统计的假设检验

假设检验可如下进行: 例如,供应部的IC类材料的平均采购周期为50天,公司2001年对采购
流程进行了优化组合,供应部认为流程优化后IC类材料的采购周期比原 先缩短了,现在我们要确认流程优化后采购周期是否缩短了.
大家为了确认这种说法,可以作以下假设：
假设检验 : H0 : = 50
一般把已知的事实设定为归零假设.
啊 !! 为了证明两个总体或几 个总体间之间差异进行 统计检验.
统计的假设检验
9
假设检验的种类有哪些?
那么!我们看一下我们经常用的假设检验的种类或什么时候用哪些检 验方法.
平均值检验
方差检验
·1-Sample t test ·Equal variance 检验 ·2-Sample t test test (F test) 种类 ·Paired t test
归零假设实际上正确，这时我们做出了拒绝归零假设的决策,因而 犯了错误.这类错误称为第Ⅰ类错误,也简称为弃真错误.显然,犯 第Ⅰ类错误的概率就是显著水平α. 实际上没有差异，但我们认为“有差异” ，这种错误出现的概率. 即，我们从样本得出的结果有可能造成判断错误的可能性%。
4
为什么需要假设检验？
总体：整个集合的全体特征 样本：具有总体特征的子集
统计的假设检验
根据样本确定总体!!!
5
总体参数与样本统计
总体参数
样本统计
平均 值
x
标准偏差
s
比例(百分數)
P
p
1. 总体参数(值)是固定的，但不知道。 2. 样本统计值是用来估计总体的特征。
假设是对总体值进行阐述，而不是对样本进行阐述。
➢供应一部IC类材料的采购日期以前平均为48天,现在对采购流程作 了大的调整,收集了3个月IC类材料的采购周期的数据.试问:现在的 采购周期是否比以前缩短了?
➢工艺部去年成立了焊接直通率项目团队,以前单板的焊点不良 为98%,经过对工艺方面的改善, 试问:单板的焊点不良 率是否下降 了?
统计的假设检验
■ 两侧验证(two-sided test) 对立假设中的特性值在两侧的检验
(ⅲ) H1 : 0 (两侧检验)
统计的假设检验
13
双侧检验 单侧左检验 单侧右检验
统计的假设检验
单侧和双侧检验
/ 2
拒绝范围 (临界值)
无法拒绝HO
拒绝范围
/ 2
(临界值)
无法拒绝HO
拒绝范围 (临界值)
拒绝范围 (临界值)
统计的假设检验
统计的假设检验
（分析阶段）
1
统计的假设检验
主要内容
1.统计的假设检验 2.假设检验的定义 3.样本的设定 4.平均值检验 5.方差检验 6.比率检验
2
1. 统计的假设检验
➢我们可以经常看到如下说法. – 设备的效率为 97.5%. – 使用新的检测方法,单板检测合格率达到99%. - 材料的采购周期为30天 - 资金周转天数为20天 上面的说法具有多少可信性? 这些说法是否可以进行统计的检验?
统计的假设检验
6
那么,如何做假设检验呢?
• 对总体我们想主张的内容作假设(假定),通过对样本数 据进行分析，然后对假设是否正确做出客观的判断. • 但我们要注意的的是… 下统计的决定时,如果数量少,样本的取出有一定偏移, 或进行了合适的统计检验时，我们得出的结论有可能是 错误的.
统计的假设检验
7
假设检验如下…
·ANOVA
比率检验
·1-Proportion ·2-Proportion ·Chi-square
test
样本为正态分布时 主要 使用 使用的 了解一个或几个总体 情况 的平均值是否一致时
使用
了解一个或几个总体 的方差是否一致 时使用
了解一个或几个总体 的比率是否一致时 使用
数据 形态
统计的假设检验
归零假设(null hypothesis) : H0
与对立假设相反的假设,一般表示为Ho,一般已知的事实设定为 归零假设.
统计的假设检验
12
单侧检验,两侧检验
对立假设表示要检验的特性值的范围在一侧或两侧. ■ 单侧验证(one-sided test)
对立假设中的特性值只在一侧的检验 (ⅰ) H1 : 0 ( 单侧检验 ) (ⅱ) H1 : 0 ( 单侧检验)
11
2. 假设检验的定义
假设有两种相反的假设. “归零假设”或“原假设”假设没有关系.这是所有统计检验的基本
假设. “对立假设”或“备选假设”假定有差异或有关系.大部分的统计检
验实 际对评立价假的设就(a是lt这er个na假ti设ve hypothesis) : H1
依据样本得到的信息要证明的假设,通常表示为H1. 认为归零假设是错误时.
H1 : < 50
我们要主张的设为对立假设,我们真 正想确认的为对立假设
然后取出样本 ，根据样本确认假设是否正确
统计的假设检验
8
假设检验的一般顺序是…
统计检验的一般顺序
1. 实际问题转化为统计问题 2. 确认目的 3. 进行假设(对立假设/归零假设) 4. 选择统计的检验方法 5. 制定α危险度 6. 制定β危险度 7. 制定大家要寻找的δ或差异 8. 确定寻找δ必要的样本大小 9. 确定样本收集方法 10.收集数据 11. 统计的检验 12.以检验结果为基础,做出判断
Hale Waihona Puke Baidu
连续型数据
10
离散型数据
假设检验如何与实际问题相结合?
为了确认我们实际遇到的问题,取出样本并通过统计假设检验,确认我们 的判断是否正确. -我们的实际问题是：平均值是否有差异吗?或者是 -我们的实际问题是：分散是否有差异吗?或者是 -两种问题都存在?
平均值问题
实际
目标
散布问题
目标 实际
d
统计的假设检验
在许多实际问题中,只能先对总体的某些参数做出可能的假设,然后根 据得到的样本,运用统计的知识对假设的正确性进行判断.这就是所谓 的统计假设检验
统计的假设检验
3
先看下面几个事例:
➢生产部有一批用户板,按照规定的标准,单板的合格率应该达 到99%,产检科从中任意抽取100件,发现其中有2块单板不合格.请问 这批用户板是否可以移交事业部?
无法拒绝HO
14
H1: = (不等于)
H1: > (大于)
H1: < (小于)
假设检验的两类错误
假设检验的基本思路及方法我们已了解.但是这种检验方法做出的决 策是不是一定都正确?答案是否定的.由于我们做出判断的依据仅仅是 一个样本,作判断的方法是由部分来推断总体,事实上可能发生两种类 型的错误.
第一种错误 (Type Ⅰ Error)