第七章假设检验
教育统计学第七章假设检验
THANKS
感谢观看
和假设。
合理选择样本
选择具有代表性的样本是假设 检验的重要前提,样本的选择 应基于研究目的和研究对象的 特征。
正确理解数据
对收集到的数据进行正确理解 和分析,确保数据的准确性和 可靠性。
正确解读结果
对假设检验的结果进行正确解 读,避免误导或过度解读。
假设检验的局限性
样本代表性
由于样本是从总体中随机抽取的,因此可能存在样本代表性不足的问 题,导致假设检验的结果存在误差。
用于比较实际观测频数与期望 频数之间的差异。
回归分析
用于研究变量之间的关系,并 检验回归方程是否显著。
03
参数假设检验
单个总体参数的假设检验
定义
对单个总体参数的假设检验是检 验一个总体参数是否等于某个特
定值。
步骤
1. 提出假设;2. 确定检验统计量; 3. 确定临界值;4. 做出推断结论。
示例
检验某班级学生的平均成绩是否为 80分。
提高假设检验准确性的方法
增加样本量
增加样本量可以提高假设检验的准确性,降 低误差率。
考虑使用交叉验证
交叉验证可以减少模型过拟合和欠拟合问题, 提高假设检验的准确性。
选择适当的统计方法
根据研究目的和数据特征选择适当的统计方 法,可以更准确地检验假设。
注意控制实验误差
在实验过程中,应采取措施控制实验误差, 确保数据的准确性和可Байду номын сангаас性。
两个样本非参数检验
1 2 3
曼-惠特尼U检验
用于比较两个独立样本的平均值是否存在显著差 异。
威尔科克森符号秩检验
适用于比较两个独立样本的平均值是否存在显著 差异,特别是当其中一个样本的观测值不能进行 四则运算时。
第七章假设检验
第一节 第二节 检验 假设检验的一般问题 总体均值, 总体均值,比例和方差的假设
学习目标
1. 了解假设检验的基本思想 2. 掌握假设检验的步骤 3. 能对实际问题作假设检验
第一节 假设检验的一般问题
一,假设检验的概念 二,假设检验的步骤 三,假设检验中的小概率原理 四,假设检验中的两类错误 五,双侧检验和单侧检验
拒绝域 置信水平
α
1-α 接受域 H0值 样本统计量
临界值
6,右侧检验(显著性水平与拒绝域 ) 右侧检验( 抽样分布
置信水平 拒绝域 1-α 接受域 H0值 观察到的样本统计量 样本统计量
α
临界值
抽样分布
1-α 接受域 H0值
置信水平 拒绝域
α
临界值
样本统计量
第二节 总体均值,比例和方差的假设检验
1,原假设为真时拒绝原假设 , 2,会产生一系列后果 , 3,第一类错误的概率为α ,第一类错误的概率为α
被称为显著性水平 第二类错误(取伪错误) (二)第二类错误(取伪错误)
1,原假设为假时接受原假设 , 2,第二类错误的概率为β ,第二类错误的概率为β
(三)列表
H0: 无罪
假设检验就好 像一场审判过程
2,确定假设的步骤 例如问题为: 检验该企业生产的零件平均长度为4厘米 步骤: (1)从统计角度陈述问题 ( = 4) 1 (2)从统计角度提出相反的问题 ( ≠ 4) 必需互斥和穷尽 (3)提出原假设 ( = 4) (4)提出备择假设 ( ≠ 4) 有 ≠ 符号
3,双侧检验(例子) 双侧检验(例子)
1,原假设与备择假设是一个完整事件组. 2,通常先确定备择假设,再定原假设. 3,等号总放在原假设. 4,两者的选择本质上带有主观色彩. 5,假设检验的目的主要是收集证据拒绝原 假设.
