第8章 假设检验150105

合集下载

第8 假设检验(共80张PPT)

第8 假设检验(共80张PPT)
第 8 章 假设检验
8.1 8.2 8.3 8.4
假设检验的根本问题 一个总体参数的检验 两个总体参数的检验 假设检验中的其他问题
我认为该企业生产的零件的平
均长度为4厘米!
什么是假设? 对总体 参数的一种看法
总体参数包括总 体均值、比例、方 差等
举例说明假设检验的根本思路
某单位职工上月平均收入为210元,这个 月的情况与上月没有大的变化,我们设想平均 收入还是210元.
样本均值的抽样分布
置信水平
拒绝域
1-
接受域
临界值
H0
样本统计量
如果备择假设具有符号“>〞,拒绝域位于抽样分 布的右侧,故称为右侧检验
样本均值的抽样分布
置信水平
1- 接受域
拒绝域
H0
样本统计量
临界值
请判断它们的拒绝域:
〔1〕假设检验的假设为H0:m=m0 ,H1: m≠m0,那么拒绝域为〔 〕。
〔2〕假设检验的假设为H0:m≥m0 ,H1: m < m0,那么拒绝域为〔 〕。
〔3〕假设检验的假设为H0:m≤m0 ,H1: m > m0,那么拒绝域为〔 〕。
检验统计量:Z > Z;
Z > Z/2 或Z <-Z/2 ;
Z <-Z
决策规那么
给定显著性水平 ,查表得出相应的临界 值 将检验统计量的值与 水平下的临界值进 行比较 双侧检验:I统计量I > 临界值,拒绝H0 左侧检验:统计量 < -临界值,拒绝H0 右侧检验:统计量 > 临界值,拒绝H0 得出拒绝或不拒绝原假设的结论
H0:m=10 H1:m≠10
例 6.2
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500g。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。

第八章 假设检验 (《统计学》PPT课件)

第八章  假设检验  (《统计学》PPT课件)
与其,为选取“适当的”的而苦恼,不如干脆 把真正的(P值)算出来。
第二节 一个正态总体的假设检验
一、正态总体
设总体X ~ N(m, 2),抽取容量为n的样本 x1, x2, xn
样本均值 X 与方差S2 计算公式分别为:
2
1 n 1
n i1
(xi
X)
我们将利用上述信息,来检验关于未知参数均值 和方差的假设。
总体参数
均值
方差
总体方差已知
z 检验
(单尾和双尾)
总体方差已知
t 检验
(单尾和双尾)
2 检验
(单尾和双尾)
第二节 一个正态总体的假设检验
二、均值m的假设检验
1.H0:m=m0
2.选择检验统计量:
2已知: Z X m0 ~ N(0,1)
/ n
2未知:
小样本: t X m0 ~ t(n 1)
这个值不像我 们应该得到的 样本均值 ...
...因此我们拒绝 原假设μ=50
... 如果这是总 体的假设均值
60
μ=80
H0
样本均值
第一节 假设检验概述
三、假设检验的程序
一个完整的假设检验过程,通常包括以下几个步骤:
首先,设立原假设H0与备选假设H1; 第二步,构造检验统计量,并根据样本观察数据
小样本:当 t t
2
,则拒绝原假设,反之则接受H0;
5.得出结论。
二、均值m的假设检验
6.例题分析
[例8.3] 某广告公司在广播电台做流行歌曲磁带广告 ,它的插播广告是针对平均年龄为21岁的年轻人的,标 准差为16。这家广告公司经理想了解其节目是否为目标 听众所接受。假定听众的年龄服从正态分布,现随机抽 取400多位听众进行调查,得出的样本结果为x 25 岁S2,18 。以0.05的显著水平判断广告公司的广告策划是否符合 实际?

