第九章 假设检验

合集下载

第9章假设检验习题解答

第9章假设检验习题解答

9. 在统计假设的显著性检验中,取小的显著性水平α 的目的在于( B ).
A. 不轻易拒绝备选假设.
B. 不轻易拒绝原假设.
C. 不轻易接受原假设.
D. 不考虑备选假设.
10. 在统计假设的显著性检验中,实际上是( B ).
A. 只控制第一类错误,即控制"拒真"错误.
B. 在控制第一类错误的前提下,尽量减小第二类错误(即受伪)的概率.
C.
x − µ0 s/ n
<
−tα / 2 (n −1)

D.
x − µ0 s/ n
<
−tα /2 (n −1)或
x − µ0 s/ n
> tα / 2 (n −1) .
二.填空题 15.概率很小的事件,在一次试验中几乎是不可能发生的,这个原理称为 小概率原理

16. 在假设检验中,把符合 H0 的总体判为不符合 H0 加以拒绝,这类错误称为第 一 类
σ
2 1
=
σ
2 2
,
H1
:
σ
2 1

σ
2 2
;在 0.05 的显
著性水平,由于检验问题的P-值 2× 0.217542 > 0.05 ,所以, 接受 (接受,
拒绝)原假设,认为甲乙两家供货商的灯泡使用寿命方差的差异 显著).
不显著 (显著,不
F-检验 双样本方差分析
供货商甲
供货商乙
平均 方差 观测值
H1 : µ = 3,若检验的拒绝域为W = {x > 2.6} .
(1)当 n = 20 时,求检验犯第一类错误的概率α 和第二类错误的概率 β ;
(2)如果要使犯第二类错误的概率 β ≤ 0.01 , n 最小应取多少?

假设检验课件

假设检验课件

假设检验课件假设检验课件假设检验是统计学中一种常用的推断方法,用于验证关于总体参数的假设。

在实际应用中,假设检验被广泛用于医学、经济、社会科学等领域。

本文将对假设检验的基本概念、步骤和常见方法进行介绍,并探讨其在实际问题中的应用。

一、假设检验的基本概念1.1 假设在假设检验中,我们需要对总体参数提出一个假设,并通过收集样本数据来判断这个假设是否成立。

一般来说,我们会提出一个原假设(H0)和一个备择假设(H1)。

原假设是我们需要进行检验的假设,备择假设则是对原假设的否定。

1.2 检验统计量检验统计量是用来衡量样本数据与原假设之间的差异程度的统计量。

常见的检验统计量有t值、F值、卡方值等。

通过计算检验统计量,我们可以得到一个观察到的差异程度,并据此进行假设检验。

1.3 显著性水平显著性水平是在假设检验中设定的一个临界值,用于判断原假设是否成立。

一般来说,我们将显著性水平设定为0.05或0.01。

如果计算得到的p值小于显著性水平,则拒绝原假设,否则接受原假设。

二、假设检验的步骤2.1 确定假设在进行假设检验之前,我们需要明确原假设和备择假设。

原假设通常是我们希望进行检验的假设,备择假设则是对原假设的否定。

2.2 选择适当的检验统计量根据问题的具体情况,选择适当的检验统计量进行计算。

不同的问题可能需要使用不同的统计量,例如,对两个总体均值的比较可以使用t检验,对多个总体均值的比较可以使用方差分析等。

2.3 计算检验统计量的值根据样本数据计算出检验统计量的值。

这一步需要根据具体的统计方法进行计算,例如,对于t检验,需要计算出样本均值、标准差和样本容量等。

2.4 计算p值根据检验统计量的值,计算出p值。

p值表示在原假设成立的情况下,观察到与之相差程度或更极端程度的结果出现的概率。

p值越小,说明观察到的差异越显著。

2.5 判断是否拒绝原假设根据显著性水平和计算得到的p值,判断是否拒绝原假设。

如果p值小于显著性水平,我们可以拒绝原假设,认为观察到的差异是显著的;如果p值大于显著性水平,我们则接受原假设,认为观察到的差异不是显著的。

九章节假设检验续

九章节假设检验续

E1 ( ( x)) E2 ( ( x)) .
二、一致最优功能无偏检验
对另外两类双边假设检验问题
H 0:

0
H1: 0
(13)
和 H0:1 2; H1: 1 or 2 (14)
虽然样本旳联合密度函数(或分布率)(单参数)具
有定理9.1和定理9.2中旳常见体现式,有关这两
类检验问题旳UMPT也不存在。实际上例9.2早 已阐明了这一事实。
既然对上述两类检验问题不存在UMPT,哪 怎样处理呢?象估计问题一样,自然是对检验提 出某种合适旳要求,然后在满足这种特定要求旳 较小旳检验类中寻找最优旳检验,其中一种简朴 旳要求就是所谓旳无偏性。
定义9.2 设 ( x) 是假设检验问题 H0: 0; H1: 1
旳检验函数, 若其功能函数 g( ) E ( ( x)) 满
注意: (1) 有关r和c 旳拟定方法可参看N-P引理旳注。
(2) 假如定理中旳 c( )是 旳严格单减函数,则
定理旳结论一样成立, 只需要将(10)中旳不 等号变化方向。
(3) 对假设检验问题
H 0:

0
H1: 0
则定理8.1旳结论全部成立。
(4) 对假设检验问题
H 0:

0
H1: 0
和假设检验问题
0
H
:1
0
1
0

H
:1
1
1
0
.
现抽取 n个此类设备进行试验直到设备不能正
常工作为止,并统计其寿命分别为 x1, x2 ,, xn ,
试求这个检验问题的水 平为的UMPT。
解 样本旳联合密度函数为
n
p( x, ) n I{min{ xi }0}( x)exp{ xi }

第九章 假设检验的基本原理

第九章 假设检验的基本原理

表9-1 假设检验中的两类错误
拒绝H0 接受H0

H0为真 α错误 正确
H0为假 正确 β错误
为了将两种错误同时控制在相对最小的 程度,研究者往往通过选择适当的显著性水 平而对α错误进行控制,如α=0.05或α= 0.01。
对β错误,则一方面使样本容量增大, 另一方面采用合理的检验形式(即单侧检验 或双侧检验)来使β误差得到控制。
或称研究假设、对立假设;是与零假设相对立的假 设,即存在差异的假设。
进行假设检验时,一般是从零假设出 发,以样本与总体无差异的条件计算统计 量的值,并分析计算结果在抽样分布上的 概率,根据相应的概率判断应接受零假设、 拒绝研究假设还是拒绝零假设、接受研究 假设。
2.小概率事件
样本统计量的值在其抽样分布上出 现的概率小于或等于事先规定的水平, 这时就认为小概率事件发生了。把出现 概率很小的随机事件称为小概率事件。
6.假设检验的基本步骤
一个完整的假设检验过程,一般经过四 个主要步骤:
⑴.提出假设 ⑵.选择检验统计量并计算统计量的值 ⑶.确定显著性水平 ⑷.做出统计结论
第九章
假设检验的基本原理
利用样本信息,根据一定 概率,对总体参数或分布的某 一假设作出拒绝或保留的决断, 称为假设检验。
1.假设
假设检验一般有两互相对立的假设。
H0:零假设,或称原假设、虚无假设(null hypothesis)、解消假设;是要检验的对象之间没
有差异的假设。
H1:备择假设(alternative hypothesis),
α=0.05 和 α=0.01。
4.假设检验的形式 在抽样分布曲线上,显著性水平既可以 放在曲线的一端(单侧检验),也可以分在 曲线的两端(双侧检验)。

《假设检验》课件

《假设检验》课件

方差分析
总结词
适用于多组数据比较的检验方法
详细描述
方差分析是一种适用于多组数据比较的假设检验方法。它通过比较不同组之间的变异和 误差来源,计算F值和对应的P值,以判断原假设是否成立。方差分析在很多领域都有
应用,如农业、生物统计学和心理学等。
秩和检验
总结词
适用于等级数据或非参数数据的检验方法
详细描述
秩和检验是一种适用于等级数据或非参数数 据的假设检验方法。它通过将数据排序后进 行比较,计算秩和值和对应的P值,以判断 原假设是否成立。秩和检验在很多领域都有 应用,如医学、生物学和环境科学等。
04 假设检验的实例分析
单样本Z检验实例
总结词
用于检验一个样本的平均值与已知的 某一总体均值之间是否存在显著差异 。
如果样本量过小,可能无 法得出可靠的结论,因为 小样本可能无法代表总体 。
样本量过大
如果样本量过大,可能会 导致统计效率降低,增加 计算复杂度和成本。
样本代表性
在选择样本时,需要确保 样本具有代表性,能
假设检验的结果只能给出拒绝或接受 假设的结论,但无法给出假设正确与 否的确凿证据。
置信区间有助于判断假设的正确性
02
通过比较置信区间和假设值的位置关系,可以判断假设是否成
立。
置信区间与假设检验的互补关系
03
置信区间和假设检验各有优缺点,可以结合使用以更全面地评
估数据的统计性质。
THANKS 感谢观看
提出假设
根据研究问题和目的,提出原 假设和备择假设。
确定临界值
根据统计量的性质和显著性水 平,确定临界值。
做出决策
根据计算出的样本统计量和临 界值,做出接受或拒绝原假设 的决策。

