第六章 假设检验

合集下载

第六章 假设检验.

第六章  假设检验.

n 即 z A,没有落入拒绝域内 , 所以没有足够的理由 来拒绝原假设 H 0,该样本的信息说明生 产正常
检验统计量的 P 值为: P( Z 1.8) 1 - P( Z 1.8) 1 - 0.9281 0.0719 0.05 因此,拒绝原假设的证 据也不强。
2.单侧检验 对于单侧检验,以左侧检验为例,要检验的 假设: H0 : 0对H1 : 0 1)假定原假设 H 0 : 0成立, 并令
S是样本标准方差,即检验统计量服从自 由度为n-1的t分布,我们称之为t检验统 计量,n>30, 可用z检验代替
例6.6 解:根据问题的要求,确定原假设与备择假设
H0 : 1000 对H1 : 1000
这是一个双侧检验 , S 24 已知, 可用t检验。 x 986, 0.05, 查表,t / 2 (n 1) t / 2 (8) 2.306, 因此,拒绝域A {t ; t 2.306}, 计算t检验统计量的值
P( Z za)
2)通过查标准正态分布表求出临界值za.由此临界 值确定由检验统计量表示的拒绝域
A {z; z z / 2 }
3)对于样本 x ( x1 , x2 ,..., xn )计算检验统计量的值
n 不能拒绝原假设
z

x 0
, 若 z A,则拒绝原假设,否则
即 z A {z, z 1.645},落入拒绝域内 , 所以没有充分的理由 接受原假设H 0,接受备择假设,该样 本的数据支持该公司的 自我声称

三、正态总体方差的假设检验
2 2 设原假设H 0 : 2 0 , H1 : 2 0
检验统计量为

第6章-假设检验课件

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

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

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?

第六章 假设检验

第六章 假设检验
8
依据实际问题,建立原假设 H和0 备选假设 H1
确定检验统计量,确定该统计量的抽样分布
给定显著性水平α,查表得临界值,因此确定拒绝 的区H间0 范围(拒绝域)
据样本观察值计算统计量,
做出决策是接受原假设 H,0 还是拒绝原假设 H 0
9
H真0 实 不H 0 真实
接受 H 0
拒绝 H 0
40
一个假设检验问题的结论是简单的,给定显著性 水平,不是拒绝原假设,就是接受原假设,但是 有可能存在如下情况:在显著性水平α=0.05时拒 绝了原假设,但在显著性水平α=0.01下保留原假 设。因为降低显著性水平会导致拒绝域缩小,这 样原来落在α=0.05的拒绝域中的检验统计量的观 察值有可能落在α=0.01到接受域中。由此提出p值检验。
42
(一)z检验的p-值:
检验统计量为z统计量的p-值计算公式,z 0表示检
验统计量的抽样数据,则p-值的计算方法如下:
如果: H 1 , 0p-值=
pz z0
如果: H 1 , 0p-值= 如果: H 1 ,0 p-值=
p z z0 p z z0
例6:利用p-值检验重新检验例1。 解: 第一、第二步与例1完全相同,故省略之。 第三步:计算样本统计的数值。 样本平均数 X 2,48n=50,代入检验统计量得:
26
解:此题为右侧检验。 第一步,建立假设
H0 : , 100 H1 : 100
第二步,确定检验统计量及其分布
z X 0 ~ N 0,1
n
第三步,确定临界值,右单侧检验临界值 α=0.05,查标准正态分布表得临界值:
显著性水z平
z=1.645,拒绝域是z>1.645。
27

第6章 假设检验

第6章 假设检验

三、假设检验中的相关概念
(一)原假设和备择假设 1、原假设和备择假设的定义



原假设:假设检验中,通常将所要检验的假 设称为原假设,也称为零假设,用H0表示。 备择假设:原假设的对立假设称为备择假设 或备选假设,用H1表示。

例如:设μ 0为总体均值μ 的某一确定值。
0
1.检验总体均值μ 是否等于某一确定值μ
2、原假设和备择假设的形式
(双侧检验和单侧检验)

