第四章 统计假设检验.pptVIP

第四章 统计假设检验 1 统计假设检验概述 1.1 统计假设检验的意义 （hypothesis testing） 什么是假设检验？ 它能解决什么问题？ 例4-1 某酿造厂引进了一种酿醋的新曲种，以原曲种为对照来进行试验，已知用原曲种酿出的醋的醋酸含量为 ＝9.75％（已知总体均值），并从长期生产结果获得其标准差σ＝5.30％。现采用新曲种酿造，得30个醋样，其醋酸含量平均值为 ＝11.99％，问新曲种与原曲种酿出的醋的醋酸含量是否有差异？ 1.2 统计假设检验的基本原理 （1）对研究总体提出假设 提出两个假设，一个假设是被检验的假设，用H0表示，称为原假设，或称零假设、检验假设、无效假设。其内容是假设被检验的两个总体均数相等。如H0：μ=μ0　，或H0：μ1=μ2 另一个是与无效假设相对应的假设，称做备择假设，记作H1。其内容与无效假设相对立。如H1：μ≠μ0　，或H1：μ1≠μ2。备择假设是在无效假设被否定时，准备接受的假设。 （2）在无效假设H0成立的前提下，构造合适的统计量，并由该统计量的抽样分布计算样本统计量的概率。 无效假设H0 ：μ=μ0 成立，说明　 之间的差异是由误差造成的。此时可把试验中所获得的　看成是从μ0总体中随机抽取的一个样本均数。由样本均数抽样分布理论可知，从一个均数为μ0方差为σ2的正态总体中抽样，所得的一系列样本均数　的分布呈正态分 布 。 对　作标准化，则有 由上式即可计算出样本统计量ｕ值，并估计出H0条件下∣ｕ∣超过样本实得值的概率。 由正态分布的双侧分位数（ｕα）表可知： 如例4-1 μ0＝9.75％，　＝11.99％，n=30，σ=5.30％，代入上式，得 ｕ=2.315 ，1.96＜∣ｕ∣＜2.58，所以可推知其概率 　 为0.01＜p＜0.05，亦即　　 =2.24％完全由误差造成的概率在0.01～0.05之间。 （3）根据估计出的统计量的概率值大小，做出接受或否定无效假设的推断。 如果估计出的统计量的概率值非常小，说明无效假设H0认为 的差异纯属误差造成的为小概率事件。因而原先所作的无效假设H0是不正确的，应予以否定，转而接受备择假设H1 ；反之，如果估计出的统计量的概率值不是很小，说明 纯属误差造成的情况有较大可能会出现，此时的无效假设H0很可能是正确的，不能被否定。 显著水平 做出否定或接受H0的决定应以多大的概率值作为小概率标准？统计学上把决定接受或否定H0的小概率标准称为显著水平，或称显著水准，常用α表示。实际中常用的显著水平有0.05和0.01两个。当估计出的概率值ｐ≤α时，则否定H0 ；当估计出的概率值ｐ＞α时，就接受H0 。 例4-1中，算出的概率介于0.05～0.01之间，为小概率，故可否定H0 ，接受H1 ，说明新曲种与原曲种酿出的醋的醋酸含量有差异。 显著水平在统计假设检验中是人为确定的。在实际工作中，所用的显著水平除0.05和0.01外，还常有0.001，0.1，0.2，0.25等等。到底选哪种显著水平，应根据试验的目的、要求、条件和试验结论的重要性等因素综合考虑而定。 显著水平对假设检验的结论是有直接影响的，所以它应在试验开始前即规定下来。 1.3 统计假设检验的步骤 （1）建立假设 对样本所属总体提出假设，包括无效假设H0和备择假设H1。并有双侧假设和单侧假设的不同。双侧的备择假设H1可以省略。 （2）确定显著水平α 实践中常用的显著水平为α=0.05和α=0.01。但α的取值并非一成不变，可根据不同研究目的给予不同设置，如方差齐性检验、正态性检验、拟合优度的χ2检验等常取α等于0.10、0.20，甚至更高。 （3）计算检验统计量 从无效假设H0出发，根据样本提供的信息计算检验统计量。 不同的假设检验，所得统计量不同，如ｔ，ｕ，F等。 （4）统计推断 根据估计的概率值的大小来推断无效假设是否正确，从而决定接受还是否定H0。 ① 当计算出的概率ｐ＞0.05时，应接受无效假设H0，拒绝H1。此时称为差异（　　　）不显著。 ②当计算出的概率0.01＜ｐ＜0.05时，则应否定H0 ，接受H1 。此时称为差异（　　 ）显著。 ③当计算出的概率ｐ＜0.01时，应否定H0，接受H1 。此时称为差异（　　　）极显著。 1.4 统计假设检验中的两类错误 第一类错误 若原假设H0为真，但通过假设检验后却否定了它，也就是将非真实差异错判为真实差异，这样