北大心理学 高级统计分析课件 假设检验
合集下载
第五章假设检验01精品PPT课件
1. 与原假设对立的假设， 也称“备择假设”
2. 表示为 H1 3. 总是有符号 , 或
H1 ： <某一数值 或 某一数值
例如, H1 ： < 10cm， 或 10cm
提出假设
1. 原假设和对立假设是一个完备事件组，而且相互 对立 在一项假设检验中，原假设和对立假设必有一 个成立，而且只有一个成立
然后利用样本信息来判断假设是否成立
2. 类型
总体分布已知，
参数假设检验
检验关于未知参数
非参数假设检验
的某个假设
总体分布未知时的 假设检验问题
假设检验的过程
（提出假设→抽取样本→作出决策）
总体
提出假设
X的均值
作出决策
？？？
☺☺ ☺
☺☺ ☺☺
☺☺
抽取随机样本
☺
样本 均值
☺
假设检验的思想
假设检验的基本思想：通过提出假设，利用“小 概率原理”和“概率反证法”，论证假设的真伪 的一种统计分析方法。
解：研究者想收集证据予以支持的假设是“该城市中 家庭拥有汽车的比例超过30%”。建立的原假设和对 立假设为
H0 ：p 30% H1 ： p 30%
双侧检验与单侧检验
1、对立假设没有特定的方向性，并含有符号 “”的假设检验，称为双侧检验或双尾检 验(two-tailed test)
2、对立假设具有特定的方向性，并含有符号 “>”或“<”的假设检验，称为单侧检验或单 尾检验(one-tailed test) 对立假设的方向为“<”，称为左侧检验 对立假设的方向为“>”，称为右侧检验
拒绝H0
拒绝H0
/2
1 -
/2
0 临界值
《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。
《假设检验的概念》PPT课件
假设检验实例及解读
• 生物统计学实例：比较两个药物治疗组的患者生存率是否存在显著差异。 • 社会调查实例：通过问卷调查数据，研究两个群体之间的收入差异是否显著。
总结与回顾
假设检验是一种重要的统计方法，帮助我们进行数据分析和科学决策。通过清晰的步骤和方法，我们可以对总体参 数进行有效推断。
3 方差分析
4 非参数检验
用于比较多个样本均值之间是否存在显著差异。
当数据不满足正态分布假设时，使用的一类假设 检验方法。
注意事项
1 假设检验的局限性
假设检验是概率性推断，结果并不能绝对确定总体参数，仅供参考。
2 防范与排除偏差
在实际研究中，要注意样本选择的随机性和可比性，以排除偏差对推断结果的影响。
p值判定
4
参数估计和假设检验。
根据计算出的统计量，计算p值，并与显著性
水平比较，判断是否拒绝原假设。
5
结论推断
根据p值的判定结果，得出对总体参数的推断 结论，并解释研究的统计显著性和实际意义。
常见假设检验方法
1 单样本t检验
2 双样本t检验
用于比较一个样本的均值与总体均值是否存在显 著差异。
用于比较两个独立样本的均值是否存在显著差异。
应用领域
假设检验广泛应用于医学、社会科学、经济学等领 域，帮助我们进行数据分析和做出科学决策。
假设检验的步骤
1
假设设立
首先，根据研究问题，明确原假设和备择假
ห้องสมุดไป่ตู้
显著性水平确定
2
设，以便进行后续统计推断。
确定假设检验的显著性水平，通常为0.05或
0.01，用于判断统计显著性。
3
统计量计算
计算适应研究问题的合适统计量，以便进行
《假设检验检验》课件
《假设检验检验》PPT课 件
数据分析中的假设检验
什么是假设检验
假设检验是一种统计方法，用于通过样本数据来推断总体参数的性质。它可以帮助我们判断一个观察结 果是由偶然因素引起的，还是真实存在的差异。
假设检验的步骤
1
2. 选择检验统计量
2
选择适合问题的检验统计量，如t值、
z值等。
3
4. 计算统计量
4
利用样本数据计算检验统计量的值。
5
6. 得出结论
6
