统计学第六章统计假设检验.
合集下载
《医学统计学》第六章+参数估计与假设检验
1、该地95％的人收缩压在什么范围？
2、该地所有人收缩压的均数可能在什么范围？
医学统计学（第7版）
三、总体均数的区间估计
（一）σ 已知
➢ 如果变量 X 服从均数为 μ、标准差为 的正态分布，则： z
服从标准正态分布。则：
P X 1.96
X 1.96
0.95
（二）σ 未知
1. t 分布
➢ 事实上，总体标准差 通常是未知的，这时我们可以用其估计量S代替 ，但
在这种情况下，( X ) / ( S /
n)
已不再服从标准正态分布，而是服从著名的 t 分布。
William Gosset
不同自由度的t分布图
医学统计学（第7版）
2. 可信区间的计算
S12 S22
n1 n2
2 ,v
医学统计学（第7版）
例题
➢ 例6-4 评价复方缬沙坦胶囊与缬沙坦胶囊对照治疗轻中度高血压的有效性，将102名患
者随机分为两组，其中试验组和对照组分别为54例和48例。经六周治疗后测量收缩压，
试验组平均下降15.77mmHg，标准差为13.17mmHg；对照组平均下降9.53mmHg，标准
样本率的标准差称为率的标准误（standard error of rate），可用来描述样
本率抽样误差的大小。率的标准误越小，则率的抽样误差越小，率的标
准误越大，则率的抽样误差越大。公式为：
p
(1 )
n
2. 率的标准误的估计
在一般情况下，总体率 π 往往是未知的，此时可用样本率 P 来估计总体
标准差与标准误的比较
标 准 差
标 准 误
2、该地所有人收缩压的均数可能在什么范围？
医学统计学（第7版）
三、总体均数的区间估计
（一）σ 已知
➢ 如果变量 X 服从均数为 μ、标准差为 的正态分布，则： z
服从标准正态分布。则：
P X 1.96
X 1.96
0.95
（二）σ 未知
1. t 分布
➢ 事实上，总体标准差 通常是未知的，这时我们可以用其估计量S代替 ，但
在这种情况下，( X ) / ( S /
n)
已不再服从标准正态分布，而是服从著名的 t 分布。
William Gosset
不同自由度的t分布图
医学统计学（第7版）
2. 可信区间的计算
S12 S22
n1 n2
2 ,v
医学统计学（第7版）
例题
➢ 例6-4 评价复方缬沙坦胶囊与缬沙坦胶囊对照治疗轻中度高血压的有效性，将102名患
者随机分为两组，其中试验组和对照组分别为54例和48例。经六周治疗后测量收缩压，
试验组平均下降15.77mmHg，标准差为13.17mmHg；对照组平均下降9.53mmHg，标准
样本率的标准差称为率的标准误（standard error of rate），可用来描述样
本率抽样误差的大小。率的标准误越小，则率的抽样误差越小，率的标
准误越大，则率的抽样误差越大。公式为：
p
(1 )
n
2. 率的标准误的估计
在一般情况下，总体率 π 往往是未知的，此时可用样本率 P 来估计总体
标准差与标准误的比较
标 准 差
标 准 误
第六章假设检验基础PPT课件
❖假设检验的原理： 假设检验的基本思想是反证法和小
概率的思想
❖反证法思想：首先提出假设（由于未经检验是否成立，
所以称为无效假设），用适当的统计方法确定假设
成立的可能性大小，如果可能性小，则认为假设不
成立，拒绝它；如果可能性大，还不能认为它不成立
❖小概率思想：是指小概率事件在一次随机试验中认为
基本上不会发生
一、一组样本资料的t 检验(one sample/group t-test)
现有取自正态总体N(μ,σ2）的、容量为n 的一份 完全随机样本。 目的：推断该样本所代表的未知总体均数µ与已知总体 均数µ0是否相等已知总体均数µ0是指标准值，理论值 或经大量观察所得的稳定值。
n136135
3. 确定P值
指从H0规定的总体中随机抽得等于及 大于（或等于及小于）现有样本获得
的检验统计量值的概率。
4. P值的意义：如果总体状况和H0一致，统计量获 得现有数值以及更不利于H0的数值的可能性（概率） 有多大。
5.
t0 .2 (3 5 ) 50 .68 t 2 t0 .2 (3 5 ) 5得 P 0 .25
H0一般设为某两个或多个总体参数 相等，即认为他们之间的差别是由 于抽样误差引起的。H1的假设和H0 的假设相互对立，即认为他们之间 存在着本质的差异。H1的内容反映 出检验的单双侧。
单双侧的确定： 一是根据专业知识，已知东北某县囱
门月龄闭合值不会低于一般值； 二是研究者只关心东北某县值是否高
于一般人群值，应当用单侧检验。 一般认为双侧检验较为稳妥，故较为
目的要求选用不同的检验方法。
4、确定P值： P值是指由H0所规定的总体中做随机抽
样，获得等于及大于（或等于及小于）现 有统计量的概率。当求得检验统计量的值 后，一般可通过特制的统计用表直接查出P 值。
第6章-假设检验课件
3. 第Ⅰ类错误(错误)
原假设为正确时拒绝原假设
第Ⅰ类错误的概率记为，被称为显著性水平
2. 第Ⅱ类错误(错误)
原假设为错误时未拒绝原假设
第Ⅱ类错误的概率记为
6 - 17
2008年8月
统计学
STATISTICS (第三版)
两类错误的关系
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!
