《假设检验》PPT课件
合集下载
《假设检验》PPT课件
2008-2009
样本统计量 临界值
抽样分布
2008-2009
1 -
置信水平 拒绝H0
0
样本统计量
临界值
✓决策规则
1. 给定显著性水平，查表得出相应的临 界值z或z/2， t或t/2
2. 将检验统计量的值与 水平的临界值进 行比较
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
H1 ： <某一数值，或 某一数值
例如, H1 ： < 10cm，或 10cm
2008-2009
➢提出假设
【例】一种零件的生产标准是直径应为10cm，为对生产过
程进行控制，质量监测人员定期对一台加工机床检查， 确定这台机床生产的零件是否符合标准要求。如果零件 的平均直径大于或小于10cm，则表明生产过程不正常， 必须进行调整。试陈述用来检验生产过程是否正常的原 假设和备择假设
2008-2009
❖利用P值进行决策
➢什么是P 值(P-value)
1. 在原假设为真的条件下，检验统计量的观察值 大于或等于其计算值的概率 双侧检验为分布中两侧面积的总和
2. 反映实际观测到的数据与原假设H0之间不一致 的程度
3. 被称为观察到的(或实测的)显著性水平 4. 决策规则：若p值<, 拒绝 H0
2008-2009
第6章 假设检验
统计研究目的
统计设计
推
断
客观
统
统
分
现象
计
计
析
数量
调
整
表现
查
理
描 述
样本统计量 临界值
抽样分布
2008-2009
1 -
置信水平 拒绝H0
0
样本统计量
临界值
✓决策规则
1. 给定显著性水平，查表得出相应的临 界值z或z/2， t或t/2
2. 将检验统计量的值与 水平的临界值进 行比较
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
H1 ： <某一数值，或 某一数值
例如, H1 ： < 10cm，或 10cm
2008-2009
➢提出假设
【例】一种零件的生产标准是直径应为10cm，为对生产过
程进行控制，质量监测人员定期对一台加工机床检查， 确定这台机床生产的零件是否符合标准要求。如果零件 的平均直径大于或小于10cm，则表明生产过程不正常， 必须进行调整。试陈述用来检验生产过程是否正常的原 假设和备择假设
2008-2009
❖利用P值进行决策
➢什么是P 值(P-value)
1. 在原假设为真的条件下，检验统计量的观察值 大于或等于其计算值的概率 双侧检验为分布中两侧面积的总和
2. 反映实际观测到的数据与原假设H0之间不一致 的程度
3. 被称为观察到的(或实测的)显著性水平 4. 决策规则：若p值<, 拒绝 H0
2008-2009
第6章 假设检验
统计研究目的
统计设计
推
断
客观
统
统
分
现象
计
计
析
数量
调
整
表现
查
理
描 述
《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PPT课件
假设检验
【学习目标】通过对本章的学习，掌握假设检验的概念和 类型、假设检验的两类错误和假设检验的一般步骤；重点掌握 单个总体均值的检验和比率的检验。
第一节 假设检验的基本问题 第二节 △ 假设检验的应用
假设检验
第一节 假设检验的基本问题
一、假设检验的概念 二、假设检验的两类错误 三、假设检验的类型 四、假设检验的类型一般步骤
假设检验
第一节 假设检验的基本问题
什么小概率？
1.在一次试验中，一个几乎不可能发生的事件发生的概率； 2.在一次试验中小概率事件一旦发生，我们就有理由拒绝原假 设； 3.小概率由研究者事先确定。
假设检验
第一节 假设检验的基本问题
二、假设检验的两类错误（决策风险）
（一） 第一类错误 第一类错误，亦称拒真（弃真）错误。是指当原假设为 真时，但由于样本的随机性使样本统计量的具体值落入 了拒绝区域，这时所作的判断是拒绝原假设。 犯第一类错误的概率亦称拒真概率，它实质上就是前面
t