假设检验《统计学原理》课件

假设检验《统计学原理》课件
图b
X=X1>X0
H0为伪
从上图可以看出,如果临界值沿水平方向右移,α将变小而β变大,即若减小 α错误,就会增大犯β错误的机会;如果临界值沿水平方向左移,α将变大而 β变小,即若减小β错误,也会增大犯α错误的机会,
a 错误和 错误的关系
在样本容量n一定的情况下,假设检验不能同时做到犯α和 β两类错误的概率都很小,若减小α错误,就会增大犯β错误 的机会;若减小β错误,也会增大犯α错误的机会,要使α和 β同时变小只有增大样本容量,但样本容量增加要受人力、 经费、时间等很多因素的限制,无限制增加样本容量就会 使抽样调查失去意义,因此假设检验需要慎重考虑对两类 错误进行控制的问题,
参数假设检验举例
例2:某公司进口一批钢筋,根据要求,钢筋的 平均拉力强度不能低于2000克,而供货商强 调其产品的平均拉力强度已达到了这一要 求,这时需要进口商对供货商的说法是否真 实作出判断,进口商可以先假设该批钢筋的 平均拉力强度不低于2000克,然后用样本的 平均拉力强度来检验假设是否正确,这也是 一个关于总体均值的假设检验问题,
假设检验的两类错误
正确决策和犯错误的概率可以归纳为下表:
假设检验中各种可能结果的概率
H0 为真
接受H0
1-α 正确决策
拒绝H0,接受H1
α 弃真错误
H0 为伪
β 取伪错误
1-β 正确决策
•假设检验两类错误关系的图示
以单侧上限检验为例,设H0 :X≤X0 , H1:X>X0
图a X≤X0 H0为真
a
H0值
样本统计量 临界值
观察到 的样本 统计量
5、假设检验的两类错误
根据假设检验做出判断无非下述四种情况:
1、原假设真实, 并接受原假设,判断正确; 2、原假设不真实,且拒绝原假设,判断正确; 3、原假设真实, 但拒绝原假设,判断错误; 4、原假设不真实,却接受原假设,判断错误, 假设检验是依据样本提供的信息进行判断,有犯错误的可 能,所犯错误有两种类型: 第一类错误是原假设H0为真时,检验结果把它当成不真而 拒绝了,犯这种错误的概率用α表示,也称作α错误 αerror 或弃真错误, 第二类错误是原假设H0不为真时,检验结果把它当成真而 接受了,犯这种错误的概率用β表示,也称作β错误 βerror 或取伪错误,

概率论课件假设检验

概率论课件假设检验

确定临界值
根据研究目的和精度要求,选择合适 的显著性水平,以平衡第一类错误和 第二类错误的发生概率。
做出决策
决策准则
根据样本数据和临界值, 做出是否拒绝零假设的决 策。
结果解释
对决策结果进行合理解释, 说明拒绝或接受零假设的 原因和意义。
结果应用
将决策结果应用于实际问 题中,为后续研究和应用 提供依据。
双侧检验
对两个方向上的差异都进行检验,例如检验平均值是否与某 个值相等。
参数检验与非参数检验
参数检验
基于总体参数的假设进行检验,例如检验总体均值或比例。
非参数检验
不基于总体参数的假设进行检验,例如中位数或众数检验。
独立样本检验与配对样本检验
独立样本检验
对两个独立样本进行比较,例如比较 两个不同群体的平均值。
感谢您的观看
05 实际应用案例
医学研究中的假设检验
总结词
医学研究中的假设检验是评估新药物、治疗方法或诊断技术有效性的关键步骤。
详细描述
在医学研究中,研究者通过假设检验来比较新药物或治疗方法与现有标准之间的差异,以评估其疗效和安全性。 假设检验通过统计方法对数据进行处理,根据预设的显著性水平判断假设是否成立,从而为医学决策提供依据。
假设检验的优点与局限性
01
局限性
02
03
04
假设检验依赖于样本数据的代 表性,如果样本不具有代表性 ,则推断结果可能存在误差。
假设检验的结果受到样本量大 小的影响,样本量过小可能导
致推断结果不稳定。
在某些情况下,假设检验可能 无法给出明确的结论,导致决
策者难以做出判断。
未来研究方向
探索更有效的假设检验方法

假设检验参考答案

假设检验参考答案

第九章 假设检验(练习及习题标准答案) 一、单项选择题1.当总体服从正态分布,但总体方差未知小样本的情况下,0100:;:μμμμ〈≥H H ,则0H 的拒绝域为( ) A.)1(-≤n t t α B. )1(--≤n t t α C. )1(--〉n t t α D. )1(/2--≤n t t α 2.在假设检验中,原假设0H ,备选假设1H ,则称( )为犯第二类错误。

A.0H 为真,不拒绝1H B. 0H 为真,拒绝1H C. 0H 不真,不拒绝0H D. 0H 不真,拒绝0H 3.假设检验是对未知总体某个特征提出某种假设,而验证假设是否成立的资料是( )。