若原假设是总体参数等于某一数值,

如H0:μ=μ0 ;H1:μ≠μ0。
这种假设检验称为双侧检验 若原假设是总体参数大于等于或小于等于某一数值, 如H0:μ≥μ0 ;H1:μ<μ0 或H0 :μ≤μ0 ;H1:μ>μ0

这种假设检验称为单侧检验。又分为左侧检验和右侧检验。
一、总体均值的检验
(一)提出假设
1. 双侧检验:H0 : m =m0;H1 : m m0
2. 3.
左侧检验:H0 : m m0;H1 : m <m0 右侧检验:H0 : m m0 ;H1 : m >m0
一、总体均值的检验
(二)选择检验统计量,并确定其分布形式

样本容量n
否 是
小(正态总体)
设检验。
一、什么是假设检验


参数假设检验 指对总体分布函数中的未知参数提出某种 假设,然后利用样本信息对所提的假设进 行检验并做出判断的过程。 非参假设检验 指对总体分布函数形式等的假设进行检验 的过程。
参数假设检验实例
例1: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。

第六章--假设检验基础课件

第六章--假设检验基础课件
两样本所属总体方差相等且两总体均为正态分布
H 0 : 1 2H 1 :1 2 ( 单 1 2 或 侧 1 2 )
当H0成立时,检验统计量:
t X1X2 ~t, n1n22
Sc2n 11n12
第六章 假设检验基础
Sc2
n1
1S12 n2 1S22
n1 n2 2
X1 X1 2 X2 X2 2 n1 n2 2
第六章 假设检验基础
55、作出推断结论:当P≤时,结论为 按所取检验水准α拒绝H0,接受H1,差异有 统计学显著性意义。如果P> ,结论为按 所取检验水准α不拒绝H0,差异无统计学显 著性意义。其间的差异是由抽样误差引起
的。
第六章 假设检验基础
1.建立检验假设
原 假 设 H0:0 14.1 备 择 假H设1 :0(单 侧 ) 检 验 水 准: 0.05
第六章 假设检验基础
检验假设为:
H 0 : d 0H 1 :d 0 ( 单 d 0 或 侧 d 0 )
当H0成立时,检验统计量:
td0 ~t, n1
Sd n
第六章 假设检验基础
表6第-1二用节药前t后检患儿验血清中免疫球蛋白IgG(mg/dl)含量
二、序号配对设计资用料药前的t 检验 用药后
n1 20, X1 17.15,S1 1.59,n1 34, X2 16.92,S2 1.42
Sc2
n1
1S12 n2 1S22
n1 n2 2
2011.592 3411.422
20342
2.2 0
t X1 X2 17.1516.92 0.550
Sc2
1 n1
1 n2
2.20 1 1 20 34
得治疗前后舒张压(mmHg)的差值(前–后)如下表。问新药和标准药的疗效

卫生统计学课件_第六章_假设检验

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。

第六章 假设检验

第六章 假设检验
第六章 假设检验
第一节 假设检验的基本原理
第二节 总体参数假设检验
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
第一节 假设检验的基本原理
一、假种假设,然后利
用样本信息来判断原假设是否成立,决定应接受或
否定假设。假设检验也称为显著性检验。
在此,我们关心的是新机床加工零件的椭圆度总体均值 与老机床加工零件的椭圆度总体均值为0.081mm是否有 不同,可作如下假设 原假设 H 0 : 0.081mm 没有明显差异 备择假设 H1 : 0.081mm 有显著差异, 这是一个双侧检验问题,所以只要 > 0 或 < 0 二者之间有一个成立就可以拒绝原假设。
例某机床厂加工一种零件,根据经验知道,该厂加工零件的椭
圆度近似服从正态分布,其总体均值为0=0.081mm,总体标
准差为= 0.025 今换一种新机床进行加工,抽取n=200个零件 进行检验,得到的椭圆度为0.076mm。试问新机床加工零件的 椭圆度的均值与以前有无显著差异?(=0.05)
H 0 : 0.081mm H1 : 0.081mm < 0 或 > 0 有一个成立就可以拒绝原假设。
为了减少冤枉好人的概率,应尽可能接受原假设, 判被告无罪,这可能增大了放过坏人的概率。
第二节总体参数假设检验
一、总体均值的假设检验
总体均值的检验
(检验统计量)

总体 是否已知 ?