根据决策，得出关于总体参数的结论。
1. 建立假设
确定原始假设和备择假设，描述总体 参数的状态。
3. 设定显著性水平
选择显著性水平，决定拒绝原始假设 的界限。
5. 做出决策
根据检验统计量的值和显著性水平， 决定是否拒绝原始假设。
常用的假设检验方法
单样本t检验
结论的解释
根据结果的解释，得出关于总体参数的结论，并提供相应的推论。
实例演示及应用场景
通过具体的实例演示，展示假设检验在各个领域的应用，如医学、市场研究、环境保护等。
总结与展望
假设检验是数据分析中重要的工具之一，它可以帮助我们做出科学的决策， 并推动各个领域的发展。未来，我们可以进一步研究和改进假设检验方法， 提高其效能和适用性。
用于比较一个样本的平均值 与已知值或者另一个样本的 平均值。
独立样本t检验
用于比较两个独立样本的平 均值是否存在显著差异。
相关样本t检验
用于比较两个相关样本的平 均值是否存在显著差异。
如何解读假设检验结果
拒绝原始假设
如
接受原始假设
如果检验结果的p值大于等于显著性水平，我们接受原始假设。
数据分析中的假设检验
什么是假设检验
假设检验是一种统计方法，用于通过样本数据来推断总体参数的性质。它可以帮助我们判断一个观察结 果是由偶然因素引起的，还是真实存在的差异。
假设检验的步骤
1
2. 选择检验统计量
2
选择适合问题的检验统计量，如t值、
z值等。
3
4. 计算统计量
4
利用样本数据计算检验统计量的值。
5
6. 得出结论
6
根据决策，得出关于总体参数的结论。
1. 建立假设
确定原始假设和备择假设，描述总体 参数的状态。
3. 设定显著性水平
选择显著性水平，决定拒绝原始假设 的界限。
5. 做出决策
根据检验统计量的值和显著性水平， 决定是否拒绝原始假设。
常用的假设检验方法
单样本t检验
结论的解释
根据结果的解释，得出关于总体参数的结论，并提供相应的推论。
实例演示及应用场景
通过具体的实例演示，展示假设检验在各个领域的应用，如医学、市场研究、环境保护等。
总结与展望
假设检验是数据分析中重要的工具之一，它可以帮助我们做出科学的决策， 并推动各个领域的发展。未来，我们可以进一步研究和改进假设检验方法， 提高其效能和适用性。
用于比较一个样本的平均值 与已知值或者另一个样本的 平均值。
独立样本t检验
用于比较两个独立样本的平 均值是否存在显著差异。
相关样本t检验
用于比较两个相关样本的平 均值是否存在显著差异。
如何解读假设检验结果
拒绝原始假设
如
接受原始假设
如果检验结果的p值大于等于显著性水平，我们接受原始假设。
假设检验详细知识PPT课件
拒绝假设H0(接受假设H1).
如果作出的判断是接受H0,即认为机器工作是正常的,
则 0, 否则, 认为是不正常的.
8
返回
第八章 假设检验
因为 X是的无偏估 , 计量
概率统计
所H 以 0为 ,若 则 真 |x0|不应 , 太大
当 H 0 为,真 X / n 时 0~N (0 ,1 ),
衡|量 x0|的大小可| x 归 /n 0结 |的为 大 , 衡 小
拒绝域为: | u | u
2
临界点为: u 及 u
2
2
12
返回
第八章 假设检验
3. 两类错误
概率统计
拒绝H0要承担一定的风险,有可能将正确的假设 误认为是错误的,在统计中称这种“以真为假”的错 误为第一类错误(弃真),犯第一类错误的概率显然是 显著水平α;
不拒绝H0同样要承担风险,这时,可能将错误的 假设误认为是正确的,这种“以假为真”的错误称 为第二类错误(取伪), 犯第二类错误的概率是:
4
返回
第八章 假设检验
概率统计
一、假设检验的基本原理
假设检验问题是统计推断的另一类重要问题.
在总体的分布函数完全未知或只知其形式、但 不知其参数的情况下, 为了推断总体的某些性质, 提出某些关于总体的假设.
假设检验就是根据样本对所提出的假设作出判断: 是接受, 还是拒绝.