➢ 我们应该放弃“正常人的平均体温是37oC”这个 共识吗？本章的内容就将提供一套标准统计程序 来检验这样的观点
6-4
2008年8月
第 6 章 假设检验
6.1 假设检验的基本原理
6.1.1 怎样提出假设？ 6.1.2 怎样做出决策？ 6.1.3 怎样表述决策结果？
6.1 假设检验的基本原理 6.1.1 怎样提出假设？
H1 ： 某一数值 H1 ： 某一数值 H1 ： <某一数值
6 - 10
2008年8月
统计学
STATISTICS (第三版)
双侧检验与单侧检验
1. 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)
2. 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)
2. 当不拒绝原假设时，我们称样本结果是统 计上不显著的
6 - 32
2008年8月
第 6 章 假设检验
6.2 一个总体参数的检验
6.2.1 总体均值的检验 6.2.2 总体比例的检验 6.2.3 总体方差的检验
统计学
STATISTICS (第三版)
第6章 假设检验
×
样本均数 分布未知
样本均数服从 t分布
( X－t / 2 ( ) .S X， X＋t / 2 ( ) .S X )
样本均数服从 正态分布
N ( , 2 / n)
N ( , S 2 / n)
( X－u / 2 . X， X＋u / 2 . X )
( X－u / 2 .S X， X＋u / 2 .S X )
时，当P值在检验水准α 附近时，应慎重做结论。
α 是犯Ⅰ型错误的最大概率，P是犯Ⅰ型错误的实际概率。
3.假设检验的统计意义
假设检验的实际意义
不管是接受还是拒绝零假设都未必有实际意义； 拒绝零假设时，即使P值很小，总体之间差异可能很小，不具有
实际意义；
接受零假设时，不代表总体之间没有差异，可能由于样本量过 小，“证据不足”，“补充证据”后，仍可能拒绝零假设；
样本均数 分布未知
×
样本均数服从 正态分布
Ⅳ N
σ 已知？ Y
u
X
X
X X / n S/ n
样本均数服从 t分布
样本均数服从 正态分布
N ( , / n)
2
N ( , S 2 / n)
样本均数与总体 均数比较 (大样本:u检验) (小样本:?检验)
两样本均数比较
若小概率事件发生了，则我们犯了经验主义错误；
因为小概率事件发生可能性为α ，则我们犯经验主义错 误的概率为α ,这种错误称为Ⅰ型ห้องสมุดไป่ตู้误。
若小概率事件没有发生，接受零假设时，还是有可能犯错
误，这时候错误是教条主义，称为Ⅱ型错误。
统计学第六章假设检验
10
即 z 拒绝域，没有落入接受域，所以没有足够理由接受原假设H0, 同
时，说明该类型电子元件的使用寿命确实有了显著的提高。
第六章 假设检验
1. 正态总体均值的假设检验
(2) 总体方差 2 未知的情形
双侧举例：【例 6-6】某厂用生产线上自动包装的产品重量服从正态
分布，每包标准重量为1000克。现随机抽查9包，测得样本平均重量为
100个该类型的元件，测得平均寿命为102(小时), 给定显著水平α=0.05,
问，该类型的电子元件的使用寿命是否有明显的提高？
解：该检验的假设为右单侧检验 H0: u≤100, H1: u>100
已知 z z0.05 1.645
zˆ x u0 n 100 (102 100 ) 2 1.645
986克，样本标准差是24克。问在α=0.05的显著水平下,能否认为生产线
工作正常？ 解：该检验的假设为双侧检验 H0: u=0.5, H1: u≠0.5
已知 t /2 (n 1) t0.025 (9 1) 2.306， 而 tˆ x u 986 1000 1.75 可见 tˆ 1.75 2.306
设H0, 同时，说明该包装机生产正常。
其中 P( Z 1.8) 1 P( Z 1.8) 1 0.9281 0.0719 0.05。
第六章 假设检验
单侧举例：【例 6-4】某电子产品的平均寿命达到5000小时才算合格，
现从一批产品中随机抽出12件进行试验，产品的寿命分别为
5059, 3897, 3631, 5050, 7474, 5077, 4545, 6279, 3532, 2773, 7419, 5116
的显著性水平=0.05，试测算该日生产的螺丝钉的方差是否正常？
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,
统计假设检验的原理和步骤是什么
统计假设检验的原理和步骤是什么
假设检验是一种统计推断方法，用于判断样本数据是否支持某个假设，并进行统计显著性推断。
原理：
假设检验的原理基于概率统计学，它通过比较观察到的样本数据与一个假设模型之间的差异，来做出关于总体参数的推断。
假设检验从概率的角度出发，将观察到的样本结果与被试验的假设进行比较，进而得出是否拒绝原假设的结论。
步骤：
1. 建立原假设（H0）和备择假设（H1）：
原假设通常是关于总体参数的断言，备择假设是对原假设的否定或补充。
2. 选择显著性水平（α）：
显著性水平表示对原假设不正确的容忍度，通常选取0.05或0.01作为显著性水平。
3. 计算检验统计量：
根据样本数据计算出特定的检验统计量，如Z值、t值等。
检验统计量的选择取决于样本量和总体分布的已知信息。
4. 确定拒绝域：
拒绝域是一组可能的观测结果，如果样本数据的检验统计量落在拒绝域内，则在给定显著性水平下拒绝原假设。
5. 计算p值：
p值是指当原假设为真时，观察到的统计量比原假设更"极端"的概率。
p值可以用来判断是否拒绝原假设，一般小于显著性水平α时拒绝原假设。
6. 得出统计结论：
根据检验统计量和p值，结合显著性水平，对原假设进行推断，判断是否拒绝原假设，得到统计结论。
总结：
假设检验是一种用于进行统计推断的方法，它通过假设与观察到的样本数据的比较，进行显著性推断。
假设检验的步骤包括建立原假设和备择假设、选择显著性水平、计算检验统计量、确定拒绝域、计算p值、得出统计结论。
卫生统计学课件_第六章_假设检验
16
公式：t
自由度：对子数 - 1
适用条件：两组配对计量资料。 例题：p. 34, 例8
三、两个小样本均数比较的 t 检验
▲目的：由两个样本均数的差别推断两样本
所代表的总体均数间有无差别。 ▲计算公式及意义： t 统计量： 自由度：n1 + n2 –2
18
▲ 适用条件：
（1）已知/可计算两个样本均数及它们的标准差 ；
38
(2）当不能拒绝
II 类错误的概率 β 值的两个规律：
1. 当样本量一定时, α 愈小, 则 β 愈大，反之…; 2.当 α 一定时, 样本量增加, β 减少.