986 1000 24
2.333＞
t n 1 2.1315
16
2
所以接受 H1，即这天包装机工作不正常。
假设检验
第二节 假设检验的应用
二、单个总体比率（成数）的假设检验
比率P是平均数的一种特殊形式，因而前面讲的平均 数检验理论都适用于总体比率P的假设检验，只是估计量 的形式略有不同。
【例4】我国出口的参茸药酒畅销于某国市场。据以往调查， 购买此种酒的顾客中40岁以上的男子占50%。经营该药酒 的进出口公司经理关心这个比率是否发生了变化，于是， 委托一个咨询机构进行调查，这个咨询机构从众多购买该 药酒的顾客中随机抽取了400名进行调查，结果有210名为 40岁以上的男子。试问在0.05的显著水平上，能否认为购 买此种药酒的顾客中40岁以上男子所占比率变化了？
【学习目标】通过对本章的学习，掌握假设检验的概念和 类型、假设检验的两类错误和假设检验的一般步骤；重点掌握 单个总体均值的检验和比率的检验。
第一节 假设检验的基本问题 第二节 △ 假设检验的应用
假设检验
第一节 假设检验的基本问题
一、假设检验的概念 二、假设检验的两类错误 三、假设检验的类型 四、假设检验的类型一般步骤
假设检验
第一节 假设检验的基本问题
什么小概率？
1.在一次试验中，一个几乎不可能发生的事件发生的概率； 2.在一次试验中小概率事件一旦发生，我们就有理由拒绝原假 设； 3.小概率由研究者事先确定。
假设检验
第一节 假设检验的基本问题
二、假设检验的两类错误（决策风险）
（一） 第一类错误 第一类错误，亦称拒真（弃真）错误。是指当原假设为 真时，但由于样本的随机性使样本统计量的具体值落入 了拒绝区域，这时所作的判断是拒绝原假设。 犯第一类错误的概率亦称拒真概率，它实质上就是前面
t
986 1000 24
2.333＞
t n 1 2.1315
16
2
所以接受 H1，即这天包装机工作不正常。
假设检验
第二节 假设检验的应用
二、单个总体比率（成数）的假设检验
比率P是平均数的一种特殊形式，因而前面讲的平均 数检验理论都适用于总体比率P的假设检验，只是估计量 的形式略有不同。
【例4】我国出口的参茸药酒畅销于某国市场。据以往调查， 购买此种酒的顾客中40岁以上的男子占50%。经营该药酒 的进出口公司经理关心这个比率是否发生了变化，于是， 委托一个咨询机构进行调查，这个咨询机构从众多购买该 药酒的顾客中随机抽取了400名进行调查，结果有210名为 40岁以上的男子。试问在0.05的显著水平上，能否认为购 买此种药酒的顾客中40岁以上男子所占比率变化了？
假设检验《统计学原理》课件
图b
X＝X1＞X0
H0为伪
从上图可以看出,如果临界值沿水平方向右移,α将变小而β变大,即若减小 α错误,就会增大犯β错误的机会；如果临界值沿水平方向左移,α将变大而 β变小,即若减小β错误,也会增大犯α错误的机会,
a 错误和 错误的关系
在样本容量n一定的情况下,假设检验不能同时做到犯α和 β两类错误的概率都很小,若减小α错误,就会增大犯β错误 的机会；若减小β错误,也会增大犯α错误的机会,要使α和 β同时变小只有增大样本容量,但样本容量增加要受人力、 经费、时间等很多因素的限制,无限制增加样本容量就会 使抽样调查失去意义,因此假设检验需要慎重考虑对两类 错误进行控制的问题,
参数假设检验举例
例2：某公司进口一批钢筋,根据要求,钢筋的 平均拉力强度不能低于2000克,而供货商强 调其产品的平均拉力强度已达到了这一要 求,这时需要进口商对供货商的说法是否真 实作出判断,进口商可以先假设该批钢筋的 平均拉力强度不低于2000克,然后用样本的 平均拉力强度来检验假设是否正确,这也是 一个关于总体均值的假设检验问题,
假设检验的两类错误
正确决策和犯错误的概率可以归纳为下表：
假设检验中各种可能结果的概率
H0 为真
接受H0
1-α 正确决策
拒绝H0,接受H1
α 弃真错误
H0 为伪
β 取伪错误
1-β 正确决策
•假设检验两类错误关系的图示
以单侧上限检验为例,设H0 ：X≤X0 , H1：X＞X0