统计学 第8章 假设检验 教学课件ppt

统计学 第8章  假设检验 教学课件ppt
2. 一般来说,发生哪一类错误的后果更为严重,就应 该首要控制哪类错误发生的概率。但由于犯第Ι类错 误的概率是可以由研究者控制的,因此在假设检验 中,人们往往先控制第Ι类错误的发生概率
确定适当的检验统计量
什么是检验统计量?
1. 用于假设检验决策的统计量
原假设H0为真 点估计量的抽样分布 (样本均值、样本方差)
比较 3. 作出决策
双侧检验:I统计量I > 临界值,拒绝H0 左侧检验:统计量 < -临界值,拒绝H0 右侧检验:统计量 > 临界值,拒绝H0
利用 P 值 进行决策
什么是P 值?
(P-value)
P值告诉我们: 如果原假设是正确的话,我们得到得到样本观察 结果或更极端结果出现的可能性有多大,如果这 个可能性很小,就应该拒绝原假设
因此,如果在一次抽样中竟然出现了满足
X 0 / n
ห้องสมุดไป่ตู้
的 u /2
X
那么我们就有理由怀疑原假设H0的正确性了,因此会拒
绝H0 。
由于 | U |
X 0 / n
u 2
是一个小概率事件.
故我们可以取拒绝域为:
W: | U | u 2
如果由样本值算得该统计量的实测值落入区域 W,则拒绝H0 ;否则,不能拒绝H0 .
1、生产已不正常
2、生产正常:但属于小概率事件,一次抽样中几乎 不可能发生
因此:在原假设成立(生产正常)的情况下, 若发生小概率事件,则我们有充分的理由怀 疑原假设已不成立。
因此若H0为真,即 0 时,
X
0
/ n
u /2
是一个小概率事件:1%、5%、10%
而小概率事件在一次试验中基本上不应该发生 。

统计学第8章假设检验

统计学第8章假设检验

市场调查中常用的假设检验方法包括T检验、Z检验和卡方 检验等。选择合适的检验方法需要考虑数据的类型、分布 和调查目的。例如,对于连续变量,T检验更为适用;对于 分类变量,卡方检验更为合适。
医学研究中假设检验的应用
临床试验
在医学研究中,假设检验被广泛应用于临床试验。研究 人员通过设立对照组和实验组,对不同组别的患者进行 不同的治疗,然后收集数据并使用假设检验来分析不同 治疗方法的疗效。
03 假设检验的统计方法
z检验
总结词
z检验是一种常用的参数检验方法,用于检验总体均值的假设。
详细描述
z检验基于正态分布理论,通过计算z分数对总体均值进行检验。它适用于大样本 数据,要求数据服从正态分布。z检验的优点是简单易懂,计算方便,但前提假 设较为严格。
t检验
总结词
t检验是一种常用的参数检验方法,用于检验两组数据之间的差异。
卡方检验
总结词
卡方检验是一种非参数检验方法,用于 比较实际观测频数与期望频数之间的差 异。
VS
详细描述
卡方检验通过计算卡方统计量来比较实际 观测频数与期望频数之间的差异程度。它 适用于分类数据的比较,可以检验不同分 类之间的关联性。卡方检验的优点是不需 要严格的假设前提,但结果解释需谨慎。
04 假设检验的解读与报告
详细描述
t检验分为独立样本t检验和配对样本t检验,分别用于比较两组独立数据和同一组数据在不同条件下的 差异。t检验的前提假设是小样本数据近似服从正态分布。t检验的优点是简单易行,但前提假设需满 足。
方差分析
总结词
方差分析是一种统计方法,用于比较两个或多个总体的差异。
详细描述
方差分析通过分析不同组数据的方差来比较各组之间的差异。它适用于多组数据的比较,可以检验不同因素对总 体均值的影响。方差分析的前提假设是各组数据服从正态分布,且方差齐性。

第八章 统计学 假设检验

第八章  统计学 假设检验

结论:
有证据表明这批灯泡的使用 寿命有显著提高
0
1.645
Z
2 未知大样本均值的检验 (例题分析)
【例】某电子元件批量生产 的质量标准为平均使用寿命 1200 小时。某厂宣称他们采 用一种新工艺生产的元件质 量大大超过规定标准。为了 进行验证,随机抽取了 100 件作为样本,测得平均使用 寿命 1245 小时,标准差 300 小时。能否说该厂生产的电 子元件质量显著地高于规定 标准? (=0.05)
/2
/2
临界值
0
临界值
样本统计量
显著性水平和拒绝域(双侧检验 )
抽样分布
拒绝H0 置信水平 拒绝H0 1-
/2
/2
临界值
0
临界值
样本统计量
单侧检验(显著性水平与拒绝域)
抽样分布
拒绝域 置信水平