39
4. 正确理解P值的意义， P值很小时“拒绝H0 ”，P值的
大小不要误解为总体参数间差异的大小； 拒绝H0 只是说 差异不为零。 统计学中的差异显著或不显著，和日常生活中所说的差 异大小概念不同. （不仅区别于均数差异的大小，还区别 于均数变异的大小)
统计推断
用样本信息推论总体特征的过程。
包括：
参数估计: 运用统计学原理，用从样本计算出来的统计
指标量，对总体统计指标量进行估计。
假设检验：又称显著性检验，是指由样本间存在的差
别对样本所代表的总体间是否存在着差别做出判断。
第一节
▲显著性检验;
假设检验
▲科研数据处理的重要工具;
▲某事发生了：
是由于碰巧？还是由于必然的原 因？统计学家运用显著性检验来 处理这类问题。
45
41
是非判断： （ ）1．标准误是一种特殊的标准差，其 表示抽样误差的大小。 （ ）2．N一定时，测量值的离散程度越 小，用样本均数估计总体均数的抽样误差 就越小。 （ ）3．假设检验的目的是要判断两个样 本均数的差别有多大。
公式：t
自由度：对子数 - 1
适用条件：两组配对计量资料。 例题：p. 34, 例8
三、两个小样本均数比较的 t 检验
▲目的：由两个样本均数的差别推断两样本
所代表的总体均数间有无差别。 ▲计算公式及意义： t 统计量： 自由度：n1 + n2 –2
18
▲ 适用条件：
（1）已知/可计算两个样本均数及它们的标准差 ；
38
(2）当不能拒绝
II 类错误的概率 β 值的两个规律：
1. 当样本量一定时, α 愈小, 则 β 愈大，反之…; 2.当 α 一定时, 样本量增加, β 减少.
39
4. 正确理解P值的意义， P值很小时“拒绝H0 ”，P值的
大小不要误解为总体参数间差异的大小； 拒绝H0 只是说 差异不为零。 统计学中的差异显著或不显著，和日常生活中所说的差 异大小概念不同. （不仅区别于均数差异的大小，还区别 于均数变异的大小)
统计推断
用样本信息推论总体特征的过程。
包括：
参数估计: 运用统计学原理，用从样本计算出来的统计
指标量，对总体统计指标量进行估计。
假设检验：又称显著性检验，是指由样本间存在的差
别对样本所代表的总体间是否存在着差别做出判断。
第一节
▲显著性检验;
假设检验
▲科研数据处理的重要工具;
▲某事发生了：
是由于碰巧？还是由于必然的原 因？统计学家运用显著性检验来 处理这类问题。
45
41
是非判断： （ ）1．标准误是一种特殊的标准差，其 表示抽样误差的大小。 （ ）2．N一定时，测量值的离散程度越 小，用样本均数估计总体均数的抽样误差 就越小。 （ ）3．假设检验的目的是要判断两个样 本均数的差别有多大。
第6章 假设检验
2
2
n2 7.5 2 / 120 6.3 2 / 153 0.8533
u
X1 X 2 s X1X 2
139.9 143.7 0.8533
4.4353 u 0.05 2.58
P＜0.01，差别有统计学意义，可认为该市1993年12岁男童平均身高比1973年高。
假设检验应注意的问题
t 检 验
样本均数与总体均数的比较
目的:推断该样本是否来自某已知总体； 样本均数代表的总体均数与0是否相等。
总体均数0一般为理论值、标准值或经大量观察所得并为人们接
受的公认值、习惯值。
解决思路：
区间估计
判断样本信息估计的总体均数之可信区间是否覆盖已知的 总体均数0 ？若不覆盖，则可推断该样本并非来自已知均 数的总体。
样本信息不支持H0，便拒绝之并接受H1,否则不拒绝H0 。
假设检验的基本步骤
建立假设 确定检验水准 计算检验统计量 计算概率P 结论
当P≤ 时，拒绝H0，接受H1，差别有统计学意义。
当P＞ 时，不拒绝H0，差别尚无统计学意义。
不论，拒绝拒绝H0，还是不拒绝H0都可能范错误。
同？
μ0 =132(g/L）
n=25
？ =
μ
X 150 ( g / L) S 16.5( g / L)
已知总体
未知总体
目的：推断病人的平均血红蛋白(未知总体均
数)与正常女性的平均血红蛋白(已知总体均
数0)间有无差别
μ =μ0 ？
X 0 150 132 18
手头样本对应的未知总体均数 μ等于已知总体均数μ0，
大学统计学 第6章 假设检验与方差分析
18
35%
16
30%
14
12
25%
10
20%
8
`
15%
6
10%
4
2
5%
0
0%
50-60
70-80
90-100
统计学导论
第六章 假设检验与方差分析
第一节 假设检验的基本原理 第二节 总体均值的假设检验 第三节 总体比例的假设检验 第四节 单因子方差分析 第五节 双因子方差分析 第六节 Excel在假设检验与方差分析
记为 H1:。150
整理课件
6-7
三、检验统计量
所谓检验统计量，就是根据所抽取的样本计 算的用于检验原假设是否成立的随机变量。
检验统计量中应当含有所要检验的总体参数， 以便在“总体参数等于某数值”的假定下研 究样本统计量的观测结果。
检验统计量还应该在“H0成立”的前提下有 已知的分布，从而便于计算出现某种特定的 观测结果的概率。
为 =x 149.8克，样本标准差s=0.872克。问该
生产线的装袋净重的期望值是否为150克（即 问生产线是否处于控制状态）?