图a X≤X0 H0为真
a
H0值
样本统计量 临界值
观察到 的样本 统计量
5、假设检验的两类错误
根据假设检验做出判断无非下述四种情况：
1、原假设真实, 并接受原假设,判断正确； 2、原假设不真实,且拒绝原假设,判断正确； 3、原假设真实, 但拒绝原假设,判断错误； 4、原假设不真实,却接受原假设,判断错误, 假设检验是依据样本提供的信息进行判断,有犯错误的可 能,所犯错误有两种类型： 第一类错误是原假设H0为真时,检验结果把它当成不真而 拒绝了,犯这种错误的概率用α表示,也称作α错误 αerror 或弃真错误, 第二类错误是原假设H0不为真时,检验结果把它当成真而 接受了,犯这种错误的概率用β表示,也称作β错误 βerror 或取伪错误,
X＝X1＞X0
H0为伪
从上图可以看出,如果临界值沿水平方向右移,α将变小而β变大,即若减小 α错误,就会增大犯β错误的机会；如果临界值沿水平方向左移,α将变大而 β变小,即若减小β错误,也会增大犯α错误的机会,
a 错误和 错误的关系
在样本容量n一定的情况下,假设检验不能同时做到犯α和 β两类错误的概率都很小,若减小α错误,就会增大犯β错误 的机会；若减小β错误,也会增大犯α错误的机会,要使α和 β同时变小只有增大样本容量,但样本容量增加要受人力、 经费、时间等很多因素的限制,无限制增加样本容量就会 使抽样调查失去意义,因此假设检验需要慎重考虑对两类 错误进行控制的问题,
参数假设检验举例
例2：某公司进口一批钢筋,根据要求,钢筋的 平均拉力强度不能低于2000克,而供货商强 调其产品的平均拉力强度已达到了这一要 求,这时需要进口商对供货商的说法是否真 实作出判断,进口商可以先假设该批钢筋的 平均拉力强度不低于2000克,然后用样本的 平均拉力强度来检验假设是否正确,这也是 一个关于总体均值的假设检验问题,
假设检验的两类错误
正确决策和犯错误的概率可以归纳为下表：
假设检验中各种可能结果的概率
H0 为真
接受H0
1-α 正确决策
拒绝H0,接受H1
α 弃真错误
H0 为伪
β 取伪错误
1-β 正确决策
•假设检验两类错误关系的图示
以单侧上限检验为例,设H0 ：X≤X0 , H1：X＞X0
图a X≤X0 H0为真
a
H0值
样本统计量 临界值
观察到 的样本 统计量
5、假设检验的两类错误
根据假设检验做出判断无非下述四种情况：
1、原假设真实, 并接受原假设,判断正确； 2、原假设不真实,且拒绝原假设,判断正确； 3、原假设真实, 但拒绝原假设,判断错误； 4、原假设不真实,却接受原假设,判断错误, 假设检验是依据样本提供的信息进行判断,有犯错误的可 能,所犯错误有两种类型： 第一类错误是原假设H0为真时,检验结果把它当成不真而 拒绝了,犯这种错误的概率用α表示,也称作α错误 αerror 或弃真错误, 第二类错误是原假设H0不为真时,检验结果把它当成真而 接受了,犯这种错误的概率用β表示,也称作β错误 βerror 或取伪错误,
假设检验课件
z
0
0.916
25
0
• 3 . 拟定p值，作出推断结论 • 当z=0.916时相应旳单侧P=0.1788，P>0.05，按
α=0.05 • 水准，不拒绝H0，能够以为2023年该市无菌化脓17发
二、两独立样本资料旳z检验
当总体均数λ≥20时， Possion分布近似正态分布。
H0 λ1=λ2 H1 λ1≠λ2 α=0.05
2
1 n1
1 n2
样本估计值为 ：
S X1X2
Sc2
1 n1
1 n2
S
2 c
n1 n1
n2 n2
S
2 c
X
2 1
(X 1 )2
/
n1
X
2 2
n1 n2 2
(X 2 )2
/ n2
6
已知S1和S2时：
Sc2
(n1
1)S12
(n2
1)
S
2 2
n1 n2 2
若n1=n2时：
S X1X 2
降低II型错误旳主要措施：提升检验效能。 提升检验效能旳最有效措施：增长样本量。 怎样选择合适旳样本量：试验设计。
33
假设检验应该注意旳问题
34