第七章 假设检验
第七章假设检验第一节假设检验的基本知识一、假设陈述1、原假设/虚无假设:用H表示,常常是根据已有资料得出的,稳定、保守的经验性看法,没有充分根据是不会被推翻的。
2、备选假设/研究假设:与原假设对立的假设,用H1表示,经过抽样调查后,获得证据希望予以支持的假设。
二、假设检验的基本原理——小概率原理小概率原理:一次观察中小概率事件被认为不可能发生;如果一次观察出现了小概率事件,合理的想法应该是否定原有事件具有小概率的说法。
小概率原理在假设检验中的运用:抽取一个样本并计算出检验统计量,如果在原假设成立的条件下这个统计量几乎不可能发生,则拒绝原假设而接受备选假设。
反之,如果计算出的统计量发生的可能性不太小,则接受原假设。
即在原假设下,检验统计量是小概率事件则拒绝原假设。
例1:某市场有100位摊贩,根据以往统计,其中非本地居民占10%,现随机抽取10人调查,发现5个都不是本地人,则原有统计结果是否成立?解:H:100人中10个是非本地人。
计算在原假设成立的情况下,抽取5人都是非本地人的概率:P= C105 C905/C10010<10-4可见,出现5名非本地人的结果概率极其小,但一次实验就出现了,所以怀疑原假设的真实性,拒绝原假设。
三、拒绝域与显著性水平1、显著性水平α,在原假设成立条件下,统计检验中规定的小概率的数量界限,常用的有α=0.10,0.05,0.01。
2、接受域和拒绝域根据原假设画出统计量的分布,以Z分布为例。
如果把拒绝原假设的小概率α事件定在分布的右侧尾部,则右侧面积代表的概率即显著性水平,Zα是临界值。
如果检验统计量值Z>Zα,则应拒绝原假设;如Z<Zα,则接受原假设。
以Zα为临界值,左边为接受域,右边为拒绝域。
也可把α定在左边或两边。
α1、双边检验如果拒绝域放在抽样分布的两侧,每侧拒绝域的概率分别为α/2,假设抽样本分布以0为对称,则P(|Z|>Z α/2)= α;双边检验的假设如下:H 0: μ=μ0H 1: μ≠-Z α/2 Z α/2如果检验统计量|Z|>Z α/2,则拒绝原假设,否则接受。
第七章假设检验
引言
结论:企图肯定什么事情很难, 结论:企图肯定什么事情很难,而否定就容 易得多。 还记得上次那个例子吗? 易得多。 (还记得上次那个例子吗?两个人 住一起,其中有一个人病了, 住一起,其中有一个人病了,另一个人天天 给他熬药还端到他床前,三个月过去了, 给他熬药还端到他床前,三个月过去了,突 然有一天那个人忙得很, 然有一天那个人忙得很,把药熬好了就对卧 病在床的人说,你自己去喝吧, 病在床的人说,你自己去喝吧,卧病的人心 里想: 这个人怎么这么坏呢? 里想:“这个人怎么这么坏呢?”,他倒忘 了这个人对他的好, 了这个人对他的好,记住一个人的好总比记 住一个人的坏好,有时候想想, 住一个人的坏好,有时候想想,老师就像端 药的人,学生就是喝药的人,良药苦口, 药的人,学生就是喝药的人,良药苦口,我 也许一直是你们背后说你们的那个烂人, 也许一直是你们背后说你们的那个烂人,老 师也是弱势群体啊!!) 师也是弱势群体啊!!)
α
H 0 : µ ≤ 2% ↔ H 1 : µ > 2%
5-10
二、两种类型的错误
两类错误发生的概率 α与β之间是此消彼长的关系 接受
H0
拒绝
H0
H0
真实
判断正确 (1-α) ) 取伪错误( 取伪错误(第二类 错误或β 错误或 错误)
弃真错误( 弃真错误(第一 类错误或α 类错误或 错误 ) 判断正确 (1-β) )
第七章 假设检验
第一节 假设检验概述 第二节 总体参数检验 第三节 卡方检验
参数估计是利用样本信息推断未知的总体参数, 参数估计是利用样本信息推断未知的总体参数, 而假设检验是先对总体参数提出一个假设, 而假设检验是先对总体参数提出一个假设,然后利 用样本信息判断这一假设是否成立。 用样本信息判断这一假设是否成立。
应用统计学第7章 假设检验
•
μp
(1 )
σp
n
7.3 几种常见的假设检验
• p的抽样分布接近于 正态分布,所以检
验统计量是ZSTAT 值:
p的假设检验
Z STAT
pπ
nπ 5和 n(1-π) 5
π(1 π)
n
nπ < 5或 n(1-π) < 5
本章不讨论
7.3 几种常见的假设检验
关于总体比例,可建立如下假设:
提出原假设和备择假设 选择显著性水平 确定检验统计量 建立决策准则 做出决策
7.2 假设检验的五个步骤
7.2.1提出原假设和备择假设 原假设,H0
检验的声称或断言
例:在美国每个家庭平均有3台电视机
(H0 : μ 3)
是总体参数,不是样本统计量
H0 : μ 3
H0 : X 3
7.2 假设检验的五个步骤
的假设检验
σK已n知own (Z 检验)
检验统计量是:
σ Un未kn知own (t 检验)
7.3 几种常见的假设检验
根据抽样分布原理,当总体服从正态分布N(μ,2)时,那
么从中抽取(重复抽样)容量为n 的样本,其样本均值
服从正态分布
N , 2 / n ,而统计量
Z
x
服从标
准正态分布。
n
对于双侧检验,对给定的显著性水平α,当
解:由题意知,这是左单侧检验问题,可建立如下假设:
H0 : 0.9
H1 : 0.9
样本比例
p 82 0.82 ,检验统计量的值为:
100
Z
p
= 0.82 0.9 2.67
(1 )
0.9 0.1
n
100
第7章 假设检验
(x)
n
0.01,u 2.33,
1
由样本值算得 U 2.51,
O
u
x
U 2.51 2.33 , 否定 H0 ,
即可以认为新生产织物比过去的织物强力有明显提高.
