统计专题3---假设检验均值2015.pptVIP

统计假设检验（testofhypothesis）引通过试验测定得到的每个观测值xi，反映两个方面的内容：被测个体所属总体的特征；诸多无法控制的随机因素的影响。所以观测值xi由两部分组成，即：xi＝u+εi总体平均数u反映了总体特征，εi表示试验误差。若样本含量为n，则可得到n个观测值：x1，x2，…，xn。于是样本平均数什么是假设检验？概念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类型参数假设检验非参数假设检验特点采用逻辑上的反证法依据统计上的小概率原理假设检验的两个特点：第一，假设检验采用逻辑上的反证法，即为了检验一个假设是否成立，首先假设它是真的，然后对样本进行观察，如果发现出现了不合理现象，则可以认为假设是不合理的，拒绝假设。否则可以认为假设是合理的，接受假设。例如，某商家声称某产品的合格率为99％,，现有100件产品，商检局工作人员在检查中随机抽出1件，发现其为正品，工作人员认为这是应该的，但这并不意味着产品的合格率就是99％；相反，工作人员如果随机抽出的1件是次品，则有充分的理由认为产品的合格率不是99％。道理很简单，100件产品中有99件为正品，在一次试验中本来正品就有绝对优势，竟没有发生，倒抽出了仅有100件中的1件次品，你不奇怪吗？假设检验的过程

（提出假设→抽取样本→作出决策）2.规定显著性水平3.在无效假设成立的前提下，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。2.在无效假设成立的前提下，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。根据小概率原理，试验的表面效应是试验误差产生的概率小于0.05，可以认为在一次试验中试验表面效应是试验误差实际上是不可能的。在无效假设H0，条件下，得出它是小概率事件。这就是说它在一次实验是不会发生的。因此，拒绝原假设，接受备择假设HA，即认为试验的处理效应是存在的。当试验的表面效应是试验误差的概率大于0.05时，则说明无效假设成立的可能性大，不能被否定，因而也就不能接受备择假设。按所建立的：=，试验的表面效应是试验误差的概率在0.01─0.05之间，小于0.05，故有理由否定：=，从而接受：≠。可以认为两个总体平均数和不相同。综上所述，显著性检验，从提出无效假设与备择假设到根据小概率事件实际不可能性原理来否定或接受无效假设，这一过程实际上是应用所谓“概率性质的反证法”对试验样本所属总体所作的无效假设的统计推断。1.2统计假设检验的步骤建立假设。首先提出零假设，记为H0，设立零假设的目的在于检验中要予以拒绝或接受的假设。零假设总是假定总体没有显著性差异，所有差异都是由随机原因引起的。所以这种假设又称无效假设。提出备择假设，记为H1（HA），如果零假设被拒绝等于接受了备择假设，所以备择假设也就是所假设的对立事件。确定显著水平α。常用的显著水平α＝0.05、α＝0.01、α＝0.001；在零假设成立的条件下，由被检验的统计量分布求出相应的临界值，该临界值即为零假设的拒绝域和接受的分界线。从无效假设H0出发，根据样本提供信息构造适宜统计量，并计算统计量值或概率；将实际求得的检验统计量取值与临界值进行比较，做出拒绝或接受零假设的决策。如果检验统计量取值超过临界值，说明零假设落入拒绝域中，我们就选择拒绝接受零假设；若检验统计量的取值小于临界值，零假设落入接受域中，我们就不能拒绝零假设，而必须接受零假设或作进一步的检验。SPSS给出了检验统计量的概值即p值（p-value），利用p值就可以直接进行检验。p值是在零假设成立的情况下，检验统计量的取值等于或超过检验统计量的实际值的概率，从而p值即为否定零假设的最低显著性水平。p值经常被称为实际显著性水平，以区别于给定的显著性水平α。当检验统计量的实际值超过临界值时，验统计量的p值将小于给定的显著性水平α，零假设落入拒绝域中，我们就拒绝接受零假设；当检验统计量的取值小于临界值时，检验统计量的p值将大于给定的显著性水平α，零假设落入接受域中，我们就不能拒绝零假设，而必须接受零假设或作进一步的检验。?错误和?错误的关系假设检验两类错误关系的图示

以单侧上限检验为例影响?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