第11章 假设检验.ppt

山东轻院皮革教研室 ……正如一个法庭宣告某一判决 为“无罪(not guilty)”而不为“清白 (innocent)”，统计检验的结论也应 为“不拒绝”而不为“接受”。 ——Jan Kmenta 正常人的平均体温是37oC吗？ 当问起健康的成年人体温是多少时，多数人的回答是37oC，这似乎已经成了一种共识。下面是一个研究人员测量的50个健康成年人的体温数据 正常人的平均体温是37oC吗？ 根据样本数据计算的平均值是36.8oC ，标准差为0.36oC 根据参数估计方法得到的健康成年人平均体温的95%的置信区间为(36.7，36.9)。研究人员发现这个区间内并没有包括37oC 因此提出“不应该再把37oC作为正常人体温的一个有任何特定意义的概念” 我们应该放弃“正常人的平均体温是37oC”这个共识吗？本章的内容就将提供一套标准统计程序来检验这样的观点 第 十一 章 假设检验 (hypothesis testing) §11.1 假设检验的基本问题 §11.2 一个正态总体参数的检验 §11.3 两个正态总体参数的检验 §11.4 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 利用置信区间进行假设检验 利用P - 值进行假设检验 【例】设某粮食加工厂用打包机包装大米，规定每袋的标准重量为100kg。设打包机装的大米重量服从正态分布，由以往长期经验知其标准差为0.9kg且保持不变。某天开工后，为了检验打包机工作是否正常，随机抽取该机所装的9袋，称其净重为（单位：kg） 99.3，98.7，100.5，101.2，98.3，99.7，105.1，102.6，100.5 问该天打包机的工作是否正常？ 【例】一项统计结果声称，某市老年人口（年龄在65岁以上）的比重为14.7%，该市老年人口研究会为了检验该项统计是否可靠，随机抽选了400名居民，发现其中有57人年龄在65岁以上。调查结果是否支持该市老年人口比重为14.7%的看法？ 【例】某零件的内径服从正态分布，根据设计要求，其标准差不得超过0.30cm，现从该产品中随机抽检25件，测得样本标准差为0.36，问检验结果是否说明该产品的标准差明显增大了？ 【例】某种建筑材料，其抗拉强度的分布以往一直是服从正态分布，现改变配料方案，希望确定新产品的抗拉强度的分布是否仍然服从正态分布？ 什么是假设检验? (hypothesis testing) 事先对总体参数或分布形式作出某种假设，然后利用样本信息来判断原假设是否成立 有参数假设检验和非参数假设检验 提出原假设和备择假设 ? 什么是原假设？(null hypothesis) 待检验的假设，又称“0假设” 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：? ? 100（千克） ? 什么是备择假设？(alternative hypothesis) 与原假设对立的假设，也称“研究假设” 研究者想收集证据予以支持的假设总是有不等号: ?，?? 或 ? 表示为 H1 H1：? 某一数值，或? ?某一数值 例如， H1：? ?100(千克) 假设检验的基本思想 假设检验的过程 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，我们就有理由拒绝原假设 3. 小概率由研究者事先确定 【例】设某粮食加工厂用打包机包装大米，规定每袋的标准重量为100kg。设打包机装的大米重量服从正态分布，由以往长期经验知其标准差为0.9kg且保持不变。某天开工后，为了检验打包机工作是否正常，随机抽取该机所装的9袋，称其净重为（单位：kg） 99.3，98.7，100.5，101.2，98.3，99.7，105.1，102.6，100.5 问该天打包机的工作是否正常？ 假设检验中的两类错误 1. 第一类错误(type ⅰerror)（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(typeⅱ error) （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) 【例】设总体Ｘ～N（ ? ， ? 2）， ? 2 为已知， ? 只能取两个值?0与?1 （ ?0 ? ?1 ），从总体Ｘ抽取样本（x1，x2，…，xn）