二、 2未知时关于 的假设检验
0
H 0下
N (0, 1) ,
n
(3) 对给定的显著性水平,查表得 u / 2;
(4) 由样本值算得 u 的值;
U 检验法
如果 | u | u 2 ,则拒绝H0 ;否则, 不能拒绝H0 . 20
例 已知滚珠直径服从正态分布,现随机地从一批滚珠中抽
取6个,测得其直径为14.70,15.21,14.90,14.91,15.32, 15.32(mm)。假设滚珠直径总体分布的方差为0.05,问
23
单侧检验 右侧检验
(x)
(1) H0 : 0 , H1 : 0
(2) 检验统计量 U X 0
1
n
O
u
x
(3) 对给定的显著性水平 ,查表得 u ;
(4) 由样本值算得 U 的值;
如果 U u ,则拒绝H0 ;否则, 不能拒绝H0 .
类似可得,若要检验假设 H0 : 0 ,
24
要同时降低两类错误的概率 , ,或者要在 不变的条件下降低 ,需要增加样本容量.
假设检验的另一个关键的问题是如何根据问题 的需要来合理地提出原假设和备择假设.由以上的讨 论知,在显著性检验问题中,若没有非常充足的理由, 原假设是不能轻易拒绝的,因此原假设是受到保护的 假设. 一般地我们总是将被拒绝时导致的后果更严 重的假设作为原假设.
11
罐装可乐的容量按标准应在350毫升和360毫升之
第七章 假设检验
|u| = x 0 2.2 1.96, 0 / n
于是根据小概率事件实际不可能性原理,拒绝假设 H0 ,
认为包装机工作不正常.
(2)若取定 0.01,
则 k u / 2 u0.005 2.58,
|u|= x 0 2.2 2.58, 于是 0 / n
接受假设 H0 , 认为包装机工作正常.
注:上述 称为显著性水平.此例表明假设检验的结论与选取的显著性水平 有 密切的关系.所以,必须说明假设检验的结论是在怎样的显著水平 下作出的.
ch3-8
2.假设检验的基本思想及推理方法
1)假设检验基本思想 (1) 在假设检验中,提出要求检验的假设,称为原假设或零假设,
记为 H0 ,原假设如果不成立,就要接受另一个假设,这另一 个假设称为备择假设或对立假设,记为 H1 。 (2) 假设检验的依据——小概率原理:小概率事件在一次试验中 实际上不会发生。 (3) 假设检验的思路是概率性质的反证法。即首先假设成立,然 后根据一次抽样所得的样本值信息,若导致小概率事件发生, 则拒绝原假设,否则接受原假设。
C3 12
p3 (1
p)9
0.0097
0.01
这是 小概率事件 , 一般在一次试验中
是不会发生的, 现一次试验竟然发生, 故认
为原假设不成立, 即该批产品次品率p 0.04
则该批产品不能出厂.
