应用统计学课件-10

n
但本题Z=2＞1.96，显示 X = 82 的这个样本不在95%的样本
范围之内(接受区域)，而在95%的样本范围之外(拒绝区域)。
所以，我们没有充分的信心确认μ= 80的假设成立，我们不接
受这个假设(我们拒绝这个假设) 。
2020/11/27
Jinlong
5
假设检验的两个假设
假设检验，首先要提出假设。提出的假设通常是两个：
15
两个总体平均数差异检验*
制造某一以抗拉强度为重要特征的产品，有A、B两种方法。
经验表明，这两种方法生产出来的产品的抗拉强度都近似服
从正态分布，且σ1=6千克、σ2= 8千克。现分别抽取12和16个 产品，得到样本均值分别为40千克和34千克。
试判断两种方法所生产产品的抗拉强度是否相同。α= 0.05
2020/11/27
Jinlong
1
本章主要内容
一、假设检验基本问题 二、总体平均数检验 三、总体比率检验 四、总体方差检验*
2020/11/27
Jinlong
2
一、假设检验基本问题
假设检验，就是对未知的总体参数先提出假设，然后利用样
本信息去研判这个假设是否成立；成立则接受、不成立则不
显著高于80度(我们担心真的是不是高于80度)，那么，我们
就进行 检验。
2020/11/27
Jinlong
8
假设检验的示意图
3）右侧检验，
检验H0 : μ≤μ0 和H1 : μ＞μ0。
右侧检验的目的是观察在选定的小 概率标准下，样本统计量是否显著 地高于假设的总体参数。
左侧检验
双侧检验
μ= 80
我们面临5%判断失误的风险。即原假设(μ=80)为真，我们却
判断为假而加以拒绝，犯这种错误的概率或风险为5%。
所以，显著性水平α实质是指当原假设正确时人们却把它拒绝
了的概率或风险。
而且，假设检验面临的判断失误的风险还不止这一种。
2020/11/27
Jinlong
10
假设检验的两类错误
法庭裁决被告是否有罪的两个假设与四种结果：
接受这个假设。
前例，先提出假设μ= 80，再根据样本信息 X= 82，研判：
如果μ= 80为真，那么
5
Z =( X -μ)/
=(82-80)/ n
2=5 2
回想上一章有关计算，这里Z=2，意味着 X=82的这个样本已
特殊到不包含在可能的95.44%的样本范围里了；即意味着如
果μ= 80为真，则获得这个样本的概率低于5%。
In hypothesis testing, you always face the possibility that either you will wrongly reject the null hypothesis or wrongly not reject the null hypothesis. These possibilities are called type I and type II errors, respectively.
2 0
15
而
2 1 2
(n 1)
2 0.975
(20)
9.591；
2
2
(n
1)
x2 0.025
(20)
3434.170（落入接受域）
不拒绝原假设。
2020/11/27
Jinlong
21
两个总体方差差异检验
某证券交易所的金融分析员，欲比较在NYSE和NASDAQ市
我国出口凤尾鱼罐头，标准规格是每罐净重 250 克，据以往
经验，标准差是 3 克。某食品厂生产一批供出口用的这种罐
头，从中抽取 100 罐，测出其平均净重 251 克。假定罐头重
量服从正态分布，按规定显著性水平0.05 ，试判断这批罐头
是否合乎出口标准? H0: μ= 250；H1: μ≠250
如果我们的关注点是那个自动加工装置的平均工作温度是否
显著异于80度(我们判断真的是不是80度)，那么，我们就进
行双侧检验。
如果我们的关注点是那个自动加工装置的平均工作温度是否
显著低于80度(我们担心真的是不是低于80度)，那么，我们
就进行左侧检验。
如果我们的关注点是那个自动加工装置的平均工作温度是否
假设。
2020/11/27
Jinlong
4
p-值法、临界值法
本题如上研判方法，称为假设检验的“p-值法”。 (P.244)
本题如下研判方法，称为假设检验的“临界值法” ：(P.232)
根据上一章有关计算，可知
95%的样本，其样本平均数数值落入
Z =( X-μ)/
=±1.96 (此处1.96为临界值)
场分别上市的股票的利息收益。他收集到以下数据:
NASDAQ
NYSE
数量
21
25
均值
3.27
2.53
标准差
1.30
1.16
试以0.05水平, 推断NYSE和NASDAQ市场的股票的利息收益
方差是否有差异?