正态性检验 和两样本方差比较旳F检验
35
➢ t 检验旳应用条件是正态总体且方差齐性；配对 t 检验则要求每对数据差值旳总体为正态总体。
➢ 进行两小样本t检验时，一般应对资料进行方差
15
Possion分布资料旳z检验
•当总体均数λ≥20时， Possion分布近似正态分布。
x
z
0
0
•一、单样本资料旳z检验
假设检验完整版PPT课件
H0 ： 335ml H1 ： 335ml
消费者协会接到消费者投诉，指控品牌纸包装 饮料存在容量不足，有欺骗消费者之嫌。包装 上标明的容量为250毫升。消费者协会从市场上 随机抽取50盒该品牌纸包装饮品进行假设检验。 试陈述此假设检验中的原假设和备择假设。
解：消费者协会的意图是倾向于证实饮料厂包装 饮料小于250ml 。建立的原假设和备择假设为
显著性水平和拒绝域
(右侧检验 )
抽样分布
置信水平
1-
拒绝H0
0 观察到的样本统计量
样本统计量 临界值
显著性水平和拒绝域
(右侧检验 )
抽样分布
置信水平
1-
拒绝H0
0
样本统计量
临界值
第一节 假设检验概述
1、假设检验的基本思想 2、假设检验的步骤 3、两类错误和假设检验的规则
三、两类错误和假设检验的规则
(单侧检验 )
抽样分布
置信水平
拒绝H0
1-
拒绝域 临界值
0 接受域
样本统计量
显著性水平和拒绝域
(左侧检验 )
抽样分布
置信水平
拒绝H0
1-
临界值
0
样本统计量
观察到的样本统计量
显著性水平和拒绝域
(左侧检验 )
抽样分布
置信水平
拒绝H0
1-
临界值
0
观察到的样本统计量
样本统计量
•【例2】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，服从正态分布。换了一批工人后， 质检人员在某天生产的饮料中随机抽取了16罐进行检验，
一个总体的检验
一个总体
消费者协会接到消费者投诉，指控品牌纸包装 饮料存在容量不足，有欺骗消费者之嫌。包装 上标明的容量为250毫升。消费者协会从市场上 随机抽取50盒该品牌纸包装饮品进行假设检验。 试陈述此假设检验中的原假设和备择假设。
解：消费者协会的意图是倾向于证实饮料厂包装 饮料小于250ml 。建立的原假设和备择假设为
显著性水平和拒绝域
(右侧检验 )
抽样分布
置信水平
1-
拒绝H0
0 观察到的样本统计量
样本统计量 临界值
显著性水平和拒绝域
(右侧检验 )
抽样分布
置信水平
1-
拒绝H0
0
样本统计量
临界值
第一节 假设检验概述
1、假设检验的基本思想 2、假设检验的步骤 3、两类错误和假设检验的规则
三、两类错误和假设检验的规则
(单侧检验 )
抽样分布
置信水平
拒绝H0
1-
拒绝域 临界值
0 接受域
样本统计量
显著性水平和拒绝域
(左侧检验 )
抽样分布
置信水平
拒绝H0
1-
临界值
0
样本统计量
观察到的样本统计量
显著性水平和拒绝域
(左侧检验 )
抽样分布
置信水平
拒绝H0
1-
临界值
0
观察到的样本统计量
样本统计量
•【例2】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，服从正态分布。换了一批工人后， 质检人员在某天生产的饮料中随机抽取了16罐进行检验，
一个总体的检验
一个总体
假设检验 PPT课件
一、假设检验的概念 （Hypothesis test）
概念：假设检验是先对总体做出某种假定 （检验假设），然后根据样本信息来推 断其是否成立的一类统计方法的总称。 即我们要通过假设检验来判断样本与总 体、样本与样本之间的差异是由抽样误 差引起的，还是有本质的区别。
二、假设检验的基本思想
小概率思想
假设检验
Hypothesis Test
内
容
假设检验的概念与原理 假设检验的基本步骤 t检验 u检验或称Z检验 应用假设检验的注意事项
根据大量调查，一般健康成年男子的平均血红蛋 白含量为140.00g/L，现某医生在山区随机测定 了25名健康成年男子，其血红蛋白均数为 153.64g/L，标准差为24.82g/L，故认为该山区 成年男子的血红蛋白均数高于一般健康成年男子 血红蛋白均数。