整理课件
6-4
所谓假设检验，就是事先对总体的参数 或总体分布形式做出一个假设，然后利用抽 取的样本信息来判断这个假设（原假设）是 否合理，即判断总体的真实情况与原假设是 否存在显著的系统性差异，所以假设检验又 被称为显著性检验。
量所得结果落入接受域的概率。
问题，对于 和 大小的选择有
不同的考虑。例如，在例 6-1 中，如果检验者站在卖方 的立场上，他较为关心的是不要犯第一类错误，即不 要发生产品本来合格却被错误地拒收这样的事情，这
时， 要较小。反之，如果检验者站在买者的立场上，
35%
16
30%
14
12
25%
10
20%
8
`
15%
6
10%
4
2
5%
0
0%
50-60
70-80
90-100
统计学导论
第六章 假设检验与方差分析
第一节 假设检验的基本原理 第二节 总体均值的假设检验 第三节 总体比例的假设检验 第四节 单因子方差分析 第五节 双因子方差分析 第六节 Excel在假设检验与方差分析
记为 H1:。150
整理课件
6-7
三、检验统计量
所谓检验统计量，就是根据所抽取的样本计 算的用于检验原假设是否成立的随机变量。
检验统计量中应当含有所要检验的总体参数， 以便在“总体参数等于某数值”的假定下研 究样本统计量的观测结果。
检验统计量还应该在“H0成立”的前提下有 已知的分布，从而便于计算出现某种特定的 观测结果的概率。
为 =x 149.8克，样本标准差s=0.872克。问该
生产线的装袋净重的期望值是否为150克（即 问生产线是否处于控制状态）?
整理课件
6-4
所谓假设检验，就是事先对总体的参数 或总体分布形式做出一个假设，然后利用抽 取的样本信息来判断这个假设（原假设）是 否合理，即判断总体的真实情况与原假设是 否存在显著的系统性差异，所以假设检验又 被称为显著性检验。
量所得结果落入接受域的概率。
问题，对于 和 大小的选择有
不同的考虑。例如，在例 6-1 中，如果检验者站在卖方 的立场上，他较为关心的是不要犯第一类错误，即不 要发生产品本来合格却被错误地拒收这样的事情，这
时， 要较小。反之，如果检验者站在买者的立场上，
第十三讲统计学-讲义
接受 H0 否定 H0
H0 的实际状态
H0 为真
H0 为非真
决策正确
犯第二类错误
犯第一类错误
决策正确
因为假设检验是根据样本数据对总体参数或概率分布所作的假设进 行统计推断，也就是说，由部分来推断整体，所以它不可能绝对准 确。我们希望犯这两类错误的可能性都尽可能小，但在样本容量一 定的情况下，不能同时做到α 和β 都很小，减少α 会使β 增大，减 少β 会使α 增大。如果想使α 和β 同时都很小，只有增加样本容量。 在实际应用中，一般先控制犯第一类错误的概率α ，给它规定一个 上限，而不考虑犯第二类错误的概率β ，我们把这种假设检验称为 显著性检验，把犯第一类错误的最大概率α 称为检验的显著性水平， 相应的检验称为水平α 的显著性检验。
α =P(V｜H0 真)
对于第 3 种情况，H0 本来是非真的，却根据检验统计 量的值把它给接受了，在统计上，称为第二类错误，也称 取伪错误，这种错误发生的概率通常用β 表示，即
β =P(V ｜H0 非真)
表 6.1.1 给出了上述 4 种情况。
表 6.1.1 假设检验的四种可能结果
对假设 H0 采取的决策
原假设和备择假设的选取说明
• 假设检验是控制犯第一类错误的概率，所以检验本身对原假设起 保护的作用，决不轻易拒绝原假设，因此原假设与备择假设的地 位是不相等的，正因为如此，常常把那些保守的、历史的、经验 的取为原假设，而把那些猜测的、可能的、预期的取为备择假设。
• 比如：对于双侧检验，这选择问题应该比较简单，一般都是“是 不是”、“等不等于”和“变没变”这一类的问题，一般我们期 待的结果多为“不是”、“不等于”和“变了”这样的结果，所 以把不等号的设为备择假设的。
• 对于单侧检验，一般都是“增加了”、“提高了”或“减少了”、 “降低了”这一类问题，比如某产品的在使用了新技术生产后， 问产品质量是否提高了，我们期待的结果是提高了，这样就把大 于号定为备择假设，相反的小于等于号定为原假设。
H0 的实际状态
H0 为真
H0 为非真
决策正确
犯第二类错误
犯第一类错误
决策正确
因为假设检验是根据样本数据对总体参数或概率分布所作的假设进 行统计推断，也就是说，由部分来推断整体，所以它不可能绝对准 确。我们希望犯这两类错误的可能性都尽可能小，但在样本容量一 定的情况下，不能同时做到α 和β 都很小，减少α 会使β 增大，减 少β 会使α 增大。如果想使α 和β 同时都很小，只有增加样本容量。 在实际应用中，一般先控制犯第一类错误的概率α ，给它规定一个 上限，而不考虑犯第二类错误的概率β ，我们把这种假设检验称为 显著性检验，把犯第一类错误的最大概率α 称为检验的显著性水平， 相应的检验称为水平α 的显著性检验。
α =P(V｜H0 真)
对于第 3 种情况，H0 本来是非真的，却根据检验统计 量的值把它给接受了，在统计上，称为第二类错误，也称 取伪错误，这种错误发生的概率通常用β 表示，即
β =P(V ｜H0 非真)
表 6.1.1 给出了上述 4 种情况。
表 6.1.1 假设检验的四种可能结果
对假设 H0 采取的决策
原假设和备择假设的选取说明
• 假设检验是控制犯第一类错误的概率，所以检验本身对原假设起 保护的作用，决不轻易拒绝原假设，因此原假设与备择假设的地 位是不相等的，正因为如此，常常把那些保守的、历史的、经验 的取为原假设，而把那些猜测的、可能的、预期的取为备择假设。
• 比如：对于双侧检验，这选择问题应该比较简单，一般都是“是 不是”、“等不等于”和“变没变”这一类的问题，一般我们期 待的结果多为“不是”、“不等于”和“变了”这样的结果，所 以把不等号的设为备择假设的。
• 对于单侧检验，一般都是“增加了”、“提高了”或“减少了”、 “降低了”这一类问题，比如某产品的在使用了新技术生产后， 问产品质量是否提高了，我们期待的结果是提高了，这样就把大 于号定为备择假设，相反的小于等于号定为原假设。
统计学基础与实务-ppt-第6章假设检验
6-49
总体均值的检验
(大样本)
STAT
1. 假定条件
– 正态总体或非正态总体大样本(n30)
2. 使用z检验统计量 2 已知：z x0 ~N(0,1) n
2 未知：z x0 ~N(0,1)
sn
6-50
总体均值的检验(大样本)
(决策规则)
STAT
1. 在双侧检验中，如果｜z｜ z/2 ，则拒绝原 假设H0；反之，则不能
STAT
1. 研究者想收集证据予以反对的假设 2. 又称“0假设” 3. 总是有符号 , 或 4. 表示为 H0
– H0 ： = 某一数值
– 指定为符号 =， 或
– 例如, H0 ： 10cm
6-12
备择假设
(alternative hypothesis)
STAT
1. 研究者想收集证据予以支持的假设 2. 也称“研究假设” 3. 总是有符号 , 或 4. 表示为 H1
– 总体参数包括总体均值、 比率、方差等
– 分析之前必须陈述
6-6
什么是假设检验?
