验中假设的建立 左侧检验 右侧检验 关于检验结果的解释 在针对总体参数的各种类型的检验中，采用是否拒绝原假设 H0的方式达到检验目的。 从假设检验的原理看，不拒绝原假设意味着我们所构造的与原假设相矛盾的小概率事件没有发生。 单侧检验中假设的建立 左侧检验 H0 ：m ? m0 H1:：m m0 当检验统计量小于临界值 则拒绝原假设 右侧检验 H0: ? ? m0 H1: ? m0 当检验统计量大于临界值 则拒绝原假设 Z 0 拒绝域 0.05 1.645 -1.645 Z 0 拒绝域 .05 重要提示： 一般地，在假设检验中，把希望证明的命题放在备择假设上，而把原有的、传统的观点或结论放在原假设上。 推翻原假设需要检验统计量落入拒绝域。 本章小节 1. 假设检验的概念和类型 2. 假设检验的过程 基于一个样本的假设检验问题 4. 利用p - 值进行检验 结 束 THANK YOU SUCCESS * * 可编辑 As a result of this class, you will be able to ... 9 Rejection region does NOT include critical value. Rejection region does NOT include critical value. 双侧检验的P 值 ?/ 2 ?/ 2 Z 拒绝 拒绝 H0值 临界值 计算出的样本统计量 计算出的样本统计量 临界值 1/2 P 值 1/2 P 值 左侧检验的P 值 H0值 临界值 a 样本统计量 拒绝域 抽样分布 1 - ? 置信水平 计算出的样本统计量 P 值 右侧检验的P 值 H0值 临界值 a 拒绝域 抽样分布 1 - ? 置信水平 计算出的样本统计量 P 值 利用 P 值进行检验(决策准则) 单侧检验 若p-值 ?,不拒绝 H0 若p-值 ?, 拒绝 H0 双侧检验 若p-值 ?/2, 不拒绝 H0 若p-值 ?/2, 拒绝 H0 双侧检验和单侧检验 双侧检验与单侧检验 (假设的形式) 假设 研究的问题 双侧检验 左侧检验 右侧检验 H0 m = m0 m ? m0 m ? m0 H1 m ≠m0 m m0 m m0 双侧检验(原假设与备择假设的确定) 属于决策中的假设检验 不论是拒绝H0还是不拒绝H0，都必需采取相应的行动措施 例如，某种零件的尺寸，要求其平均长度为10cm，大于或小于10cm均属于不合格 我们想要证明(检验)大于或小于这两种可能性中的任何一种是否成立，即将需要验证的问题设置为备择假设H1 建立的原假设与备择假设应为 H0: ? = 10 H1: ? ? 10 双侧检验(显著性水平与拒绝域 ) 抽样分布 H0值 临界值 临界值 a/