概率论与数理统计第八章假设检验.pptxVIP

概率论与数理统计第八章假设检验假设检验是统计推断的重要形式，基于样本信息验证总体分布参数或形式。它广泛应用于科研、医学、工程等众多领域，帮助我们做出科学决策。作者：

第一部分：假设检验的基本概念检验决策根据样本信息做出接受或拒绝假设的决定统计量选择确定适当的统计量来评估假设假设设立提出原假设和备择假设

什么是假设检验统计推断形式假设检验是统计学中推断总体特性的主要方法之一样本到总体利用有限样本信息对总体分布的参数或形式做出合理判断概率论基础运用概率论原理验证统计假设的可靠性和准确性

假设检验的基本思想反证法思路首先假设原假设为真，然后寻找证据反驳它小概率原理基于小概率事件在单次试验中几乎不可能发生的原理统计决策当观察到的样本结果属于小概率事件时，拒绝原假设

基本术语原假设（H?）需要检验的假设，通常表示无差异或无效应备择假设（H?）与原假设相对立的假设，表示存在差异或有效应显著性水平（α）在原假设为真时错误拒绝它的最大概率

假设检验的类型参数检验针对总体分布参数的检验，如均值、方差等要求样本来自特定分布（如正态分布）检验力较高如t检验、Z检验、F检验等非参数检验不依赖于总体分布形式的检验适用于分布未知或不满足正态性基于秩、中位数等如符号检验、秩和检验等

假设检验的基本步骤提出假设明确提出原假设H?与备择假设H?选择统计量根据检验目的选择合适的检验统计量确定标准设定显著性水平α并确定拒绝域计算统计量根据样本数据计算统计量的观测值作出决策根据统计量是否落在拒绝域内作出决策

原假设的特点包含等号原假设通常包含等号，如μ=μ?或σ2=σ?2备择假设无等号备择假设通常不包含等号，如μ≠μ?、μμ?或μμ?不等式检验检验不等式时，原假设为待检验的不等式

检验中的两类错误错误类型描述概率控制方法第一类错误H?正确但被拒绝（弃真）α（显著性水平）降低α值第二类错误H?错误但未被拒绝（取伪）β增加样本量

第二部分：显著性检验提出问题确定研究问题并形成假设收集数据获取样本并计算相关统计量计算概率确定在原假设下观察结果的概率3做出决策根据概率值与显著性水平比较做出决策

显著性检验的基本概念显著性水平显著性水平α代表在原假设为真时错误拒绝它的概率常用取值实践中通常取α=0.05或α=0.01作为标准谨慎性α越小，对原假设的推翻越谨慎，证据要求越严格

显著性检验的行为准则小概率事件原则仅当观察到小概率事件（Pα）时才拒绝原假设接受原则当观察结果是在原假设下的常见现象时，接受原假设客观判断基于统计数据而非主观判断，提供客观决策标准

显著性水平的选择保守选择(α=0.01)严格标准，强有力的证据支持常用选择(α=0.05)平衡两类错误的折中方案宽松选择(α=0.10)提高检测效果，但风险更高

P值的概念与应用P值定义P值是在原假设为真的条件下，获得当前或更极端样本结果的概率它衡量样本数据与原假设的不相容程度P值应用P值越小，表明数据越不支持原假设当P值α时，拒绝原假设当P值≥α时，接受原假设

第三部分：单个正态总体的参数检验均值检验(σ已知)使用Z检验，基于标准正态分布均值检验(σ未知)使用t检验，基于t分布方差检验使用χ2检验，基于卡方分布

单个正态总体均值的检验（σ已知）适用条件样本来自正态总体，且总体标准差σ已知检验原理原假设H?:μ=μ?下，Z统计量服从标准正态分布N(0,1)决策规则根据Z统计量落入拒绝域情况决定是否拒绝原假设

单侧检验与双侧检验检验类型备择假设拒绝域应用场景双侧检验H?:μ≠μ?|Z|Zα/2关注参数是否等于特定值右侧检验H?:μμ?ZZα关注参数是否大于特定值左侧检验H?:μμ?Z-Zα关注参数是否小于特定值

单个正态总体均值的检验（σ未知）适用条件样本来自正态总体，但总体标准差σ未知检验原理原假设H?:μ=μ?下，t统计量服从自由度为n-1的t分布与Z检验区别使用样本标准差S替代总体标准差σ，分布从正态变为t分布

单个正态总体方差的检验适用条件样本来自正态总体，检验总体方差是否等于某个特定值检验原理原假设H?:σ2=σ?2下，χ2统计量服从自由度为n-1的卡方分布拒绝域形式双侧检验：χ2χ2??α/2(n-1)或χ2χ2α/2(n-1)单侧检验根据备择假设相应调整

第四部分：两个正态总体的参数检验1均值差检验(σ已知)使用Z检验，基于标准正态分布2均值差检验(σ未知)使用t检验，根据方差是否相等选择不同公式3方差比检验使用F检验，基于F分布

两正态总体均值差的检验（σ?,σ?已知）适用条件两个独立样本分别来自两个正态总体，总体标准差均已知检验原理原假设H?:μ?-μ?=(μ?-μ?)?下，Z服从标准正态分布特殊情况通常(μ?-