(hypothesis test)
STAT
1. 先对总体的参数(或分布形式)提出某种假 设，然后利用样本信息判断假设是否成 立的过程
2. 有参数检验和非参数检验 3. 逻辑上运用反证法，统计上依据小概率
原理
6-7
假设检验中的小概率原理
z 检验
z x 0 sn
z 检验
z x 0 n
t 检验
t x 0 sn
6-47
STAT
总体均值的检验
(大样本)
6-48
总体均值的检验
(提出假设)
总体均值的检验
(大样本)
STAT
1. 假定条件
– 正态总体或非正态总体大样本(n30)
2. 使用z检验统计量 2 已知：z x0 ~N(0,1) n
2 未知：z x0 ~N(0,1)
sn
6-50
总体均值的检验(大样本)
(决策规则)
STAT
1. 在双侧检验中，如果｜z｜ z/2 ，则拒绝原 假设H0；反之，则不能
STAT
1. 研究者想收集证据予以反对的假设 2. 又称“0假设” 3. 总是有符号 , 或 4. 表示为 H0
– H0 ： = 某一数值
– 指定为符号 =， 或
– 例如, H0 ： 10cm
6-12
备择假设
(alternative hypothesis)
STAT
1. 研究者想收集证据予以支持的假设 2. 也称“研究假设” 3. 总是有符号 , 或 4. 表示为 H1
– 总体参数包括总体均值、 比率、方差等
– 分析之前必须陈述
6-6
什么是假设检验?
(hypothesis test)
STAT
1. 先对总体的参数(或分布形式)提出某种假 设，然后利用样本信息判断假设是否成 立的过程
2. 有参数检验和非参数检验 3. 逻辑上运用反证法，统计上依据小概率
原理
6-7
假设检验中的小概率原理
z 检验
z x 0 sn
z 检验
z x 0 n
t 检验
t x 0 sn
6-47
STAT
总体均值的检验
(大样本)
6-48
总体均值的检验
(提出假设)
统计学第六章 假设检验课后答案
第六章假设检验一、单项选择题二、多项选择题三、判断题四、填空题1、原假设（零假设）备择假设（对立假设）2、双侧检验Z Z =xn︱Z︱＜︱︱（或1－α）23、左单侧检验Z ＜－（或α）4、右单侧检验Z Z =xnZ ＞（或α）5、t t =︱t︱＞︱︱（或α）sx2n6、弃真错误（或第一类错误）存伪错误（或第二类错误）7、越大越小8、临界值五、简答题（略）六、计算题1、已知：σx = 12 n = 400 x= 21 建立假设H0：X≤20H1：X＞20右单侧检验，当α= 0.05时，Z0.05 = 1.645 构造统计量ZxZ =1.667＞Z0.05 = 1.645，所以拒绝原假设，说明总体平均数会超过20。
2、已知：P0 = 2% n = 500 p = 建立假设H0：P ≥ 2%H1：P ＜2%左单侧检验，当α= 0.05时，Z0.05 = -1.645 构造统计量Z-1.597∣Z∣=1.597＜∣Z0.05∣= 1.645，所以接受原假设，说明该产品不合格率没有明显降低。
3、已知：σx = 2.5 cm n = 100 X0 =12 cm x= 11.3 cm 建立假设H0：X≥12H1：X＜12左单侧检验，当α= 0.01时，Z0.01 = -2.33 构造统计量Zx-2.8 2.5 ∣Z∣= 2.8＞∣Z0.01∣= 2.33，所以拒绝原假设，说明所伐木头违反规定。
4、已知：P0 = 40% n = 60 p = 建立假设H0：P ≥ 40%H1：P ＜40% 21= 35% 60左单侧检验，当α= 0.05时，Z0.05 = -1.645 构造统计量Z-0.791∣Z∣= 0.791＜∣Z0.05∣= 1.645，所以接受原假设，说明学生的近视率没有明显降低。
5、已知：X0 =5600 kg/cm2 σx = 280 kg/cm2 n = 100 x= 5570 kg/cm2 建立假设H0：X= 5600 H1：X≠5600双侧检验，当α= 0.05时，∣Z0.025∣= 1.96 构造统计量Z∣Z∣∣Z∣=1.07＜∣Z0.025∣= 1.96，所以接受原假设，说明这批车轴符合要求。
贾俊平统计学第6章假设检验
正态分布
01
正态分布是一种常见的概率分布 ，其概率密度函数呈钟形曲线， 具有对称性、连续性和可加性等 性质。
02
正态分布广泛存在于自然界和人 类社会中，许多随机变量都服从 或近似服从正态分布。
t分布
t分布是正态分布在自由度不同时的 另一种表现形式，其形状与正态分布 相似，但尾部概率不同。
在假设检验中，t分布在样本量较小或 总体标准差未知时常常被用来代替正 态分布进行统计分析。
界值，判断是否拒绝原假设。
双侧Z检验
总结词
双侧Z检验是用于检验一个总体均数是否与已知值存在显著差异的统计方法。
详细描述
双侧Z检验的步骤与单侧Z检验类似，但需要计算双尾Z值，并根据临界值判断是否拒绝原假设。例如，要检验某 产品的质量是否合格，可以提出原假设为产品质量合格，备择假设为产品质量不合格，然后通过计算Z值和临界 值，判断是否拒绝原假设。
03
样本统计量与抽样分布
样本均值和样本方差
样本均值
表示样本数据的平均水平，计算公式为 $bar{x} = frac{1}{n}sum_{i=1}^{n} x_i$，其中 $n$ 为样本容量， $x_i$ 为第 $i$ 个样本数据。
样本方差
表示样本数据的离散程度，计算公式为 $S^2 = frac{1}{n-1}sum_{i=1}^{n} (x_i - bar{x})^2$，其中 $S^2$ 为样本方差，$bar{x}$ 为样本均值。
假设检验的逻辑
小概率事件原理
如果一个事件在多次试验中发生的概 率很小，那么在一次试验中该事件就 不太可能发生。
反证法
先假设原假设成立，然后根据样本数 据和统计原理，推导出与已知事实或 概率相矛盾的结论，从而拒绝原假设 。
统计学-假设检验概念和方法
H0 检验
决策
实际情况
H0为真
H0为假
接受H0
正确决策 (1 – a)
第二类错误(b)
拒绝H0
第一类错误(a)
正确决策 (1-b)
假设检验就好像一场审判过程
统计检验过程
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!