1-
临界值
H0值
样本统计量
显著性水平和拒绝域(左侧检验 )
抽样分布
拒绝H0 置信水平
单侧检验
2 未知大样本均值的检验 (例题分析)
H0: 1200 H1: >1200 = 0.05 n = 100 临界值(s):
拒绝域 0.05
检验统计量:
z
x 0

n

1245 1200 300 100
1.5
决策:
在 = 0.05的水平上不拒绝H0
双侧检验
2 已知均值的检验 (例题分析)
H0: = 0.081 H1: 0.081 = 0.05 n = 200
拒绝 H0
.025
检验统计量:
z
x 0

第8章 假设检验

第8章  假设检验

数理统计
问题归结为对差异作定量的分析,以确定其性质 问题归结为对差异作定量的分析,以确定其性质. 差异可能是由抽样的随机性引起的, 差异可能是由抽样的随机性引起的,称为 “抽样误差”或 随机误差 抽样误差” 抽样误差 这种误差反映偶然、 这种误差反映偶然、非本质的因素所引起的随机 波动. 波动
数理统计
数理统计
P{| U |> u 2} =α α
也就是说,“ 也就是说 是一个小概率事件. | U |> u 2 ”是一个小概率事件 α
故我们可以取拒绝域为:
W: | U |> uα 2 :
如果由样本值算得该统计量的实测值落入区域 W,则拒绝 0 ;否则,不能拒绝 0 . 否则,不能拒绝H ,则拒绝H
假设检验会不会犯错误呢? 假设检验会不会犯错误呢? 由于作出结论的依据是下述 小概率原理 不是一定不发生
小概率事件在一次试验中基本上不会发生 小概率事件在一次试验中基本上不会发生 . 基本上
数理统计
如果H0成立,但统计量的实测值落入否定 如果 成立, 从而作出否定H 的结论,那就犯了“ 域,从而作出否定 0的结论,那就犯了“以真 为假” 为假”的错误 . 如果H0不成立,但统计量的实测值未落 如果 不成立, 入否定域,从而没有作出否定H 的结论, 入否定域,从而没有作出否定 0的结论,即 接受了错误的H 那就犯了“以假为真” 接受了错误的 0,那就犯了“以假为真”的 错误 .
α 取得很小,则拒绝域 取得很小,
很小的情况下H 如果在 α 很小的情况下 0 仍被拒绝了, 仍被拒绝了,则说明实际情 况很可能与之有显著差异. 况很可能与之有显著差异 基于这个理由, 时拒绝H 基于这个理由,人们常把 α = 0.05 时拒绝 0称为 显著的 时拒绝H 称为是高度 是显著的,而把在 α = 0.01 时拒绝 0称为是高度 显著的 显著的.

第八章假设检验

第八章假设检验

§8.2 正态总体均值的假设检验
(一) 单个总体N( , 2)均值的假设检验
iid
~ 设X1,,X n N(, 2 ),给定检验水平,由观
测值 x1,,xn检验假设H0: 0;H1: 0。
1、2已知的情形--Z检验
对于假设H0:=0,H1:0, 构造统计量
Z X μ0 H0真 X μ ~N(0,1)
H0:0,H1:u<u0
的水平为的拒绝域
例1 设某厂生产一种灯管, 其寿命X~ N(, 2002), 由
以往经验知平均寿命 小于1500小时, 现采用新工
艺后, 在所生产的灯管中抽取25只, 测得平均寿命
1675小时, 问采用新工艺后, 灯管寿命是否有显著提
高。(=0.05)
解: 由题意,可提出假设 H0 : 1500 , H1 : 1500
0.497 0.506 0.518 0.524 0.498 0.511 0.520 0.515 0.512
该机器是否正常?
(一) 问题的提出
设X1,X2,… ,Xn是来自总体 X~ F(x;)的 一个样本,参数∈Θ未知, 由样本观测值x1, …, xn
检验假设
H0:=0,H1:≠0 称H0为原假设, H1为备选假设。
布, 取 =0.05 )?
解: 由题意,可提出假设
H0:=112.6,H1:112.6
当H
真时
0
:
T
X S
0
n
~ t(n 1),
由P{|T|t0.025(n 1)} =0.05, 得水平=0.05的拒
绝域为|T|t0.025(6)=2.4469,
而此处 | T
|
112.8 112.6 1.135 7