P12 (1)
C1 12
p1 (1
p)11
0.306
0.3
ch3-12
这不是小概率事件,没理由拒绝原假设,
因为 X 是 的无偏估计量,所以,若 H 0 为真,则 X 0 不ch应3-6X 太大, Nhomakorabea0
0 / n
东华大学《概率论与数理统计》课件 第七章 假设检验
1. 2为已知, 关于的检验(U 检验 )
在上节中讨论过正态总体 N ( , 2 ) 当 2为已知时, 关于 = 0的检验问题 :
假设检验 H0 : = 0 , H1 : 0 ;
我们引入统计量U
=
− 0 0
,则U服从N(0,1)
n
对于给定的检验水平 (0 1)
由标准正态分布分位数定义知,
~
N (0,1),
由标准正态分布分位点的定义得 k = u1− / 2 ,
当 x − 0 / n
u1− / 2时, 拒绝H0 ,
x − 0 / n
u1− / 2时,
接受H0.
假设检验过程如下:
在实例中若取定 = 0.05, 则 k = u1− / 2 = u0.975 = 1.96, 又已知 n = 9, = 0.015, 由样本算得 x = 0.511, 即有 x − 0 = 2.2 1.96,
临界点为 − u1− / 2及u1− / 2.
3. 两类错误及记号
假设检验是根据样本的信息并依据小概率原
理,作出接受还是拒绝H0的判断。由于样本具有 随机性,因而假设检验所作出的结论有可能是错
误的. 这种错误有两类:
(1) 当原假设H0为真, 观察值却落入拒绝域, 而 作出了拒绝H0的判断, 称做第一类错误, 又叫弃
设 1,2, ,n 为来自总体 的样本,
因为 2 未知, 不能利用 − 0 来确定拒绝域. / n
因为 Sn*2 是 2 的无偏估计, 故用 Sn* 来取代 ,
即采用 T = − 0 来作为检验统计量.
Sn* / n
当H0为真时,
− 0 ~ t(n −1),
Sn* / n
由t分布分位数的定义知
第七章-假设检验PPT
(Xi X )2
i 1
)
n
[例7-5]某制药厂试制某种安定神经的新药,给10个病人 试服,结果各病人增加睡眠量如表7-2所示。
表7-1 病人服用新药增加睡眠量表
病人号码
1
2
34
5 6 7 8 9 10
增加睡眠(小时) 0.7 -1.1 -0.2 1.2 0.1 3.4 3.7 0.8 1.8 2.0
n N 1
其中, 是假设的总体比例,p 是样本比例
7.3.1 单个总体比例检验
❖ 这个检验统计量近似服从标准正态分布。如果抽样比例n/N 很小时,也可以使用下列形式:
Z p (1 )
n
[例7-7]某企业的产品畅销国内市场。据以往调查,购买该 产品的顾客有50%是30岁以上的男子。该企业负责人关心这 个比例是否发生了变化,而无论是增加还是减少。于是,该企 业委托了一家咨询机构进行调查,这家咨询机构从众多的购买 者中随机抽选了400名进行调查,结果有210名为30岁以上的 男子。该厂负责人希望在显著性水平0.05下检验“50%的顾客 是30岁以上的男子”这个假设。
解:从题意可知,X =1.36米,0=1. 32米, =0.12米。 (1)建立假设:H0: =1.32,H1: 1.32
(2)确定统计量:
Z X 1.36 1.32 1.67 / n 0.12 / 25
(3)Z的分布:Z~N(0,1)
(4)对给定的 =0.05确定临界值。因为是双侧备择假设所以
动生产率的标准差相等.问:在显著性水平0.05下,改革前、 后平均劳动生产率有无显著差异? 解:(1)建立假设H0:1 2 (没有差别)。
H1:1 2 (有差别)(左单侧备择假设) (2)计算统计量:
第七章 假设检验的基本概念
怎样确定c? 怎样确定 I类错误 类错误——弃真错误, 发生 弃真错误, 类错误 弃真错误 的概率为α 的概率为
•两类错误 两类错误 接受或拒绝H 接受或拒绝 0,都可能犯错误 II类错误 纳伪错误, 类错误——纳伪错误,发生 纳伪错误 类错误 的概率为β 的概率为 H0非真 检验决策 H0为真 拒绝H 类错误( ) 拒绝 0 犯I类错误(α) 正确 类错误 接受H 类错误( ) 接受 0 正确 犯II类错误(β) 类错误
乙种误差