01
总体参数的真值
随着假设的总体参数的减少而增大
第 6章 假设检验
§1 假设检验的基本问题 §2 一个正态总体参数的检验 §3 两个正态总体参数的检验 §4 假设检验中的其他问题
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
学习目标
/CONTENTS
01
了解假设检验的基本思想
02
掌握假设检验的步骤
03
检验权在销售商一方
单侧检验 (显著性水平与拒绝域) H0值 临界值 a 样本统计量 拒绝域 抽样分布 1 - 置信水平
左侧检验 (显著性水平与拒绝域)
H0值
临界值
a
样本统计量
拒绝域
抽样分布
1 -
置信水平
观察到的样本统计量
左侧检验 (显著性水平与拒绝域) H0值 临界值 a 样本统计量 拒绝域 抽样分布 1 - 置信水平
规定显著性水平
假设检验的步骤
04
计算检验统计量的值
05
作出统计决策
02
确定适当的检验统计量
01
提出假设
提出原假设和备择假设
什么是原假设？(null hypothesis) 待检验的假设，又称“0假设” 研究者想收集证据予以反对的假设 3. 总是有等号 , 或 4. 表示为 H0 H0： 某一数值 指定为 = 号，即 或 例如, H0： 3190（克）
决策
实际情况
H0为真
H0为假
接受H0
正确决策 (1 – a)
第二类错误(b)
拒绝H0
第一类错误(a)
正确决策 (1-b)
假设检验就好像一场审判过程
统计检验过程
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!
01
总体参数的真值
随着假设的总体参数的减少而增大
第 6章 假设检验
§1 假设检验的基本问题 §2 一个正态总体参数的检验 §3 两个正态总体参数的检验 §4 假设检验中的其他问题
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
学习目标
/CONTENTS
01
了解假设检验的基本思想
02
掌握假设检验的步骤
03
检验权在销售商一方
单侧检验 (显著性水平与拒绝域) H0值 临界值 a 样本统计量 拒绝域 抽样分布 1 - 置信水平
左侧检验 (显著性水平与拒绝域)
H0值
临界值
a
样本统计量
拒绝域
抽样分布
1 -
置信水平
观察到的样本统计量
左侧检验 (显著性水平与拒绝域) H0值 临界值 a 样本统计量 拒绝域 抽样分布 1 - 置信水平
规定显著性水平
假设检验的步骤
04
计算检验统计量的值
05
作出统计决策
02
确定适当的检验统计量
01
提出假设
提出原假设和备择假设
什么是原假设？(null hypothesis) 待检验的假设，又称“0假设” 研究者想收集证据予以反对的假设 3. 总是有等号 , 或 4. 表示为 H0 H0： 某一数值 指定为 = 号，即 或 例如, H0： 3190（克）
统计学原理-假设检验
两独立样本均值之差的抽样分布
（1）正态总体，总体方差已知
两个正态总体
和
中分别独立地抽取容
量为n1和n2的样本,x1、x2分别为其样本均值， 则x1-x2也服从正态分布，那么
第六章 假设检验
Excel操作
l运用函数NORMSDIST计算Z检验的P值 l运用函数TDIST计算t检验的P值
37*/6
第六章
第三节 两总体参数的假设检验 假设检验 学习要点
l 1. 两独立样本均值的抽样分布 l 2. 两独立总体均值之差的假设检验
38*/6
1. 两独立样本均值的抽样分布
第六章 假设检验
9*/6
2. 假设检验的步骤
第六章 假设检验
例6-3
分析：以前的产品废品率在1%以上，改进生产工艺可以使产 品废品率下降是需要支持的命题，故，
予以否定的命题 予以支持的命题
10*/6
2. 假设检验的步骤
第六章 假设检验
（2）检验统计量
检验统计量需要满足以下两个条件
l一是检验统计量中必须含有要检验的总体参数 l二是检验统计量的概率分布必须是明确可知的
31*/6
1. 总体均值的假设检验
检验规则：
条件 原假设与备择假设 检验统计量及其分布
第六章 假设检验
拒绝域
小样本 （n<30）σ2已
知
小样本 （n<30）σ2未
知
32*/6
1. 总体均值的假设检验
第六章 假设检验
例6-9 小样本，总体方差未知
设立原假设和备择假设分别为：H0：μ=5600； H1：μ≠5600 检验统计量为：
标准化检验统计量
11*/6
2. 假设检验的步骤
第六章 假设检验
所以有 C0 = 6 × 1.65 + 250 = 因此犯第二类错误的概率是
259.9
X − 270 C0 − 270 β = P{ X ≤ C0 } = P{ } ≤ 6 6 259.9 − 270 = P{z ≤ = −1.68} = φ (−1.68) 6 = 1 − φ (1.68) = 0.0465
y
0.0044
2.61
x
从（1）的计算结果可以看出，在超市提出的假设成立的 ）的计算结果可以看出， 情况下，随机抽取的200件产品中，有6件是次品的概率 件产品中， 情况下，随机抽取的 件产品中 件是次品的概率 为0.0044，显然这是一个小概率事件，认为在一次抽查中 ，显然这是一个小概率事件， 不应该发生，现在它发生了， 不应该发生，现在它发生了，我们怀疑超市提出的假设不 应该成立。也就是拒绝这批产品进入超市。 应该成立。也就是拒绝这批产品进入超市。 在这个例子中，超市提出了假设， 在这个例子中，超市提出了假设，通过抽样获得样本数