5
返回
第八章 假设检验
概率统计
于是可以选定一个适当的正数k,
当观 x满 察 x足 / 值 n 0k 时 ,拒绝 H 0,假设
反 ,当 之观 x满 察 x /足 n 0值 k 时 ,接受 H 0 .9 假 返回
第八章 假设检验
因为 H 0为 当 真 U X 时 /n 0~N (0,1),
《假设检验》PPT课件-(2)
t检验的正确应用
资料的代表性与可比性 所谓代表性是指该样本从相应总体中经随机抽样获得，能够代表总体的特征； 所谓可比性是指各对比组间除了要比较的主要因素外，其它影响结果的因素应尽可能相同或相近 为了保证资料的可比性，必须要有严密的实验设计，保证样本随机抽取于同质总体，这是假设检验得以正确应用的前提 。
在两个样本均数比较时，若两组样本含量都很大，可用u检验，其计算公式为：
u为标准正态离差，按正态和1993抽查部分12岁男童对其发育情况进行评估，其中身高的有关资料如下，试比较这两个年度12岁男童身高均数有无差别。
1973 年：n1=120 =139.9cm s1=7.5cm； 1993 年：n2=153 =143.7cm s2=6.3cm。 H0 ：1＝2，即该市两个年度12岁男童平均身高相等； H1 ：1≠2，即该市两个年度12岁男童平均身高不等。 双侧 =0.05。
-t
t
0
-2.064
2.064
0
=24
0.025
0.025
t0.05,24=2.064 P =P ( |t| ≥2.064 )=0.05
P=P(|t|≥5.4545)<0.05
结论(根据小概率原理作出推断)
在H0成立的前提下出现现有差别或更大差别的可能性P(| t | ≥5.4545)小于0.05，是小概率事件，即现有样本信息不支持H0。 抉择的标准为： 当P≤ 时，拒绝H0，接受H1 当P＞ 时，不拒绝H0 本例P＜0.05，按 =0.05的水准，拒绝H0，接受H1，差别有统计学意义。认为该病女性患者的Hb含量高于正常女性的Hb含量。
根据抽样误差理论，在H0假设前提下，统计量t服从自由度为n-1的t分布，即t值在0的附近的可能性大，远离0的可能性小，离0越远可能性越小。 t值越小，越利于H0假设 t值越大，越不利于H0假设
资料的代表性与可比性 所谓代表性是指该样本从相应总体中经随机抽样获得，能够代表总体的特征； 所谓可比性是指各对比组间除了要比较的主要因素外，其它影响结果的因素应尽可能相同或相近 为了保证资料的可比性，必须要有严密的实验设计，保证样本随机抽取于同质总体，这是假设检验得以正确应用的前提 。
在两个样本均数比较时，若两组样本含量都很大，可用u检验，其计算公式为：
u为标准正态离差，按正态和1993抽查部分12岁男童对其发育情况进行评估，其中身高的有关资料如下，试比较这两个年度12岁男童身高均数有无差别。
1973 年：n1=120 =139.9cm s1=7.5cm； 1993 年：n2=153 =143.7cm s2=6.3cm。 H0 ：1＝2，即该市两个年度12岁男童平均身高相等； H1 ：1≠2，即该市两个年度12岁男童平均身高不等。 双侧 =0.05。
-t
t
0
-2.064
2.064
0
=24
0.025
0.025
t0.05,24=2.064 P =P ( |t| ≥2.064 )=0.05
P=P(|t|≥5.4545)<0.05
结论(根据小概率原理作出推断)
在H0成立的前提下出现现有差别或更大差别的可能性P(| t | ≥5.4545)小于0.05，是小概率事件，即现有样本信息不支持H0。 抉择的标准为： 当P≤ 时，拒绝H0，接受H1 当P＞ 时，不拒绝H0 本例P＜0.05，按 =0.05的水准，拒绝H0，接受H1，差别有统计学意义。认为该病女性患者的Hb含量高于正常女性的Hb含量。
根据抽样误差理论，在H0假设前提下，统计量t服从自由度为n-1的t分布，即t值在0的附近的可能性大，远离0的可能性小，离0越远可能性越小。 t值越小，越利于H0假设 t值越大，越不利于H0假设
第三章 假设检验ppt课件
2
出此时的常数k； （2）求 时犯第二类错误的概率是多 少？ H 1: 1