纳伪的错误, 又称第二类错误, 是指H 纳伪的错误 , 又称第二类错误 , 是指 0 为假, 但小概率事件没有发生, 接受H 为假 , 但小概率事件没有发生 , 接受 0 即把假的当成真的, 即把假的当成真的 , 它是在接受原假设 时出现的错误。 时出现的错误。 犯乙种误差的概率为β 犯乙种误差的概率为β,β的数值随着真 的原假设中µ 的偏离程度而变化, 实 µ 的原假设中 µ 0 的偏离程度而变化 , △µ=µ-µ0越小 β的数值就越大。 µ µ 越小,β的数值就越大。
总 体 某种假设) (某种假设) (接受) 接受) 小概率事件 未 发 生
抽样 检验
样 本 观察结果) (观察结果) (拒绝) 拒绝) 小概率事件 发 生
三、假设检验的基本形式
假设一般包括两部分:虚无假设HO和 研究假设H1。 虚无假设HO: 又称原假设,零假设。 是一种无差别假设,是一种已有的, 具有稳定性的经验看法,没有充分根 据,是不会被轻易否定的。 研究假设H1 :又称备择假设。是研究 者所需证实的假设。
2
2
Zα
2
一端检验
又称单边检验,单尾检验。 又称单边检验,单尾检验。 如果我们关心的是不仅存在差异, 如果我们关心的是不仅存在差异,而且还 有差异的方向,就要选用一端检验。 有差异的方向,就要选用一端检验。 一端检验可分作右端检验和左端检验。 一端检验可分作右端检验和左端检验。 H0:µ≥µ0 ,H1:µ<µ0(左端检验) 左端检验) < H0:µ≤µ0,H1:µ>µ0 (右端检验) 右端检验) >
第七章 假设检验
若统计量的值落在否定域内(包括临界 值),说明H0与样本描述的情况有显著差异, 应该否定原假设;若该值落在接受域内,就 说明H0与样本描述的情况无显著差异,则应 接受原假设。 本例Z值为2.5落入拒绝域,故拒绝原假设, 认为08年国有单位职工月平均工资与07年相 比有显著差异。
15
end
三、假设检验中的两类错误 假设检验是依据样本信息进行判断,是由部 分来推断整体,因而不可能绝对准确,可能 犯错误。
end
0.55 0.60
三、总体方差的假设检验 ( 2检验)
1. 检验一个总体的方差或标准差 2. 假设总体近似服从正态分布 3. 检验统计量服从 2分布
( n 1) s 2 ~ ( n 1) 2 0
Байду номын сангаас2 2
假设的总体方差
34
end
【例 6-9】啤酒生产企业采用自动生产线灌 装啤酒,每瓶的装填量为 640ml ,但由于 受某些不可控因素的影响,每瓶的装填量 会有差异。此时,不仅每瓶的平均装填量 很重要,装填量的方差同样很重要。如果 方差很大,会出现装填量太多或太少的情 况,这样要么生产企业不划算,要么消费 者不满意。假定生产标准规定每瓶装填量 的标准差不应超过 4ml 。企业质检部门抽 取了10瓶啤酒进行检验,得到的样本标准 差为s=3.8ml。试以0.05的显著性水平检验 装填量的标准差是否符合要求? 方差检验经常是右侧检验
17
end
第二节总体参数的假设检验
总体参数假设检验就是检验已知分布形 式的总体某些参数是否与事先所做的假 设存在显著性差异,又称为显著性检验。 主要包括对总体均值、总体比例和总体 方差的假设检验。
18
end
一、总体均值的假设检验
07第七章 假设检验
{Z z0.01}是
一小概率事件
拒绝域 W Z : Z z0.01 2.33 .
X 给定显著水平 =0.01,若使得 P k =, n X 21 则有 P k , ( 2) n 由式()得:k z . 1
20
四、求解参数假设检验问题的步骤
1、根据实际问题的要求,提出原假设 H 0 及备选 假设 H1 . 选择 H 0 , H1 使得两类错误中导致后果严重的 错误成为第一类错误. 2、给出显著水平 拒绝域.
,选择合适的统计量,确定
3、根据样本值,求出检验统计量的值,作出决策.
21
提出 假设
根据统计调查的目的, 提出 原假设H0 和备选假设H1 作出 决策
因此,衡量 x 0 的大小,可归结为衡量 x 0 的大小.
8
n
选择适当的正数k,使样本的观察值 x满足 x 0 U k n 时,就接受原假设H 0 . 否则,即当 U k时,就拒绝原假设H 0 .
