统计学第5章--假设检验.pptVIP

第三步：确定显著性水平、拒绝域。 通常显著水平由实际问题确定，我们这里取α=0.05，左侧检验，拒绝域安排在左边，查标准正态分布表得临界值： - =-1.645，拒绝域是z-1.645。 最新课件 第四步：计算检验统计量的数值。 样本平均数 ，n=50,代入检验统计量得： 最新课件 第五步：判断。 检验统计量的样本取值落入拒绝域。拒绝原假设，接受备选假设，认为有足够的证据说明该种纸包饮料的平均容量小于包装盒上注明的250毫升，厂商有欺诈之嫌。 最新课件 总体标准差未知时对总体均值检验经常用t统计量： 但是，在大样本场合(样本容量n大于30时)，t-统计量与标准正态分布统计量近似，通常用z检验代替t检验。 最新课件 双侧检验与单侧检验 (假设的形式Ｐ１６９) 假设 双侧检验 单侧检验 左侧检验 右侧检验 原假设 备择假设 最新课件 两类错误与显著性水平 最新课件 假设检验中的两类错误 1.第Ⅰ类错误(弃真错误) 原假设为真时拒绝原假设 第Ⅰ类错误的概率记为? 被称为显著性水平 2.第Ⅱ类错误(取伪错误) 原假设为假时未拒绝原假设 第Ⅱ类错误的概率记为??(Beta) ? ? 最新课件 H0: 无罪 假设检验中的两类错误 (决策结果) 陪审团审判 裁决 实际情况 无罪 有罪 无罪 正确 错误 有罪 错误 正确 H0 检验 决策 实际情况 H0为真 H0为假 未拒绝H0 正确决策 (1 – a) 第Ⅱ类错误(b ) 拒绝H0 第Ⅰ类错误(a ) 正确决策 (1-b ) 假设检验就好像一场审判过程 统计检验过程 最新课件 ? 错误和 ? 错误的关系 ? ? 你不能同时减少两类错误! ?和? 的关系就像翘翘板，?小? 就大， ?大? 就小 最新课件 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 最新课件 显著性水平? (significant level) 1. 是一个概率值 2. 原假设为真时，拒绝原假设的概率 被称为抽样分布的拒绝域 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 最新课件 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 什么是小概率？ ? 最新课件 最新课件 统计量与拒绝域 构造一个统计量来决定是否拒绝原假设。 对不同的问题，要选择不同的检验统计量。 最新课件 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 对样本估计量的标准化结果 原假设H0为真 点估计量的抽样分布 检验统计量 (test statistic) 标准化的检验统计量 最新课件 检验统计量确定后，就要利用该统计量的分布以及由实际问题中所确定的显著性水平，来进一步确定检验统计量拒绝原假设的取值范围，即拒绝域。 在给定的显著性水平α下，检验统计量的可能取值范围被分成两部分：小概率区域与大概率区域。小概率区域就是概率不超过显著性水平α的区域，是原假设的拒绝区域；大概率区域是概率为1-α的区域，是原假设的接受区域。 最新课件 单侧检验与双侧检验 α/2 1–α α/2 -Zα/2 Zα/2 α –Zα 0 α 0 Zα 双侧检验 左侧检验 右侧检验 最新课件 显著性水平和拒绝域(双侧检验 ) 抽样分布 0 临界值 临界值 a/2 a/2 样本统计量 拒绝H0 拒绝H0 1 - ? 置信水平 最新课件 显著性水平和拒绝域(双侧检验 ) 0 临界值 临界值 a /2 a /2 样本统计量 拒绝H0 拒绝H0 抽样分布 1 - ? 置信水平 最新课件 显著性水平和拒绝域(双侧检验 ) 0 临界值 临界值 a /2 a /2 样本统计量 拒绝H0 拒绝H0 抽样分布 1 - ? 置信水平 最新课件 显著性水平和拒绝域(双侧检验 ) 0 临界值 临界值 a /2 a /2 样本统计量 拒绝H0 拒绝H0 抽样分布 1 - ? 置信水平 最新课件 显著性水平和拒绝域(单侧检验 ) 0 临界值 a 样本统计量 拒绝H0 抽样分布 1 - ? 置信水平 最新课件 显著性水平和拒绝域(左侧检验 ) 0 临界值 a 样本统计量 拒绝H0 抽样分布 1 - ? 置信水平 观察到的样本统计量 最新课件 显著性水平和拒绝域(左侧检验 ) 0 临界值 a 样本统计量 拒绝