A.样本资料B.总体全部资料C.重点资料D.典型资料4.下列对总体特征值θ的假设,哪一种写法是正确的?( )。

A. 0100:;:θθθθ〈≥H HB. 0100:;:θθθθ≤≥H HC.0100:;:θθθθ〈≤H HD.0100:;:θθθθ≥=H H 5. 一家食品生产企业声称,它们生产的某种食品的合格率在95%以上。

为检验这一说法是否属实,某食品安全检测部门打算抽取部分食品进行检验,该检验的原假设和备择假设为( )A. %95:%;95:10〉≤ππH HB. %95:%;95:10≠=ππH HC. %95:%;95:10〈≥ππH HD. %95:%;95:10≥〉ππH H6.对于非正态总体,使用统计量/x z s n =估计总体均值的条件是( )A .小样本B .总体方差已知C .总体方差未知D .大样本7.在假设检验中,原假设和备选假设( )A .都有可能成立B .都有可能不成立C .只有一个成立而且必有一个成立D .原假设一定成立,备选假设不一定成立8.一种零件的标准长度5cm ,要检验某天生产的零件是否符合标准要求,建立的原假设和备选假设就为( )A .0:5H μ=,1:5H μ≠ B .0:5H μ≠,1:5H μ>C .0:5H μ≤,1:5H μ>D .0:5H μ≥,1:5H μ< 9.若检验的假设为00:H μμ≥,10:H μμ<,则拒绝域为( ) A .z z α> B .z z α<- C ./2z z α<-或/2z z α<- D .z z α>或z z α<-10.一家汽车生产企业在广告中宣称“该公司的汽车可以保证在2年或24000公里内无事故”,但该汽车的一个经销商认为保证“2年”这一项是不必要的,因为汽车车主在2年内行驶的平均里程不超过24000公里。

09 第九章 假设检验

09 第九章 假设检验

解:根据题意可建立假设如下: H0:μ ≥20 kg H1:μ <20 kg 这是一个左侧检验问题,拒绝域应在抽样分布的左端。查标准正态 分布表可知,在显著性水平α =0.05下,临界值为-Zα =-1.65,即拒 绝域为(-∞,-1.65)。 由于样本均值 x 19.5 kg,总体方差σ 2=(1.5 kg)2,故检验统计 量的值为 x μ 0 19.5 20 Z 1.826 1.65 σ 1.5 n 50 即检验统计量落入了拒绝域,所以要拒绝原假设H0:μ =20 kg,转 而接受备择假设H1:μ <20 kg,即检验结果充分说明这些食品的平均净 重减少了。
例1:ProCare Industries,Ltd.曾经提供了一种称为“性别选择”的产 品,根据广告上的说法,这种产品可以使夫妇“将生一个男孩的概率增加 到85%,生一个女孩的概率增加到80%。”对于想要男孩的夫妇,“性别 选择”就装在一个蓝色的包装里,对于想要女孩的夫妇,“性别选择”就 装在一个粉色的包装里。假设我们对100对想要女孩的夫妇进行了一项实验, 他们都遵照了在“性别选择”粉色包装上描述的“户内方便使用说明”。 使用常识和非正规统计学方法来判断,如果100个婴儿中包含以下数量的女 孩,我们应该对“性别选择”的有效性得出什么结论?
前面双侧检验例子的Excel操作过程:
P值=2×0.01991631≈0.0398小于显著性水平0.05,故拒 绝原假设而选择备择假设。
(二)总体满足正态分布N(μ ,σ 2),且方差σ 2未知, 小样本(n<30)时,统计量
x μ t ~ t n 1 S n
其中,S为样本标准差 S
实际情况
决策结果
未拒绝H0 拒绝H0
原假设H0真 正确决策 第一类错误α

09假设检验

09假设检验
10
显著性水平与检验形式
在抽样分布曲线上,显著性水平既可以放在曲
线的一端(单侧检验),也可以分在曲线的两端
(双侧检验)。
α
2
2
α
Байду номын сангаас
图 9- 1
正态抽样分布上α=0.05的三种不同位置
11
显著性水平与检验形式 在确定检验形式时,凡是检验是 否与假设的总体一致的假设检验,α 被分散在概率分布曲线的两端,因此 称为双侧检验。
第二节 总体平均数的假设检验
7.2.1 基本思想 7.2.2 检验步骤 7.2.3 几种具体检验方法
20
总体平均数检验的基本思想
总体平均数的显著性检验是指对样本平均 数与总体平均数之间的差异进行的显著性 检验。但是提出的假设一定针对总体。
检验的思路是:假定研究样本是从平均数 为μ的总体随机抽取的,而目标总体的平 均数为μ0,检验μ与μ0之间是否存在差异。
差异的假设。 H1:备择假设(alternative hypothesis),或称研 究假设、对立假设;是与零假设相对立的假设,即 存在差异的假设。
5
假设检验的基本思想 进行假设检验时,一般是从零 假设出发,以样本与总体无差异的 条件计算统计量的值,并分析计算 结果在抽样分布上的概率,根据相 应的概率判断应接受零假设、拒绝 研究假设还是拒绝零假设、接受研 究假设。
Z
X - m0

n
69 - 66 11.7 18
1.09
32
⑶.确定显著性水平和检验形式
显著性水平为α=0.05,双侧检验
⑷.做出统计结论
查表得Z0.05/2=1.96,而计算得到的Z=1.09
|Z|<Z0.05/2,(则概率p>0.05)