应该用什么原则来确定这个量的合理界限?即怎样求k?
注意到,
不等式 x 0
2
拒绝 域
2
假设检验的步骤
Step1 提出假设. Step2 构造拒绝域,依据假设和常用的统计量. Step3 进行检验.
注意:不否定H0并不是肯定H0一定对,而只是说差 异还不够显著,还没有达到足以否定H0的程度.
所以假设检验又叫 “显著性检验” 如果显著性水平α取得很小,则拒绝域也会比较小, 其产生的后果是: H 0难于被拒绝. 如果在α很小的情况下, H0仍被拒绝了, 则说明实 际情况很可能与之有显著差异.
可用x与0的差距 x 0 来判断原假设H 0是否成立.
第七章 假设检验(F检验与卡方检验)
• F检验
– 方差齐性检验 – 两个独立样本的方差齐性检验
• F检验
– – – – – 提出待检验的假设H0和H1 S12 确定并计算统计量 F S 2 2 根据df1和df2值,对给定的显著性水平α 建立拒绝虚无假设的规则 作出统计决策
• 将检验统计量的值与拒绝规则所指定的临界值相比 较,确定是否拒绝虚无假设
i 1 • 则2服从自由度为n的2(n)分布,记为 2~2(n)。
xi2
2
n
2的特点
• (1) 2是一个正偏态分布,n越大,曲线越趋于对称(趋于 正态分布),n越小,曲线越不对称。 • (2) 2值都是正值。
• (3)若X1,X2,…,Xm相互独立,且Xi~ 2(ni),i=1,2,…,m,则 X=X1+X2+Xm~ 2(n),其中n=n1+n2+…+nm。
性别 男生 女生 合计 录取人数 10(9) 8(9) 18 未录取人数 80(81) 82(81) 162 合计 90 90 180
对平均数差异的显著性检验的理论前提是假设两 个总体的方差是相同,或至少没有显著性差异。 Z检验和t检验 对两个总体的方差是否有显著性差异所进行的检 验称为方差齐性检验,即必须进行F检验。
F分布
• 若有两个服从正态分布的总体N1(μ1,σ1),N2(μ2,σ2)。检 验σ1和σ2是否有显著性差异? • 在方差分析中,需要检验某个因素是否对指标有显著 的作用时需要F分布来解决。 • 设有两个总体X,Y,已知X~2(n1),Y~2(n2),并且 X与Y相互独立,则称随机变量F,所服从的分布为第 一自由度为n1,第二自由度为n2的F分布,记为F~F (n1,n2)。
• • 若自由度df=1,α=0.900,查2分布表可知P(2>0.02)=0.900 记20.900(1)=0.02
第七章 假设检验
例3的计算
n 1 20 1 X 0 16 15.6 t 1 SE X 0.4 当 0.05时, df 20 1 19时, ③判断结果:
0.4
t(19)0.05 2 2.093
因为1<2.093,所以,P>0.05,差异不显著。 故该幼儿园4岁男童平均体重与正常男童平均体 重无显著差异。
㈠假设
假设:是根据已知理论与事实对研究对象所
作的假定性说明。假设检验中一般有两个 相互对立的假设,即零假设和备择假设。 ⑴零假设是研究者根据样本信息期望拒绝的 假设,以H0表示。 ⑵备择假设与零假设相互排斥,是研究者根 据样本信息期望证实的假设,以H1表示。
㈡假设检验的原理
小概率原理
• 假设检验的基本思想就是基于“小概率事 件在一次试验中不可能发生”这一原理。
在实际研究中何时用单侧检验何时用双侧检验, 一定要根据研究目的所规定的方向性来确定。 应该用单侧检验的问题,若使用双侧检验, 其结果一方面可能使结论由“显著”变为“不显 著”,另一方面也增大了 错误。 反之,若使用双侧检验的问题若用单侧来检 验,虽然减小了 错误,但是使无方向性的问 题人为地成为单方向问题,这也有悖于研究目的。
⒈两总体分布为正态,且方差已知
解:⒈建立假设: H 0 : 1 2 , H1 : 1 2 ⒉计算检验的统计量: 2 12 2 1.85 2 1.78 2 SE DX n1 n2 30 25
第二节 平均数差异显著性检验