补充：利用P-值进行决策（p-值法）
1、p值：指当原假设正确时，得到所观测数据的 概率。 2、用P值进行检验的基本思想是：小的P值表明在 原假设为真时得到目前这样一个样本结果的可能 性很小，所以应该拒绝原假设。 3、利用p值决策的准则：p值<α,拒绝 H 0 p值>α,不拒绝 H
或者 H ,H : 0: 0 1 0
单侧检验
左侧
四、假设检验的基本思想与步骤
假设检验的基本思想：为了检验原假设 H 0 是 否成立，我们先假设 H 0 成立，然后运用统计 方法观察由此导致何种后果，如果（对 H 0 不 利的）小概率事件在一次试验中发生了，就 表明 H 0 很可能不正确，从而拒绝 H 0 。反之， H0 则没有理由拒绝 ，应接受它。 即满足下式：
注：在假设检验中，应对原假H0采取“拒绝” 或“不拒绝”的表述方式，而不应采取“接受” 的表达方式。
假设检验的步骤
பைடு நூலகம்
1.提出假设（原假设和备择假设）； 2.选择检验统计量； 3.给定显著性水平 的值（ 的值一般取得较小， 一般为0.01，0.05，0.1等）； 4、确定 H 0 的拒绝域（即能够拒绝原假设的检验 统计量的所有可能取值的集合）； 5、对 H 0 做判断（如果检验统计量的值落到拒绝 域内，则拒绝原假设；否则接受原假设）
五、假设检验中可能会犯的两类错误
1、弃真错误（第一类错误）——当原假设正确时 却拒绝原假设，所犯的错误称为弃真错误。犯 这种错误的概率通常记为α ，所又称为α 错误。 （α 又称显著性水平 ）
P ( W H 0)
2、取伪错误（第二类错误）——当原假设错误时 而没有拒绝原假设，所犯的错误称为取伪错误。 犯这种错误的概率通常记为β ，所以又称为β 错误。
出此时的常数k； （2）求 时犯第二类错误的概率是多 少？ H 1: 1
补充：利用P-值进行决策（p-值法）
1、p值：指当原假设正确时，得到所观测数据的 概率。 2、用P值进行检验的基本思想是：小的P值表明在 原假设为真时得到目前这样一个样本结果的可能 性很小，所以应该拒绝原假设。 3、利用p值决策的准则：p值<α,拒绝 H 0 p值>α,不拒绝 H
或者 H ,H : 0: 0 1 0
单侧检验
左侧
四、假设检验的基本思想与步骤
假设检验的基本思想：为了检验原假设 H 0 是 否成立，我们先假设 H 0 成立，然后运用统计 方法观察由此导致何种后果，如果（对 H 0 不 利的）小概率事件在一次试验中发生了，就 表明 H 0 很可能不正确，从而拒绝 H 0 。反之， H0 则没有理由拒绝 ，应接受它。 即满足下式：
注：在假设检验中，应对原假H0采取“拒绝” 或“不拒绝”的表述方式，而不应采取“接受” 的表达方式。
假设检验的步骤
பைடு நூலகம்
1.提出假设（原假设和备择假设）； 2.选择检验统计量； 3.给定显著性水平 的值（ 的值一般取得较小， 一般为0.01，0.05，0.1等）； 4、确定 H 0 的拒绝域（即能够拒绝原假设的检验 统计量的所有可能取值的集合）； 5、对 H 0 做判断（如果检验统计量的值落到拒绝 域内，则拒绝原假设；否则接受原假设）
五、假设检验中可能会犯的两类错误
1、弃真错误（第一类错误）——当原假设正确时 却拒绝原假设，所犯的错误称为弃真错误。犯 这种错误的概率通常记为α ，所又称为α 错误。 （α 又称显著性水平 ）
P ( W H 0)
2、取伪错误（第二类错误）——当原假设错误时 而没有拒绝原假设，所犯的错误称为取伪错误。 犯这种错误的概率通常记为β ，所以又称为β 错误。
13假设检验PPT课件
9
确定适当的统计假设
根据数据分布类型和需要比较的参数,与不同类型的 假设检验法供选择,常用假设检验类别如下:
假设检验类别 Z检验 t检验 F检验
Barlett检验 Levene检验 比例检验
用途
比较总体均值
同时比较2个总体方差 同时比较多个方差,假定总体数据为正态分布
同时比较多个方差,假定总体为非正态分布 比较总体的比例
11
如概率(P)<α, 则拒绝 H 并0 接受 H ,a如
则不能拒绝Pα 则不能拒绝H 0
将统计结论转化为实际问题解决方案.