这两类错误之间的关系是：在样本容量一定时，犯第一类 这两类错误之间的关系是：在样本容量一定时， 错误概率较大时，犯第二类错误地概率较小；反之， 错误概率较大时，犯第二类错误地概率较小；反之，犯第 一类错误概率较小时，犯第二类错误概率较大。 一类错误概率较小时，犯第二类错误概率较大。要想两类 错误的概率都减小，只有增加样本容量。 错误的概率都减小，只有增加样本容量。 5、显著性水平 、 显著性水平：是指人们犯第一类错误概率的最大允许值。 显著性水平：是指人们犯第一类错误概率的最大允许值。 注意：显著性水平是人们根据自己所研究的问题来确定， 注意：显著性水平是人们根据自己所研究的问题来确定， 在经济学和其他社会科学中，常用选择的显著性水平是5% 在经济学和其他社会科学中，常用选择的显著性水平是 或者10%，在卫生和医药统计中，常用选择的显著性水平 或者 ，在卫生和医药统计中， 是1%。在我们经济学中，除非特别声明，一般都以 。在我们经济学中，除非特别声明，一般都以5% 作 为显著性水平。 为显著性水平。 6、临界值和拒绝域 、 拒绝域： 所围城的区域。 拒绝域：拒绝域就是由显著性水平 α 所围城的区域。 临界值：由给定的显著性水平确定的拒绝域的边界值， 临界值：由给定的显著性水平确定的拒绝域的边界值，称 为临界值。 分位点所对应的值。 为临界值。实际上临界值就是 α 分位点所对应的值。
第六章假设检验基础
假设检验亦称为显著性检验， 假设检验亦称为显著性检验，是判 断样本指标与总体指标或样本指标与样 本指标之间的差异有无统计学意义的一 种统计方法。 种统计方法。
样本指标与总体指标之间差异产生的原因有: 样本指标与总体指标之间差异产生的原因有: 1.抽样误差---亦即样本来自于该总体。 ---亦即样本来自于该总体 .抽样误差---亦即样本来自于该总体。
H 0：µ = µ 0
H 1 : µ ≠ µ 0 (单侧µ > µ 0或µ < µ 0 )
t=
X − µ0 s n
~ t (ν ), ν = n − 1
配对设计资料的t 二、配对设计资料的 检验
配对设计是研究者为了控制可能存在的主要非处理 因素而采用的一种试验设计方法。 因素而采用的一种试验设计方法。 形式： 形式： 将受试对象配成特征相近的对子， ⑴将受试对象配成特征相近的对子，同对的两个受试对 象随机分别接受不同处理； 象随机分别接受不同处理； 同一样品分成两份，随机分别接受不同处理（或测量） ⑵同一样品分成两份，随机分别接受不同处理（或测量） 同一受试对象处理前后，数据作对比。 ⑶同一受试对象处理前后，数据作对比。
假设检验的基本步骤： 二、假设检验的基本步骤： 已知北方农村儿童前囟门闭合月龄为14.1月。某 例6-1 已知北方农村儿童前囟门闭合月龄为 月 研究人员从东北某县抽取36名儿童，得囟门闭合月龄 研究人员从东北某县抽取 名儿童， 名儿童 均值为14.3月，标准差为 均值为 月 标准差为5.08月。问该县儿童前囟门闭 月 合月龄的均数是否大于一般儿童？ 合月龄的均数是否大于一般儿童？
称之为差异无统计学意义。 称之为差异无统计学意义。 差异无统计学意义
从某地13岁女孩的总体中(总体均数为155.4 13岁女孩的总体中 155.4cm) 如：从某地13岁女孩的总体中(总体均数为155.4 随 机抽取一个样本，样本均数为154.6 154.6≠155.4， 154.6， 机抽取一个样本，样本均数为154.6，154.6≠155.4， 是因为抽样误差所致。 是因为抽样误差所致。 2.除抽样误差之外，主要是由于样本并不是来自 除抽样误差之外， 除抽样误差之外 于该总体而导致的本质差异。 于该总体而导致的本质差异。
- 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)。
H1 ： <某一数值，或 某一数值
例如, H1 ： < 10cm，或 10cm
6 - 16
统计学
STATISTICS
提出假设
(例题分析)
【例】设某企业生产的某种产品，其产品寿命t(小时)遵从
均值、方差为2的正态分布，记为t～N(，2)据过去的资 料，已知均值为55万小时，方差为1，000小时2，现在由于改 进了工艺流程和方法，出现均值大于55万小时，方差不变。 但有时仍存在均值不超过55万小时的可能性，怎样来作假设
6 - 40
统计学 §6.2
STATISTICS
总体均值的假设检验
Z-检验
T-检验
6 - 41
统计学
STATISTICS
总体均值的检验 (z－检验)
1. 假定条件
正态总体或非正态总体大样本(n30)
2. 使用z检验统计量
已知：z
2
x 0
s
n
~ N (0,1)
未知：z
6-4
统计学 假设检验在统计方法中的地位
STATISTICS
统计方法
描述统计 推断统计
参数估计
6-5
假设检验
统计学
STATISTICS
例子
【例6.1.1】有一厂家生产了两批灯泡各10，000只，其中一批 9，999只好的，仅有一只坏的，而另一批灯泡恰好相反，有 9，999只是坏的，仅1只是好的，现卖给某一商场，据说这是 好的那一批，可商场从这批灯泡中任抽一只发觉是坏的，于是 拒绝买下这批货物
2
x 0 n
~ N (0,1)
6 - 42
统计学
STATISTICS
总体均值的检验
(检验方法的总结)
双侧检验 左侧检验 右侧检验
假设 假设形式
H0 ： =0 H1 ： 0
已知：
统计量
H0 ： 0 H0 ： 0 H1 ： <0 1 ： >0 x 0 z n
6 - 27
统计学
STATISTICS
统计量与拒绝域
6 - 28
统计学
STATISTICS
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
2. 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
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
STATISTICS
学习目标
1. 假设检验的基本思想和原理 2. 假设检验的步骤 3. 一个总体参数的检验 4. 两个总体参数的检验 5. P值的计算与应用 6. 用Excel进行检验
6-3
统计学 §6.1
STATISTICS
假设检验的基本问题
基本思想 假设与检验
两类可能的错误 双边检验与单边检验
统计学
STATISTICS
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!