一、平均数差异显著性检验的类型与条件 ㈠平均数差异显著性检验的类型 ⒈单总体平均数差异显著性检验,也叫平均数的 显著性检验。 ⒉双总体平均数差异显著性检验,也叫平均数差 异的显著性检验。 ㈡平均数差异显著性检验的前提条件 ⒈被检验的样本应是随机样本; ⒉总体分布为正态分布。
第七章假设检验
第三节
u检验
u检验(u test ),亦称z检验(z test) 大样本均数(率)与总体均数(率)比较的u检 验、 两个大样本均数(率)比较的u检验 一、大样本均数比较的u检验 二、大样本率的u检验
一、大样本均数比较的u检验
假定样本数据服从正态分布 ,当总体标准差 未知时,可用样本标准差作为估计值 这里的总体均数一般是指已知的理论值、标准 值或经过大量观察所得到的稳定值,记作µ 0 (或记为 )
两个样本率p1、p2的差值服从正态分布
u p1 p2
1 2
p p
2 2 p p p p 1 (1 1 ) / n1 2 (1 2 ) / n2
1 2 1 2
样本率p介于0.1~0.9之间,每组例数大于60 例
n1 p1 n2 p2 ˆ0 n1 n2
两样本均数比较的u检验
该检验方法适用于完全随机设计中两组 计量资料差别的比较 两样本均数差值服从正态分布
u Leabharlann 1 X 2X1X2
X
1X2
2 2 2 2 X / n 1 1 2 / n2 X2 1
当总体标准差未知,两组例数均超过30
ˆX
1X2
亦称样本率与总体率的比较的u检验,这里的 总体率一般是指已知的理论值、标准值或经大 量观察所获得的稳定值。
例7–3 全国调查的调查结果,学龄前儿童营 养性贫血患病率为23.5%。某医院为了解当
地学龄前儿童能够营养性贫血患病情况,对
当地1396例学龄前儿童进行了抽样调查,查
出营养性贫血患儿363例,患病率为26.0%。
ˆp p
1
2
1 1 ˆ0 (1 ˆ0 )( ) n1 n2
- 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)。
u
u,
大
概
率
事
件
在
一
次
试
验
中
发
生
,
肯
定
H
。
0
➢3型问题(右侧检验)
由 关 系 式 ( 7.2.1) 和 标 准 正 态 分 布 上 侧 分 位
数 定 义 , 对 于 给 定 的 , 存 在 u, 使 得
P
X
/
n
u
如 果 H 0成 立 , 即
,
0
则
有
U
X
0
/n
X / n
X
0
/n
u
u
2
P
0
/n
u
2
0
/ n
P
0
/n
u
2
0
/n
1 u 2
/
0
n
u 2
/
0
n
1 u
2
/
0
n
1 u
2
/
0
n
2u2
/ n0u2
/ n0
这表明该检验误 的大 两小 类 与 错 0密切相关
➢2型问题(左侧检验)
由关系式(7.2.1)和标准正态分布下侧分位X /n Nhomakorabeau
P U
u
P
X
/
n
u
所 以 , 如 果 检 验 统 计 量 U X 0 地 实 现 u满 足 / n
u u, 小 概 率 事 件 在 一 次 试 验 中 发 生 , 否 定 H 0;
u
u,
大
概
率
事
件
在
一
次
试
验
中
发
生
,
肯
定
H
。
0
1型 问 题 检 验 称 为 双 侧 检 验 ;
S/ n
(7.2.2)
➢1型问题(双侧检验)
由关系式(7.2.2)和t分布双侧分位数定义,
对于给定的,存在t(n-1),使得
2
P
X0
S/ n
t(n-1)
2
所以,如果检验统计量T X0 地实现t满足
S/ n t t(n-1),由小概率原理,否定H0;
2
t t(n-1),由小概率原理,肯定H0。
2
➢2型问题(左侧检验)
由关系式(7.2.2)和t分布下侧分位数定义,
对于给定的,存在-t(n-1),使得
PSX/n-t(n-1)
如
果
H
成
0
立
,
即
,
0
则
有
T
X S
0 /n
X S/ n
X S
/
0 n
t( n - 1 )
X S /
n
t( n - 1 )
P T
t( n - 1 )
对 于 给 定 的 , 存 在 t ( n 1), 使 得
P
X
S / n
t
(n
1
)
如
果
H
成
0
立
,
即
,
0
则
有
T
X S