2020/11/27
Jinlong
22
F Test for Variances
H0: σ12 = σ22 ；H1: σ12 ≠σ22 α= 0.05
原假设：也称零假设，一般以H0表示，代表“正常”情形。 假设检验以假定原假设为真开始。
备择假设：也称备选假设，为零假设的对立假设，一般以H1 表示，代表对“正常”情形的挑战。
两个假设，就总体平均数的假设而言，有三种情况：
1）H0 : μ=μ0 ； H1: μ≠μ0 (前例H0 : μ=80；H1: μ≠80)
(1 ) 0.（4 1- 0.4）
取α= 0.05，±Zα=±1.645
n
200
因为-1.4434＞-1.645(落入接受域)，故不拒绝原假设。我们有
信心相信：赞成A方案的市民比率不低于40%。
2020/11/27
Jinlong
17
总体比率检验再举例
一项调查结果表明某市老年人口比重为14.7 %。
2020/11/27
Jinlong
3
小概率原理
一般认为，概率低于5%的随机事件是小概率事件。 小概率事件在一次实验中，不是绝对不会发生，但是几乎不
可能发生。 回到前例，得到 X = 82的样本就是一个小概率事件，它是几
乎不可能发生的；而现在真的发生了，于是得出研判结论： 我们没有充分的信心确认μ= 80的假设成立，我们不接受这个
该市老年人口研究会为了检验这项调查是否可靠，随机抽选
了400名居民，发现其中有57人年龄在65岁以上。
调查结果是否支持该市老年人口比重为14.7%的看法？
H0: π= 14.7 % ； z p
H1: π≠14.7 %
(1 )
n
据样本，p=57/400=14.25%
14.25% 14.7% 0.254 14.7%(1 14.7%)
H0: μ1 – μ2 = 0 ；H1: μ1 – μ2 ≠0
z (x1 x2 ) (1 2 ) (40 34) 0 2.27
2 1
2 2
36 64
n1 n2
12 16
决策：不接受H0。 结论：两种方法所 生产的产品，抗拉 强度不同。
2020/11/27
Jinlong
16
三、总体比率检验
150 200
z 2.58 2
不拒绝原假设。
2020/11/27
Jinlong
20
四、总体方差检验*
由某个正态分布总体抽出一个容量为21的随机样本，样本方
差为10，试检验总体方差为15。(α= 0.05 )
H0 : σ2=15 ；H1: σ2≠15
2 (n 1)s2 (211) 10 13.333
工人所占比例是否相同?
2020/11/27
Jinlong
19
解上题
H0: π1-π2= 0；H1: π1-π2≠0
~p1
75 150
0.5
~p2
103 200
0.515
p 75 103 0.509 150 200
z
0.50 0.515
0.278
0.509 (1 0.509) ( 1 1 )
右侧检验
2020/11/27
Jinlong
9
显著性水平
示意图中的α，也就是前述的选定的小概率标准。它被称为显
著性水平。而1-α，就是上一章所述的置信水平。
通常取α= 0.05 或α= 0.01。
前例，取α= 0.05，以样本提供的信息，我们判断μ≠ 80。
这个判断不是100%的正确，而是95%的正确。这是说，
df1 = 20 df2 = 24 临界值，见右图
拒绝 0.025
拒绝 0.025
检验统计量: F=s12/s22=1.30/1.16=1.25
0 0.415 2.33
F
决策：接受H0。
结论：没有足够证据表明两个总体方差存有差异。
2020/11/27
Jinlong
23
英文选读 10 Decision-Making Risks
2）H0 : μ≥μ0 ；H1 : μ＜μ0 3）H0 : μ≤μ0 ；H1 : μ＞μ0
2020/11/27
Jinlong
6
假设检验的两种类型
假设检验分为两种类型，双侧检验和单侧检验。 单侧检验又可具体分为两种，左侧检验和右侧检验。 1）双侧检验，检验H0 : μ=μ0 和 H1: μ≠μ0 。 双侧检验的目的是观察在选定的小概率标准下(前例5%)，样
实际工作中，一般事先规定允许犯第Ⅰ类错误的概率，常取 α= 0.05和0.01，然后尽量减少犯第Ⅱ类错误的概率β。