12
假设检验的两类错误及a,b风险
I类错误和II类错误 在进行假设检验时,伴随着检验结论,存在两类可能 的错误风险,分别为I和II类错误.表示如下表:
实际
决定
接受 H 0 拒绝 H 0
H 0为真
正确的决定 I类错误
H 0为假
II类错误 正确的决定
13
从上表可看出: I类错误为当H 0 实际为真而被拒绝所产生的错误. II类错误 H 0 为假而没有被拒绝所产生的错误. 例如为比较两个供应商电阻物料的均值有无差异 而建立假设; H 0 :均值无差异 H a :均值存在差异. 显然,如果实际上两家供应商提供的电阻物料的 均值并无差异,但我们得出了均值存在差异的结 论.这时就范了I类错误.同时如果两家供应商提供 的电阻物料均值确定有差异但我们的结论是均值 不存在差异,这时我们就范了所谓II错误.
14
α风险和β风险
α风险:出现I类错误的最大风险,又叫I类错误 概率,常称为厂家风险. α风险一般取值为α=0.05
β风险:出现II类错误的最大风险,又叫II类错误 概率,常称为消费者风险. β风险一般取值为10%~20%
确定适当的统计假设
根据数据分布类型和需要比较的参数,与不同类型的 假设检验法供选择,常用假设检验类别如下:
假设检验类别 Z检验 t检验 F检验
Barlett检验 Levene检验 比例检验
用途
比较总体均值
同时比较2个总体方差 同时比较多个方差,假定总体数据为正态分布
同时比较多个方差,假定总体为非正态分布 比较总体的比例
11
如概率(P)<α, 则拒绝 H 并0 接受 H ,a如
则不能拒绝Pα 则不能拒绝H 0
将统计结论转化为实际问题解决方案.
12
假设检验的两类错误及a,b风险
I类错误和II类错误 在进行假设检验时,伴随着检验结论,存在两类可能 的错误风险,分别为I和II类错误.表示如下表:
实际
决定
接受 H 0 拒绝 H 0
H 0为真
正确的决定 I类错误
H 0为假
II类错误 正确的决定
13
从上表可看出: I类错误为当H 0 实际为真而被拒绝所产生的错误. II类错误 H 0 为假而没有被拒绝所产生的错误. 例如为比较两个供应商电阻物料的均值有无差异 而建立假设; H 0 :均值无差异 H a :均值存在差异. 显然,如果实际上两家供应商提供的电阻物料的 均值并无差异,但我们得出了均值存在差异的结 论.这时就范了I类错误.同时如果两家供应商提供 的电阻物料均值确定有差异但我们的结论是均值 不存在差异,这时我们就范了所谓II错误.
14
α风险和β风险
α风险:出现I类错误的最大风险,又叫I类错误 概率,常称为厂家风险. α风险一般取值为α=0.05
β风险:出现II类错误的最大风险,又叫II类错误 概率,常称为消费者风险. β风险一般取值为10%~20%
《假设检验》PPT课件
2 已知：z
x 0 n
~ N (0,1)
2008-2009
2 未知： z
x 0
s
n
~ N (0,1)
总体均值的检验( 2 已知)
【例】 一种罐装饮料采用自动生 产线生产，每罐的容量是 255ml，标准差为5ml。为检验 每罐容量是否符合要求，质检 人员在某天生产的饮料中随机 抽取了 40 罐进行检验，测得每 罐 平 均 容 量 为 255.8ml 。 取 显 著性水平=0.05 ，检验该天生 产的饮料容量是否符合标准要 求？
对总体参数的具体数值所作 的陈述
总体参数包括总体均值、
我认为这种新药的疗效 比原有的药物更有效!
比例、方差等
分析之前必需陈述
2008-2009
什么是假设检验?(hypothesis test)
1. 2. 3.