参数假设检验

参数假设检验

(二)总体方差未知,正态总体,小样本 总体方差未知,正态总体, 这时只能用 t 统计量进行假设检验:
t= x − µ0 s/ n ~ t (n − 1)
注: 如果总体分布也未知,则没有适当的统计量进 行假设检验,唯一的解决办法是增大样本,以使 样本均值趋向于正态分布,从而再采用Z统计量。
σ2 未知小样本均值的检验
二、假设检验的基本思想 1、假设检验采用的逻辑推理方法是反证法 、 为了检某假设是否成立,先假定它正确,然后 根据样本信息,观察由此假设而导致的结果是否合 理,从而判断是否接受原假设; 2、判断结果合理与否,是基于“小概率事件不 、判断结果合理与否,是基于“ 易发生” 易发生”这一原理的 即在一次抽样中,小概率事件不可能发生。如 果在原假设下发生了小概率事件,则认为原假设是 不合理的;反之,小概率事件没有发生,则认为原 假设是合理的。
或者说在给定置信度1-α下(比如99%):
x − µ0

n ≤ Zα 2
)
其中:µ0为所要检验的假设(这里为4cm) σ为总体标准差(这里为0.1cm)
N为样本容量(这里为100) Zα/2为置信度1-α下,标准正态分布对应的右尾 临界值
如果取置信度为0.99,则显著性水平α=0.01,对 应的临界值为Zα/2 =2.58 换言之,如果原假设为真,则样本测算值将以 99%的可能性落在[-2.58,2.58]区间内。 通过一组(实际)样本计算得:
拒绝 H0
.025
检验统计量: 检验统计量:
决策: 决策:
在 α = 0.05的水平上拒绝H0 0.05的水平上拒绝H
拒绝 H0
.025
结论: 结论:
说明该机器的性能不好
-2.262

第九章 假设检验

第九章 假设检验
2 2 H 0:σ 2 = σ 0;H1:σ 2 ≠ σ 0。 iid
假定µ未知, 双边检验:对于假设 假定µ未知
H 0:σ = σ ;H1:σ ≠ σ
2、非参数假设检验 、
X1, ,X n ~ X , L 总体分布未知, 由观测值x1, …, xn 检验假设H0:F(x)=F0(x;θ); H1: F(x)≠F0(x;θ) θ θ
iid
i .i .d
任何一个有关随机变量未知分布的假设称 为统计假设或简称假设 假设。 假设 一个仅牵涉到随机变量中几个未知参数的 参数假设。 假设称为参数假设 参数假设 这里所说的假设只是一个设想,至于它是否成 立,在建立假设时并不知道,还需要进行考察。
X − µ0 U= σ0 n
(3)对于给定的检验水平α=0.05构造小概率事件 P{|U|>U }=α 确定拒绝区域为|U|>Uα 2
α 2
(4)根据样本观察值计算统计量U的值
解:
(1)提出待检假设H。:µ =800
X − µ0 (2)根据H0选取统计量 U= σ0 n 在H0成立的条件下U~N(0,1) (3)对于给定的检验水平α=0.05构造小概率事件 P{|U|>Uα 2 }=α 确 定 拒 绝 区 域 为 |U |> U α (4)根据样本观察值计算统计量U的值
下面将通过具体例子,给出检验规则
单正态总体的假设检验
iid
1、σ2已知的情形 、 已知的情形—U检验 检验
值 x1, ,xn检验假设H 0:µ = µ0;H1:µ ≠ µ0。 L
设X 1, ,X n ~N ( µ,σ 2 ), 给定检验水平α,由观测 L
根据假设H0:µ=µ0;H1:µ≠µ0, 构造统计量 µ

第九章 假设检验

第九章 假设检验

五、双侧检验与单侧检验
(一)假设的形式
研究的问题
假设 双侧检验
H0 H1
左侧检验
右侧检验
= 0 ≠0
0 < 0
0 > 0
(一)双侧检验 1、原假设与备择假设的确定
例如,某种零件的尺寸,要求其平均长度为10 厘米,大于或小于10厘米均属于不合格 建立的原假设与备择假设应为 H0: 10 H1: 10
(2)提出备择假设: H1: 4
4、显著性水平与拒绝域 抽样分布
拒绝域 /2
置信水平
拒绝域
1-
/2
接受域
H0值 样本统计量
临界值
临界值
抽样分布
拒绝域 /2 1- 接受域 H0值
置信水平 拒绝域
/2
临界值
临界值
样本统计量
抽样分布
拒绝域 /2 1- 接受域 H0值
置信水平
拒绝域 /2