统计学:第8章 假设检验

统计学:第8章  假设检验
(第四版)
由例8.16可以看出:当将原假设和备择假设交换,检验得到的最终结果 不一定相同。对假设的设定没有固定统一的标准。一般遵循的原则是:
(1)把传统的、被大多数人 所认可的观点或结论放在原假设,意为, 在没有充分证明其错误时,总是被认定为正确的。
(2)将新的、可能的、猜测的假设放在备择假设。 (3)将研究者关注的(要证明的)结论放在备择假设,这样,如果通 过假设检验作出拒绝零假设而选择备择假设的判断,会使检验的结论更具 说服力(拒绝原假设时是有充分的理由的,而接受原假设是在没有充分理 由拒绝它时才作出的决定)。 (4)容易构造统计量的角度来设置原假设和备择假设,因为原假设和 备择假设设置的不同可能会导致使用的统计量不同。
8 - 27
统计学
STATISTICS
(第四版)
右单侧检验
(显著性水平与拒绝域 )
抽样分布
置信水平 拒绝域
1 -

H0值
临界值
样本统计量
8 - 28
统计学
STATISTICS
(第四版)
右单侧检验举例(1)
【例8.16】某批发商欲从厂家购进一批灯泡,根据 合同规定灯泡的使用寿命平均高于1000小时。
建立的原假设与备择假设应为
H0: 10 H1: 10
8 - 20
统计学
STATISTICS
(第四版)
双侧检验
(显著性水平与拒绝域 )
抽样分布
拒绝域
置信水平 拒绝域
/2
1 -
/2
临界值
H0值
临界值
样本统计量
8 - 21
统计学
STATISTICS
(第四版)
左单侧检验 (定义)
  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)。

注意到,当
H0
成立时, Z
X 500 25
~
N (0,1) .而对
x
500
大小的衡量就是对
z
大小的衡量,因为
x 500 c 即 z
5
c
Hale Waihona Puke k,x 500
c

z
k

2
又注意到,虽说假设 H0 和 H1 中只有一个是正确的,但由于做判断的依据是样本,因此可能会犯这样
的错误: H0 成立却拒绝了 H0 .我们不能排除犯这种错误的可能性,但希望犯这种错误的概率“P{ H0 成立
以上这些例子是总体分布中的某些参数,甚至是总体的分布形式未知,却是从总体的一个样本出发去 推断一个“假设”是否成立.这些都是假设检验问题.
例 8.1-例 8.3 中的假设检验是关于总体参数的检验问题,其中例 8.1 与例 8.2 是关于一个参数是否为 某个数值的检验问题,例 8.3 则是关于两个参数是否相等的检验问题;
§8.1 假设检验问题 下面举例说明假设检验问题、假设检验思想和假设检验方法. 8.1.1 问题的提出 例 8.1 检验:“次品率超过 1%”了吗? 例 8.2 检验:“ 500 ”吗? 例 8.3 检验:“ E( X ) E(Y ) ”吗?(其中 X 和 Y 分别表示 70 C 与 80 C 下的断裂强力值) 例 8.4 检验:“ X 服从某指定分布”吗?
有时我们只关心被检验的总体参数增大或减小,例如,试验新工艺以提高材料的强度,自然希望新工
艺下的材料强度的均值越大越好,而且如果新工艺下材料强度的均值较以往工艺的大,则考虑采用新工
艺.为此,需要检验假设
H0 : 0 , H1 : 0 .
(8.4)
类似地,有时需要检验假设
H0 : 0 , H1 : 0 .
z
x 500 25
z 2 ,
就拒绝 H0 ;不满足,则接受 H0 .
如取 0.05 ,这时 z 2 z0.025 1.96 ,由样本值算得 x 502.4 ,此时 z x 500 2.6833 1.96 . 25
于是拒绝 H0 ,即认为生产线工作不正常.
如取 0.002 , z 2 z0.001 3.090 ,这时 z x 500 2.6833 3.090 . 25
P{ H0 成立但拒绝 H0 }= P Z k ,
Z z 2
(8.2) (8.3)
Z z 2 确定的区域为假设 H0 的接受域.把由样本值算得的 x 代入(8.3)式,如果不等式成立,则拒绝假设 H0 ,否 则接受假设 H0 .
(8.1)式中的备择假设 H1 表示 可取在 0 的两边,即 0 或 0 ,称为双边备择假设,(8.1)因此 称为双边检验.
第 8 章教学要求: 1.了解假设检验问题,理解假设检验的基本思想.了解假设检验的两类错误,掌握假设检验的步骤. 2.会对正态总体参数作假设检验.
第 8 章 假设检验 研究如何利用样本所提供的信息,对总体分布中的未知参数或总体的分布所提出的假设做出判断的问 题即为假设检验问题. 本章将介绍假设检验的思想和方法,判断“假设”是否成立.
但拒绝 H0 }”能控制在一定的范围内,这可以表示为,对于较小的正数 (0 1) ,
P{ H0 成立但拒绝 H0 } .
(*)
(*)式亦即
P z
k
P
X
500
k