6 - 23
统计学
STATISTICS
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
6 - 39
统计学
STATISTICS
假设检验步骤的总结
设立零假设H0和备择假设H1； 选择统计量，计算被检验的实际统计量之值； 确定统计量的抽样分布； 确定显著性水平，根据显著性水平确定临界值 根据临界值（或者 p 值），确定检验准则，即 给出拒绝域和接受域； 6. 将计算的被检验实际统计量之值与临界值比较 （或者根据 p 值大小判断），从而判定接受或 拒绝零假设，完成统计假设检验 1. 2. 3. 4. 5.
6 - 11
统计学
STATISTICS
什么是假设检验?
(hypothesis test)
1. 先对总体的参数(或分布形式)提出某种假 设，然后利用样本信息判断假设是否成 立的过程 2. 有参数检验和非参数检验
一种是当总体分布类型已知，所涉及到的是分布中所包含 3. 逻辑上运用反证法，统计上依据小概率原 的几个未知参数的假设检验，这种假设检验叫参数假设检 理 验。另外一种是除上述假设检验以外的其它假设检验，称 为非参数假设检验
统计学
STATISTICS
第 6 章 统计假设检验
6-1
统计学
STATISTICS
第 6 章 统计假设检验
§6.1 假设检验的基本问题 §6.2 总体均值的假设检验 §6.3 总体比例的假设检验 §6.4 总体方差的显著性检验 §6.5 假设检验中的其他问题 §6.6 Excel应用
6-2
统计学
6 - 21
统计学
STATISTICS
假设检验中的两类错误
(决策结果)
假设检验就好像一场审判过程
H0: 无罪
统计检验过程
陪审团审判 实际情况 裁决 无罪 无罪 有罪
6 - 22
H0 检验 决策 有罪 错误 正确 未拒绝H0 拒绝H0 实际情况
H0为真
H0为假
正确 错误
正确决策 第Ⅱ类错 误( ) (1 – ) 第Ⅰ类错 正确决策 误( ) (1- )
解：生产者想收集证据予以证明的 假设应该是“产品寿命有提高”。 建立的原假设和备择假设为 H0 ： 55 H1 ： 55
6 - 17
统计学
STATISTICS
提出假设
(例题分析)
【例】某厂生产一种产品，其直径尺寸d (毫米)服从正态分 布N(200，42)。今采取新的工艺生产，从产品中随机抽取10 件．检查新工艺生产的产品质量，得其平均直径为202.5毫 米。试问，改革工艺前后产品直径平均尺寸有无显著变化？ 试陈述用于检验的原假设与备择假设 解：研究者抽检的意图是倾向于证实改革 工艺后产品直径平均尺度有变化。建立的 原假设和备择假设为
6 - 19
统计学
STATISTICS
两类错误与显著性水平
6 - 20
统计学
STATISTICS
假设检验中的两类错误
1. 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
被称为显著性水平
2. 第Ⅱ类错误(取伪错误)
原假设为假时未拒绝原假 设 第Ⅱ类错误的概率记为 (Beta)
假设这批灯泡是好的那批，那么“任抽一只是坏的”这样的随机 事 件发生的概率应是0.01％，这样小的概率在一次抽样中几乎不可能发 生，而今任抽一只是坏的，这样的事件居然发生，于是拒绝接受“这 是好的那批”的假设，肯定地认为将买到坏的那批，于是坚决拒买
6-6
商场拒买的理由是什么呢？
他会犯错误吗？
统计学
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
6 - 26
统计学
STATISTICS
双侧检验与单侧检验
(假设的形式)
双侧检验
H0 : = 0 H1 : ≠0
假设
原假设 备择假设
单侧检验
左侧检验
H0 : 0 H1 : < 0
右侧检验
H0 : 0 H1 : > 0
6 - 12
统计学
STATISTICS
假设检验的过程
提出假设 作出决策
拒绝假设 别无选择!
我认为人口的平 均年龄是50岁
总体
抽取随机样本
6 - 13
均值 x = 20
统计学
STATISTICS
原假设与备择假设
6 - 14
统计学
STATISTICS
原假设
(null hypothesis)
... 因此我们拒 绝假设 = 50
... 如果这是总 体的真实均值 20
6-8
= 50 H0
样本均值
统计学
STATISTICS
假设检验的基本思想
这是一个带有概率性质的反证法：先假定一
个假设是成立的，在这种假设下，将构成一个小 概率事件，根据实际推断原理：“小概率事件在 一 次试验中几乎是不可能发生的”。然而这样的事 件 在一次试验中却发生了，那么我们自然要怀疑“ 假
常用的 值有0.01, 0.05, 0.10
3. 表示为 (alpha)
4. 由研究者事先确定
6 - 24
统计学
STATISTICS
双侧检验与单侧检验
6 - 25
统计学
STATISTICS
双侧检验与单侧检验
1. 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) 2. 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)
6设”的正确性，于是“拒绝假设”。如果“小概 -9
统计学
STATISTICS
假设的陈述
6 - 10
统计学
STATISTICS
什么是假设?
(hypothesis)
我认为这种新药的疗效 比原有的药物更有效!
对总体参数的具体数 值所作的陈述
总体参数包括总体均 值、比例、方差等 分析之前必需陈述
3. 标准化的检验统计量
6 - 29
统计学
STATISTICS