0.005 0.01 63.657 9.925 5.841 4.604 4.032 3.707 3.499 3.355 3.250 3.169 2.831 2.819 2.807 2.797 2.787
0.0025 0.001 0.005 0.002 127.321 318.309 14.089 22.327 7.453 10.215 5.598 7.173 4.773 5.893 4.317 4.029 3.833 3.690 3.581 3.135 3.119 3.104 3.091 3.078 5.208 4.785 4.501 4.297 4.144 3.527 3.505 3.485 3.467 3.450
H0时的最大允许误差。医学研究中一般 取=0.05 。 检验水准实际上确定了小概率事件的判 断标准。
单双侧的选择
已知条件 A和B 不知谁好谁坏 A不会比B差 A不会比B好 H0 A=B A=B A=B H1 A≠B A>B A<B
- 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)。
2008-2009
假设的形式
假设
原假设 备择假设
双侧检验
H0 : = 0 H1 : ≠0
单侧检验 左侧检验
H0 : 0
右侧检验
H0 : 0
H1 : < 0 H1 : > 0
2008-2009
两类错误与显著性水平
假设检验中的两类错误
第Ⅰ类错误(弃真错误) 原假设为真时拒绝原假设 第Ⅰ类错误的概率记为
0.025
结论:
样本提供的证据表明：该天生 产的饮料符合标准要求
-1.96
2008-2009
0
1.96
z
用Excel计算P 值
第1步：进入Excel表格界面，直接点击“f(x)”(粘 贴函数) 第2步：在函数分类中点击“统计”，并在函数名 的 菜单下选择“NORMSDIST”，然后确定 第3步：将 z 的绝对值1.01录入，得到的函数值为 0.843752345 P值=2(1-0.843752345)=0.312495 P值远远大于，故不拒绝H0
2008-2009
双侧检验
绿色 健康饮品
绿色 健康饮品
255
255
由题已知 H0 ： = 255 H1 ： 255 = 0.05 n = 40 σ=5 临界值(c):
拒绝 H0
0.025
检验统计量: z x 0
n
255.8 255
5 40
1.01
决策:
不拒绝H0
拒绝 H0
2008-2009
总体均值的检验(作出判断)
大
样本容量n
否 是
小
是
是否已 知
是否已 知
否
z 检验
z
x 0
z 检验
z 检验
n
z
x 0 s n
z
x 0
t 检验
n
t
x 0 s n
2008-2009
大样本的检验方法
总体均值的检验(大样本)
假定条件 正态总体或非正态总体大样本(n30) 使用z检验统计量
第6章 假设检验
2008-2009
统计研究目的 统计设计
客观 现象 数量 表现
2008-2009
统 计 调 查
统 计 整 理
推 断 分 析
描 述 分 析
统计 总体 数量 特征
统计研究的程序
假设检验在统计方法中的地位
统计方法 描述统计 推断统计 参数估计 假设检验
2008-2009
学习目标
1. 2. 3. 4. 5. 6.
2008-2009
双侧检验与单侧检验
1.
2.
备择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) 备择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)
备择假设的方向为“<”，称为左侧检验 备择假设的方向为“>”，称为右侧检验
检验统计量(test statistic)
1.
根据样本观测结果计算得到的，并据以对原假设 和备择假设作出决策的某个样本统计量
对样本估计量的标准化结果
原假设H0为真
点估计量的抽样分布
2.