2 5
(**)
若令(**)式取等号,有
P z
k
P
X
500
k

2 5
k z 2 即是使(**)式成立的最小 k 值.那么,当 X 的样本观测值满足
生产线工作正常,即 X N(500 , 22 ) ,本例即要判断“ 500 ”是否成立.
提出假设 H0 : 500 , H1 : 500 .这是关于总体均值的假设检验.
我们需要根据样本观测值做出接受 H0 或是拒绝 H0 的选择.如果接受 H0 ,则认为生产线工作正常;否 则,认为生产线工作不正常.
z
2的x
,那么假设 H0 的正确性就值得怀疑.另外,选定
后,数
k 便可以确定,
它是检验假设 H0 成立与否的门槛值.如果
x 500 25
k
z
2 成立,则认为 x
与 500 的差异是显著的,否则认
为差异是不显著的,数
因此称为假设检验的显著性水平,统计量
Z
X 500 25
则称为检验假设
H0
的检验
统计量.
例 8.4 是关于总体分布的假设检验问题.
对总体分布中的某些参数或总体的分布形式提出假设,然后根据总体的样本对假设进行检验,并做出 接受或是拒绝假设的选择,这就是假设检验.
8.1.2 假设检验的基本思想 下面结合例 8.2 说明“如何根据样本推断一个假设成立与否”.
以 X 表示每听罐头的重量,则 X ~ N( , 22 ) .
上面的检验问题及检验过程一般可以叙述为:在显著性水平 下,检验假设 H0 : 0 , H1 : 0 .
H0 称为原假设或零假设, H1 称为备择假设.
(8.1)
选择一个合适的检验统计量(含
,但令
0
,不含其它未知参数)
Z
X 0 n
~ N (0,1) ,并令
找使上式等号成立的最小 k 值,有 k z 2 ,称 所确定的区域为假设 H0 的拒绝域,称由
我们知道,样本均值是对总体均值的无偏估计.如果 H0 成立,那么样本均值 X 就服从正态分布 N (500, 22 / n) ,其取值将分布在 500 附近. x 500 一旦过大,H0 的正确性就值得怀疑.因此, x 500 的大
小就用来检验假设 H0 成立与否.当 x 500 c ( c 为适当选取的正数)时,我们就接受 H0 ;当 x 500 c 时, 就拒绝 H0 .
(8.5)
形如(8.4)的假设检验,称为右边检验;形如(8.5)的假设检验,称为左边检验.右边检验和左边检验统称
为单边检验.
仍然考虑例 8.2, X ~ N( , 22 ) .如果检验假设
因此接受 H0 ,即认为生产线工作正常.
可见, 的值会影响选择.
总是取得比较小,一般取为 0.01 或 0.05,有时也把 0.10 包括在内.所以如果 H0 成立,则
X 500 25
z
2
可视为小概率事件.由于小概率事件在一次观测中几乎是不发生的,所以在一次观测中如
果出现了满足
x 500 25
相关文档
最新文档