先对总体的参数 ( 或分布形式 ) 提出某种假设， 然后利用样本信息判断假设是否成立的过程 有参数检验和非参数检验 逻辑上运用反证法，统计上依据小概率原理
统计量的值落在拒绝域，拒绝H0，否则不拒绝H0 也可以直接利用P值作出决策
2008-2009
6.2 总体均值的检验
大样本的检验方法 小样本的检验方法
2008-2009
一个总体参数的检验
一个总体 均值
z 检验 t 检验
比例
z 检验
方差
2 检验
(单尾和双尾)
(单尾和双尾)
(单尾和双尾)
(单尾和双尾)
解： 研究者想收集证据予以证明 的假设应该是“生产过程不正常 ”。建立的原假设和备择假设为
H0 ： 10cm H1 ： 10cm
第3章3-假设检验分析PPT课件
>> Document Title
8
假设
▪ 【例】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。
▪ 消费者买到了485克的产品，投诉该产 品有问题，要求赔偿。
>> Document Title
500g
9
假设
▪【例】一家研究机构估计，某城市中家 庭拥有汽车的比例超过30%，是中国最高 的。 ▪某车厂根据此数据，决定开发西南区新 市场。
>> Document Title
20
目录
▪有什么用？ ▪什么是假设？ ▪什么是假设检验？ ▪假设检验怎么做？
>> Document Title
21
严老师的假设：
▪ 专升本的同学学习更用功，更知道学什么、怎么学，他们 的收获比四年本科班要大。
▪ 请对此假设进行检验一下？
09年期考 成绩分布
四年本科 135人
3
思考方式：先说前提，再说对策
▪现代企业管理经营者，如果具备“有 前提就有结论”的思考模式，任何时 候都不会陷入突遇问题而造成的恐慌。
>> Document Title
在学校除了掌握一些基本 知识外，更重要的是掌握 思考方式－－工作时才会 不怕专业不对口，不怕遇
到学校没有教的内容。
4
目录
▪有什么用？ ▪什么是假设？ ▪什么是假设检验？ ▪假设检验怎么做？
>> Document Title
18
假设：三聚氰胺是不良奶农加入
▪ 在检出三聚氰胺的产品中，石家庄三鹿牌婴幼儿配方奶 粉三聚氰胺含量很高，达２５６３mg／kg
▪ 截至9月10日，三鹿集团封存问题奶粉2176吨，收回奶粉 8210吨，大约还有700吨奶粉正在通过各种方式收回。 ▪----2008年9月13日 ·厦门商报· 第A04版 · 特别报 道
- 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、"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、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)。
-1.96
+1.96 +2.16
这个结论说明 刚才的假设是 有误的，所以 应该拒绝H0这 个假设
例题
例题
两类错误
假设检验的前提
随机抽样 独立观察 原总体标准差保持恒检验初步
By 甘廷婷
假设检验的必要性
研究对象往往是由相当数目的个体所组成的总 体
– 中国男性、北京大学的学生、某小区的居民
时空、经费、人力等种种因素的限制 从目标总体中抽取包含一定数量个体的样本 通过分析样本数据，并试图将结果推广、应用 到整个目标总体中去 局部——整体
假设检验的逻辑
假设检验的逻辑
决策标准：特定的概率
样本均值分 布
– 小概率事件不可能发生 – 小概率的定义？——设定决策标准
假设检验的逻辑
双尾检验和单尾检验
计算：从总体中抽出一个样本，概率应该有多大 推论：如果这个概率太小了（小于事先确定的决策标准），说明 该样本不属于原来的总体 双尾和单尾：先查找p=0.025对应的z值
假设检验的步骤
高出来的54分，能否说明参加辅导班是有效的呢？ 假设参加辅导班是没有效果的， 那么实际上这16个学生的平均分就还是属于这个u=500的总体， 在这个假设下， 计算出这16个学生平均分为554的概率，如果非常小，说明之前的假设是错的。
假设检验的步骤
并没有说明 是比原来高 还是低
-1.96 +1.96
任何一个研究假设：如果……就能……
– 假设：对于大学生来说，如果采用a学习方法，就 能够取得好成绩 – 自变量：a学习方法 – 因变量：学习成绩 – 实验程序：选出一个班的同学，测量他们没有采 用这种学习方法时的学习成绩x1，然后要求他们 采用 a学习方法，得到学习成绩x2——若x2大于x1 ，群体内？推广所有的大学生呢？
假设检验的逻辑
对于任何一种研究设计而言，两种结果
– 自变量对因变量确实有作用 – 处理效应其实不存在，差异只是随机误差在起作 用
决策标准：特定的概率
样本均值分 布
假设检验的逻辑
决策标准：特定的概率
样本均值分 布
– 如果现在抽到 概率为10%，有90％的把握认为该样本不是从这一 总体中抽出，而只有10％的把握认为该样本的确是从这一总体中抽出 的