小 样本容量 n
用样本标 准差S代替

z 检验
z 检验
t 检验
Z
X 0

n
Z
X 0 S n
t

第六章假设检验

第六章假设检验
当我们把真实的原假设当成假的加以拒绝, 称为第一类错误,也称弃真错误、α错误,犯 第一类错误的概率就是显著性水平α;当我们 把不真实的原假设当作真的加以接受,称为第 二类错误,也称取伪错误、β错误,犯第二类 错误的概率是不确定的。
α也称为生产者风险:在生产者将产品售给消费者时,通常 要进行产品的质量检验,原假设总是产品是合格的,但是检验 时生产者总是担心把合格品检验为不合格品,也就是第一类错 误α,所以α也称为生产者风险。 β也称为消费者风险:在消费者一方总恐怕把不合格品检验 不出来而当作合格品接受,因而β也称为消费者风险。
(二)未知总体分布及总体方差,大样本 1.检验总体均值的统计量
(三)总体为正态分布、方差未知、小样本 1. 检验统计量
2. 拒绝域的临界值 可以根据双侧检验还是单侧检验来确定拒绝域的 临界值。当为双侧检验,显著性水平a时,临界值 为 ;当为右侧检验时,显著性水平a,监界值 为 ;当为左侧检验时,显著性水平为a,临界值 为- 。
备择假设,常用H1表示。即原假设被否定之 后而采取的逻辑对立假设。
(二)检验统计量
有了两个假设,就要根据数据来对他们进行判 断。数据的代表是作为其函数的统计量,对样 本数据进行加工并用来判断是否接受原假设的统计 量称作检验统计量 统计量最常用的是Z统计量、t统计量。
统计量的选择要根据研究的参数及其估计量 的分布、抽样的方式、总体方差是否已知等多种 因素来确定
第四步:确定决策规则。拒绝或没有拒绝原假设的决 策是建立在由样本数据来进行统计检验并将其与假设 的抽样分布比较。抽样分布被分成两个部分,拒绝域 和非拒绝域。如果原假设是真实的,那么统计检验不 可能落入拒绝域。因此,如果统计检验落入了拒绝域, 我们拒绝原假设;否则,我们不能拒绝它。

第六章 假设检验

第六章 假设检验
绝原假设。这时需要选择另一个假设,这个假设 就是备择假设。即:
Ha : u≠3190(克) (有符号 , 或 )
2、Ha为备择假设,表示1990年新生儿与1989年新
生儿体重有明显差异。也可表达为:
Ha:u ≠ m0 或 Ha:u- m0 ≠0
6.1 假设检验的基本概念
提出假设 (结论与建议)
第Ⅰ类错误的概率的条件下,尽可能使犯第Ⅱ类
错误的概率减小。
6.2 一个总体参数的检验
1. 总体均值的检验 2. 总体比例的检验
第四章 概率论与抽样分布
6.2 一个总体参数的检验
总体均值的检验
(检验样本是否来自某已知总体均值的总体)
第四章 概率论与抽样分布
6.2 一个总体参数的检验
总体均值的检验( 2 已知)
H0 :m 1.35 Ha :m <1.35 = 0.01
n = 50 临界值(c):
拒绝H0 0.01
-2.33 0
检验统计量:
z 1.3152 1.35 2.6061 0.365749 50
决策:
拒绝H0
结论:
新机床加工的零件尺寸的平均误 差与旧机床相比有极显著的降低
z
6.2 一个总体参数的检验
6.2 一个总体参数的检验
显著性水平和拒绝域
抽样分布
(左侧检验 )
置信水平
拒绝H0
1 -
临界值
H0 样本统计量
第四章 概率论与抽样分布
6.2 一个总体参数的检验
显著性水平和拒绝域
抽样分布
(左侧检验 )
置信水平
拒绝H0
1 -
临界值
H0
样本统计量
第四章 概率论与抽样分布