标准化的检验统计量
点估计量—假设值 标准化检验统计量 点估计量的抽样标准差
2008-2009
拒绝域
能够拒绝原假设的检验统计量的所有可能取 值的集合。 由显著性水平围成的区域。 如果检验统计量的具体数值落在了拒绝域内， 就拒绝原假设，否则就不拒绝原假设。 根据给定的显著性水平确定的拒绝域的边界 值，称为临界值。（查表所得）
2008-2009
50个零件尺寸的误差数据 (mm) 1.26 1.13 0.98 1.12 1.23 1.19 1.31 0.97 1.81 0.96 1.06 1.00 0.94 1.10 1.12 1.03 1.16 1.12 0.95 1.02 1.13 0.74 1.50 0.50 0.59
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？
实际情况 无罪 正确 错误 有罪 错误 正确
正确决策 第Ⅱ类错 误( ) (1 – ) 第Ⅰ类错 正确决策 误( ) (1- )
错误和 错误的关系
和 的关系就像 翘翘板，小 就 大， 大 就小
你不能同时减 少两类错误!
2008-2009
影响 错误的因素
1.总体参数的真值
2008-2009
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
2008-2009
0
临界值
样本统计量
双侧检验
抽样分布
拒绝H0 置信水平 拒绝H0 1-
/2
/2
临界值
2008-2009
0
临界值
样本统计量
抽样分布
拒绝H0
置信水平 拒绝H0
常用的 值有0.01, 0.05, 0.10
4.
由研究者事先确定
2008-2009
假设检验中的小概率原理
什么是小概率？ 1.在一次试验中，一个几乎不可能发生的事 件发生的概率
2.在一次试验中小概率事件一旦发生，我们 就有理由拒绝原假设
3.小概率由研究者事先确定
2008-2009
统计量与拒绝域
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
2008-2009
【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。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
置信水平
拒绝H0
1-
P值
0
临界值
计算出的样本统计量
2008-2009
假设检验步骤的总结
1. 2.
3.
4总体中抽出一个随机样本 确定一个适当的检验统计量，并利用样本数据 算出其具体数值 确定一个适当的显著性水平，并计算出其临界 值，指定拒绝域 将统计量的值与临界值进行比较，作出决策
2008-2009
双侧检验的P值
/2
拒绝H0
P 值1/2
/2
拒绝H0
P 值1/2
临界值
计算出的样本统计量
2008-2009
0
临界值
Z
计算出的样本统计量
左侧检验的P值 抽样分布
拒绝H0 置信水平
1-
P值
临界值
0
样本统计量
计算出的样本统计量
2008-2009
右侧检验的P值
抽样分布
随着假设的总体参数的减少而增大
2.显著性水平
当 减少时增大
3.总体标准差
当 增大时增大
4.
样本容量 n
当 n 减少时增大
2008-2009
显著性水平 (significant level)
1.是一个概率值 2.原假设为真时，拒绝原假设的概率
被称为抽样分布的拒绝域
3.表示为 (alpha)
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
2008-2009
利用P值进行决策
什么是P 值(P-value)
1.
2.
3. 4.
在原假设为真的条件下，检验统计量的观察值 大于或等于其计算值的概率 双侧检验为分布中两侧面积的总和 反映实际观测到的数据与原假设H0之间不一致 的程度 被称为观察到的(或实测的)显著性水平 决策规则：若p值<, 拒绝 H0
2008-2009
b)
右侧检验
置信水平 拒绝H0 1-
抽样分布
0 观察到的样本统计量
2008-2009
临界值
样本统计量
抽样分布
置信水平
拒绝H0
1-
0
临界值
样本统计量
2008-2009
决策规则
1.
2.
3.
给定显著性水平，查表得出相应的临 界值z或z/2， t或t/2 将检验统计量的值与 水平的临界值进 行比较 作出决策
假设检验的基本思想和原理
假设检验的步骤 总体均值的检验 总体比例的检验 P值的计算与应用 用Excel进行检验
2008-2009
6.1 假设检验的基本问题
假设的陈述 两类错误与显著性水平 统计量与拒绝域 利用P 值进行决策
2008-2009
假设的陈述
什么是假设?(hypothesis)
2008-2009
H1 ： 30%
提出假设的结论与建议
1.
原假设和备择假设是一个完备事件组，而且 相互对立
在一项假设检验中，原假设和备择假设必有一