当概率足够小时,可以作为从实际可能
性上,把零假设加以否定的理由。因为根据
这个原理认为:在随机抽样的条件下,一次
实验竟然抽到与总体参数值有这么大差异的
样本,可能性是极小的,实际中是罕见的,
几乎是不可能的。
四、假设检验中的两类错误
(一)第一类错误(弃真错误)
1、原假设为真时拒绝原假设 2、第一类错误的概率为
(四)计算检验统计量的值 (五)作出统计决策
1、计算检验的统计量 2、根据给定的显著性水平,查表得出相应 的临界值Z或Z/2 3、将检验统计量的值与 水平的临界值进 行比较 4、得出拒绝或不拒绝原假设的结论
显著性水平与拒绝域 抽样分布
拒绝域 /2
置信水平
拒绝域

概率论与数理统计课件09 假设检验

概率论与数理统计课件09 假设检验
假设检验中可能犯两类错误: 第一类错误:原假设H0符合实际情况, 也就是H0为真, 而检验 结果把它否定了, 称为弃真错误. 犯第一类错误的概率实际上就是
检验水平 .
第二类错误:原假设H0不符合实际情况, 而检验结果却接受
了H0, 称为取伪错误,犯第二类错误的概率记为 .
9
假设检验可能犯的两种错误
(4)根据样本资料计算统计量 2 (n 1)S 2 值; 0
(5)判别是接受H 0 , 还是拒绝H 0 .
15
一个正态总体的假设检验
5. 未知期望,检验假设H0 : 0
(1)提出零假设H0 : 0;
(2)当H0为真时,统计量 2
(n 1)S 2
~
2 (n 1)
且 (n 1)S 2 (n 1)S 2
第九章 假设检验
1. 假设检验的基本概念 2. 假设检验可能犯的两种错误 3. 单正态总体参数的假设检验 4. 两个正态总体参数的假设检验 5. 总体分布的假设检验
1
假设检验的基本概念
统计假设的概念
关于总体(或代表某个总体的随机变量)的各种 论断、设想、推测或者“猜测”称为统计假设,记 为H. 统计假设的提出, 可基于实际知识或经验, 也可基于理论知识或判断.
参数假设:关于总体分布的参数的假设.
非参数假设:假设不能由有限个参数来表达.
(2)简单假设与复合假设
简单假设: 假设H完全确定总体的分布.
复合假设: 假设H不能完全确定总体的分布.
(3) 基本假设与对立假设
关于总体有两个必居其一的假设H0和H1, 要么H0成立而H1不成 立; 要么H0不成立而H1成立. 此时我们把其中一个假设称为基本假 设(或零假设),而中一个假设称为对立假设(或备选假设)

第9章-假设检验PPT课件

第9章-假设检验PPT课件
章内容)
2021/3/12
19
(三)从检验的内容角度区分
(2)总体比例的检验 ①单一总体比例的检验 ②两总体比例的比较(本教科书第11章
的内容)
2021/3/12
20
(三)从检验的内容角度区分
(3)方差的检验 ①单一总体方差的检验 ②两总体方差的比较 (4)相关系数的检验
2021/3/12
能对制造商的说明提出异议。
如果样本结果表明可以拒绝 H 0 ,则可
以推断Ha:67.6是真的。
2021/3/12
11
3.决策中的假设检验
在商务与经济活动中,许多情况是不 论你是否拒绝零假设,均应采取相应的措 施,这就是决策中的假设检验问题。
2021/3/12
12
[案例]
根据对刚刚收到的一批货物中进行抽 样检验的结果,质量控制监督员必须决定 是接受这批货物,还是因为该批货物未能 达到质量标准而退还给供应商。
学习目标 掌握假设检验的基本原理。
掌握大样本下总体均值双尾和单尾检验的 方法。
学会小样本下总体均值双尾和单尾检验的 方法。
掌握总体比例检验方法。
2021/3/12
1
案例讨论: 1.通过这个案例说明了什么问题?
2.通过阅读这个案例你受到哪些启发?
2021/3/12
2

1. P262-1 2. P264-5 3. P272-13
2021/3/12
44
[事件] 爱高公司最近开发了一种新技术生产 方法。这种方法生产的高尔夫球射程和滚 动距离平均为280码。但是,爱高公司为了 防止出现意外,作为质量控制程序的一部 分,质量检测员要定期从生产线上抽取样 本,将其交给USGA检测部门。

第9章 假设检验

第9章 假设检验

H0: 无罪
陪审团审判 H0 检验 决策 实际情况
实际情况
裁决
无罪
无罪 有罪 正确 错误
有罪
错误 正确 未拒绝H0
H0为真
H0为假
正确决策 第Ⅱ类错 误() (1 – ) 第Ⅰ类错 正确决策 误() (1-)
拒绝H0