贾俊平统计学第6章假设检验

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 。

《概率论》第六章假设检验

《概率论》第六章假设检验

例1 某服务系统的相应时间服从正态分布,需求 其平均相应时间在0.5秒之内。若16次抽样测试得 到样本平均值为x=0.56秒,样本标准差为s=0.12秒, 该服务系统工作是否正常?(=0.05)
解:H0 : 0.5 n=16 =0.05 t1 1.753 t x 0 0.56 0.5 =2 >1.753 s n 0.12 16
因此否定H0 即该服务系统工作不正常
(二)未知方差2,关于期望的检验
1.检验假设(单边)H0 : 0 H1 : 0
2.选取检验统计量 T X 0 [ t(n 1)] Sn
3.由备选假设确定拒绝域形式,W=(t c)
4.由显著性水平决定临界值c=t (n 1),
2.选取检验统计量 T X 0 [ t(n 1)] Sn
3.由备选假设确定拒绝域形式,W=(t c)
4.由显著性水平决定临界值c=t1 (n 1),
P T t1 (n 1)
5.求出检验统计量的观测值,判断是否在拒绝域中
即:若t t1 (n 1),则否定H0; 若t t1 (n 1),则接受H0.
因此这实际上需要比较第二个正态总体 的期望值是与第一个正态总体期望值相 等还是比它高?
这种作为检验对象的假设称为原假设, 通常用 H0表示。比如, 例2中的待检假设为:H0:Eξ=3140
如何根据样本的信息来判断关于总体分布的 某个设想是否成立,也就是检验假设H0成立 与否的方法是本章要介绍的主要内容。
P T t (n 1)
5.求出检验统计量的观测值,判断是否在拒绝域中
即:若t<t (n 1),则否定H0; 若t>t (n 1),则接受H0.
(二)未知方差2,关于期望的检验

第六章 假设检验

第六章 假设检验
2 2 , 1 2 已知,或大样本情况 6.3.1 2 2 两个总体均服从正态分布、两个总体的方差 1 , 2 已知;或两 个总体分布及方差未知,但大样本情况下,样本均值之差 X 1 X 2 的抽样分布服从或近似服从正态分布,即可采用检验 统计量:
第六章 假设检验 6.2 总体均值的假设检验
【例6-7】某厂采用自动包装机分装产品,假定每包产 品的重量服从正态分布,每包标准重量为1000克。某 日随机抽查9包,测得样本平均重量为986克,样本标 准差为24克。试问在0.05的显著性水平上,能否认为 这天自动包装机工作正常?
第六章 假设检验 6.2 总体均值的假设检验
6.1
第六章 假设检验 假设检验的原理
6.1.2
假设检验的步骤
(三)选取显著性水平,确定原假设的拒绝域和接受域 显著性水平表示原假设为真时拒绝原假设 H 0 的最大概率, 即拒绝原假设所冒的风险,用 表示。 通常取 0.05 或 0.01
6.1
第六章 假设检验 假设检验的原理
第六章 假设检验 6.2 总体均值的假设检验
6.2.3 2未知时小样本情况下总体均值的假设检验
设总体服从正态分布 X ~ N (, 2 ) ,在小样本抽样情况下,利用 t检验法对总体均值的检验,其检验统计量及分布为:
t X ~ t (n 1) s/ n
第六章 假设检验 6.2 总体均值的假设检验
6.1
第六章 假设检验 假设检验的原理
6.1.4
假设检验中的P值
H1 : 0
(2)左侧检验:H 0 : 0
P值= P(Z zc 0 )
H 0 : 0
(3)右侧检验:
H1 : 0