0 /n
X S/ n
X S
0 /n
t (n 1)
X S / n
t
(
n
1)
P T
u
P
X
S / n
t
(n
1)
所 以 , 如 果 检 验 统 计 量 T X 0 地 实 现 t满 足 / n
一个正态总体 均值的检验
设 总 体 X ~ N ( , 2 ), X 1 , X 2 ,
,
X
为
n
抽
自
总
体
X
的
iid 样 本 , 0是 一 个 已 知 常 数 , 欲 由 样 本 比 较 与 0的 大
小关系。
该问题可以通过检验下列类型的统计假设实现。
1型 H 0 : 0 ; H 1 : 0 2型 H 0 : 0 ; H 1 : 0 3型 H 0 : 0 ; H 1 : 0 1.总 体 方 差 2已 知 的 情 况
T检验法。这一方法应用的条件为总体服从正态
分布。
例7.2 某工厂生产的一种螺钉,标准要求长度是32.5毫米. 实
际生产的产品,其长度X 假定服从正态分布 N(,2), 2 未
知,现从该厂生产的一批产品中抽取6件, 得尺寸数据如下: 32.56, 29.66, 31.64, 30.00, 31.87, 31.03
2型 , 3型 问 题 检 验 称 为 单 侧 检 验 。
由于这种检验法以U为检验统计量,并以检
验统计量的精确分布为基础,所以称其为小样本
U检验法。这一方法应用的条件为总体服从正态
分布,总体方差已知。
2.总体方差2未知的情况
这时由于X~N(,2), (n1)S2 ~2(n-1),则有 n 2
X~t(n1)
这 时 由 于 X ~ N ( , 2 ), 则 有
n
X ~ N ( 0 ,1 ) ( 7 . 2 . 1 ) /n
➢1型问题(双侧检验)
如果H 0成立,则由关系式(7.2.1)有
U X 0 ~ N (0,1) / n
由正态分布双侧分位数的定义,对于给定的,
存在u,使得
2
P U
u
2
问这批产品是否合格(置信水平0.01)?
分析:这批产品(螺钉长度)的全体组 成问题的总体X. 现在要检验E(X)是 否为32.5.
数定义,对于给定的,存在-u,使得 PX/nu
如
果
H
成
0
立
,
即
,
0
则
有
U
X
0 /n
X / n
X
/
0 n
u
X
/
n
u
P U
u
P
X
/
n
u
所 以 , 如 果 检 验 统 计 量 U X 0 地 实 现 u满 足 / n
u u, 小 概 率 事 件 在 一 次 试 验 中 发 生 , 否 定 H 0;
P
X
/
n
t( n - 1 )
所 以 , 如 果 检 验 统 计 量 T X 0 地 实 现 t满 足 S/ n
t t(n-1), 由 小 概 率 原 理 , 否 定 H 0 ;
t
t(n-1),
由
小
概
率
原
理
,
肯
定
H
。
0
➢3型问题(右侧检验)
由 关 系 式 ( 7.2.2) 和 t分 布 上 侧 分 位 数 定 义 ,
t t(n -1), 由 小 概 率 原 理 , 否 定 H 0 ;
t
t ( n
- 1) ,
由
小
概
率
原
理
,
肯
定
H
。
0
1型 问 题 检 验 称 为 双 侧 检 验 ;
2型 , 3型 问 题 检 验 称 为 单 侧 检 验 。
由于这种检验法以T为检验统计量,并以检
验统计量的精确分布为基础,所以称其为小样本
P
X
/
0
n
u
2
所以,如果检验统计量U X0 地实现u满足 / n
u u,小概率事件在一次试验中发生,否定H0;
2
u u,大概率事件在一次试验中发生,肯定H0。
2
该检验的势函数:
g() PU u
2
PX/n0
u
2
PX/n0
u
2
P
X
0 / n
u
2
P
X
0 / n
第七章假设检验
假 提出
设
假设
检
验
过
程
抽取 样本
P(T W)=
-----犯第一
类错误的概率 W为拒绝域
根据统计调查的目的, 提出 原假设H0 和备选假设H1
检验 假设
显著性 水平
作出 决策
拒绝还是不能 拒绝H0
对差异进行定量的分析,
确定其性质(是随机误差 还是系统误差. 为给出两 者界限,找一检验统计量T, 在H0成立下其分布已知.)