两类错误的关系
和的关系就像 翘翘板,小就 大, 大就小
H0 : 10cm H1 : 10cm

【例2】某品牌洗涤剂在它的产品说明书中声称
:平均净含量不少于500克。从消费者的利益出发 ,有关研究人员要通过抽检其中的一批产品来验 证该产品制造商的说明是否属实。试陈述用于检 验的原假设与备择假设
解:研究者抽检的意图是倾向于证实这 种洗涤剂的平均净含量并不符合说明书 中的陈述。建立的原假设和备择假设为 H0 : 500 H1 : < 500
二、总体参数的检验
(一)总体均值的假设检验
(二)总体比例的假设检验
(三)假设检验中的其他问题
一个总体
均值
Z 检验
(单尾和双尾)
比例
t 检验
Z 检验
(单尾和双尾)
t 检验
(单尾和双尾)
(单尾和双尾)
(一)总体均值的假设检验
(检验统计量)

2是否已知

z
z 检验 x 0

n

样本容量n

500g

【例3】一家研究机构估计,某城市中家庭拥有 汽车的比率超过30%。为验证这一估计是否正确 ,该研究机构随机抽取了一个样本进行检验。 试陈述用于检验的原假设与备择假设
解:研究者想收集证据予以支持的假 设是“该城市中家庭拥有汽车的比率 超过30%”。建立的原假设和备择假设 为
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
8 4 , , 0 k 0 k n n 8 当 落入此区域内时就拒绝 0 接受H1 ,以后称8 3、 4 H
式这类区域为H 0的拒绝域,记为 。 Z 不等式
0 k / n , 0 k 0 k2 ~ 2 n 2
i 1
n
3求临界值。
对给定的 0.05,查自由度为 5的 2分布表得 n
2 2 n 0025 5 12.833 2 2 n 0.975 5 0.831 1 2
这种检验方法称为 2检验法。

例4
某涤纶厂的生产的维尼纶的纤度(纤维的
粗细程度)在正常生产的条件下,服从正态分布 N(1.405 , 0.0482),某日随机地抽取5根纤维,测得纤
度为
• 1.32 ,1.55 ,1.36 ,1.40 ,1.44
1提出假设。H 0 : 2 02 0.0482. • 问一天涤纶纤度总体ξ的均方差是否正常(α=0.05)? 2找统计量。 • 解
• 两类错误
• 第一类错误是:H0正确,但拒绝了它,这类错误也称为“弃真错误” • 第二类错误是:H0不正确,但接受了它,这类错误也称为“存伪错误”
• 假设检验的基本步骤
• (1)提出假设。 • (2)找统计量。 • (3)求临界值。(求接受域) • (4)算出观察值。 • (5)作出判断。
• 单个正态总体的参数假设检验 • 已知方差σ2,假设检验H0:μ= μ0 0 • (1)提出假设,H:μ= μ0. ~ N 0 , 1 u0 / n • (2)找统计量,确定样本函数的统计量 1,查 3求临界值,给定显著性 0 水平
5作出判断,若t1 t ,则接受H 0;若 t1
2
t ,则拒绝H 0 .
2
这种检验方法称为检验法。 t
• 例3 用热敏电阻测温仪间接测量地热勘探井底温度,设测量 值ξ~N(μ,σ2),今重复测量7次,测得温度(℃)如下: • 112.0,113.4,111.2,114.5,112.5,112.9,113.6 • 而用某种精确方法测量温度的真值μ0=112.6,现问用热敏电 阻测温仪间接测量温度有无系统偏差?设显著性水平α=0.05。 • 解 (1)提出假设,H0:μ=μ0=112.6
用来衡量原假设与实际情况差异是否明显的标准。

(小概率原理是:小概率事件在一次试验中是不大会发生 的),人们自然会产生这样的问题:概率小到什么程度才当 作“小概率事件”呢?这要据实际情况而定,例如即使下雨 的概率为10%,仍有人会因为它太小而不带雨具,但某航空 公司的事故率为1%,人们就会因为它太大而不敢乘坐该公司 的飞机,通常把概率不超过0.05 (或0.01)的事件当作“小概率 事件”。为此在假设检验时,必须先确定小概率即显著性的 值α (即不超过α的概率认为是小概率)。
即这一天涤纶纤度 的均方差可以认为不正 常。
2 未知期望,假设检验H 0 : 2 0
1提出假设。H 0 : 2 02 . 2找统计量。
2
1
2 0

n i 1
i
~ 2 n 1
2
3求临界值,对给定的显 著水平 0 1,由 2分布表 2 查得临界值 n 1和 2 n 1,使 1
310
310

310
12 / 10

320 310 2.64 1.96,所以我们有理由 12 / 10
不相信H 0是真的,于是拒绝 0,即认为估产 kg不正确。 H 310 在提出假设、选取统计 量的基础上,选定一个 小的正数
0<<1,使
0 P / n k 当样本观察值 满足


由于亩产量 ~ N , 122 ,两个假设: H 0 : u0 310 , H1 : 310


• 解
122 ~ N 310 , 10 310 u ~ N 0 , 1 12 / 10 这里应该有 k,如果 k,就要 12 / 10 12 / 10 拒绝H 0 , 而接受H1。 取 0.05,查表得k 1.96。
8 13
4求观察值,根据所给的 样本算出统计量的观察 12。 值

2 2 5作出判断。若 1 n 1 2 n 1 , 则接受H 0;若 例5 2 2 2 12 n 1或12< 2 n 1,则拒绝H 0。
制作者 范彩云
目录

• 例1



• 假设检验的思想方法
某地早稻收割前根据长 势估计平均亩产量 为310kg,收割时,随机地抽取 10块地,测得 了 每块地的实际亩量为 1 , 2 , , 10 , 计算出 1 10 i 320kg,如果已知 早稻产量服从 10 i 1 正态分布N , 122 ,试问所估产量是否正 确?
2=
1
3求临界值,对给定的显 著性水平 0<<1, 由 2分布表查得临界值 n 与 2 n ,使 2 1
2 2
0
i 2 ~ 2 n 2
i 1
n
2 2 2 2 P n , P n 2 2 1 2 2

(2)找统计量。
t
0
S/ n
~ t n 1
3求临界值。
对给定的 0.05,查自由度为n 1 7 1 6的t 分布表得t t0.05 2.447.
4求观察值。
1 112.0 113.4 113.6 112.8 7 1 7 i 2 S2 7 1 i 1 1 2 2 112.0 112.8 113.6 112.8 6 1.1362
2 2
2 2 2 2 P n 1 , P n 1 2 2 8 12 1 2 2 即 2 2 2 P n 1 n 1 1 1 2 2
2 2 n 1 0.025 4 11.143 2 2 n 1 0.975 4 0.484 1 2
8 7
• 例2 某砖厂生产的砖其抗拉强度ξ服从正态分布N(μ, 1.21), 今从该厂产品中随机抽取6块,测得抗拉强度如下: • 32.56,29.66,31.64 ,30.00 ,31.87 ,31.03 • 检验这批砖的平均抗拉强度为32.50是否成立,取显著性水平 σ=0.05。 • 解一 (1)提出假设. H0:μ= μ0=32.50.
8 10
即 2 2 2 P n n 1 8 11 1 2 2 4求观察值,根据所给的 样本算出统计量 2 的观察值 。
2 5作出判断,若12 n 12 n ,则接 2 受H 0 ; 若12 n 或12< 2 n ,则拒绝H 0。 2 1 2 2 2 2 1
• 未知方差σ2,假设检验H来代替 2,找出统计量 以不能用u检验法,这里用 2 0:μ= μ0 S
t
1提出假设。H 0 : 0 . 2找统计量。因为 2未知,这时u已不是统计量,所
0
~ t n 1
S/ n 3求临界值,对给定的显 著水平 0 1,由t分布 表查得临界值,使 8 9 P t t 2 4求观察值,根据所给的 样本算出统计量 的观察值t1。 t
2


112.8 112.6 0.4657 S/ n 1.136/ 7 5作出判断,因为t 0.4657 2.447,所以接受H 0 , t 即用热敏电阻测温仪间 接测量温度可以认为无 系统偏差。
0
2 已知期望,假设检验H 0 : 2 0
1提出假设。H 0 : 2 02 . 2找统计量,确定样本函 数的统计量
8 5 8 6
确定了关于 的另一个区域
这类区域为接受域,记 Z。8-5式称为临界值 为 • 形式的接受域,8为原假设(或零假设),称H1域。 定义2 称H0 6 式称为区间形式的接受 为备择假
当 落入此区域内时,就接 H 0 拒绝H1 ,以后称 受
设(或备选假设,对立假设) • • 定义3 定义4 称值α为显著性水平(或检验水平),它是 称值k为临界值。
4求观察值。
1 1.32 1.4052 1.55 1.4052 1.44 1.4052 0.0482 13.683
2
2


5作出判断。
2 2 因为 2 13.683 n 0.025 5 12.833 ,所以拒绝H 0, 2
2
则拒绝H 0。 这种检验方法通常称为 检验法。 u
绝域Z 为 , 0 u 0+u , n n 2 2 接受域为 Z 0 u , 0 u n n 2 2
• (2)找统计量
0 u ~ N 0 , 1 / n
3求临界值。
对给定的 0.05,查正态分布表得到满 足 P u u 0.05的临界值u 1.96. 2 2 4求观察值 1 计算出 32.56 31.03 31.13 6 0 31.13 32.50 u 3.05 / n 1.1 / 6 5作出判断,因为u 3.05 1.96,所以拒绝H 0 , 即认为这批产品的平均 抗拉强度为 .50不能成立。 32
正态分布表求出临界值 ,使 u
2
P u u 2
相关文档
最新文档