第六章 假设检验

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

第六章 假设检验

第一步:建立假设 第一步:
H0 : µ = 8000; H1 : µ > 8000
原假设的选取原则: 原假设的选取原则:没有充分理由 不能轻易否定的命题。 不能轻易否定的命题。
对立假设的选取原则:没有把握不 对立假设的选取原则: 能轻易肯定的命题。 能轻易肯定的命题。
第二步:寻找检验统计量 第二步:
2
第三步:给定显著性水平和临界值 第三步:
• 在原假设 H0 为真时,X 应该接近8000。 为真时, 如果 X 远离8000 ,就有理由怀疑原 假设为真。 假设为真。 • 例中,8300与8000之间算近还是算远? 例中, 之间算近还是算远? • 需要定一个界限,记此界限为c。 需要定一个界限,记此界限为c
假设检验是要根据样本的观测值对原假作 出判断,接受原假设或者拒绝。 出判断,接受原假设或者拒绝。 由于样本的随机性,客观情况未知, 由于样本的随机性,客观情况未知,有可 能犯错误。 能犯错误。 例:产品验收,有时面对的整批产品是合 产品验收, 格的,有时面对的整批产品是不合格的。 格的,有时面对的整批产品是不合格的。 拒收了合格率高的产品或者接受了合格率 低的产品都是犯了错误。 低的产品都是犯了错误。
例:餐厅的营业额问题: 餐厅的营业额问题:
H0 : µ = 8000; H1 : µ பைடு நூலகம் 8000
N(µ0 ,σ )
2 0
N(µ,σ )
2
在原假设成立的条件下,新菜单挂出后, 在原假设成立的条件下,新菜单挂出后, 每天营业额仍然服从正态分布
N(8000,640 )
如今获得了一个容量为9的样本, 如今获得了一个容量为9的样本,此时样 服从: 本均值 X 服从: 1 2 N(8000, ×640 ) 9
  1. 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. 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. 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)。

第六章 假设检验一.思考题1.备择假设通常是研究者( A )A.想搜集证据予以支持的假设B.想搜集证据予以反对的假设C.想要支持的一个正确假设D.想要反对的一个正确假设2.在假设检验中”=”总是放在( A )A.原假设上B.可以放在原假设上,也可以放在备择假设上C.备择假设上D.有时放在原假设上,有时放在备择假设上3.支出下列假设检验哪一个属于右侧检验(C )A.H 0:μ<600;H 1:μ≥600 B: H 0:μ=600; H 1:μ≠600 C: H 0:μ≤600; H 1:μ>600 D: H 0:μ≥600; H 1:μ<6004.一项研究表明,中学生吸烟的比例超过30%,为检验这一方法是否属实,我们建立的原假设和备择假设应为(D )A. H 0:π=30%; H 1: π≠30%B. H 0:π≠30%; H 1: π=30%C. H 0:π≥30%; H 1: π<30%D. H 0:π≤30%; H 1: π>30%5.随即取一个n=100的样本,计算得到⎺x=60,s=15,要检验假设:H 0:μ=65;H 1:μ≠65,则检验统计量的值为( A )A .-3.33 B.3.33 C.-2.36 D.2.366.在小样本,正态总体方差未知的情况下,检验总体均值所使用的统计量是(C )A. z=⎺x -μ0/ (σ/√n)B. z= ⎺x -μ0/ (σ2/√n)C. t=⎺x -μ0/(s/√n)D. t=⎺x -μ0/(s/√n)7.从正态总体中随机抽取一个n=25的随机样本,计算得到⎺x=17,s 2=8,假定σ20=10,要检验H 0: σ2=σ20,则检验统计量的值为(A ) A.x 2=19.2 B. x 2=18.7 C. x 2=30.38 D. x 2=39.68.若检验的假设H 0:μ≤μ0;H 1:μ>μ0,则拒绝域为(A )A. z>z a B .Z <- z a C. z> z a 或z<-z a /2D. z> z a 或z<- z a9.在假设检验中,如果计算出来的P 值越小,则说明( A ) A.不利于原假设的证据越强 B.不利于原假设的证据越弱 C.不利于备择假设的证据越强 D.不利于备择假设的证据越弱10.环保部门想检验餐馆一天所有的快餐盒平均是否超过600个,建立的原假设和备择假设应为( C )A. H 0: μ<600;H 1:μ≥600 B: H 0:μ=600; H 1:μ≠600C: H0:μ≤600; H1:μ>600 D: H0:μ≥600; H1:μ<60011.环保部门想检验餐馆一天所有的快餐盒平均是否超过600个,则第I类错误是( A )A.μ≤600;声称μ>600 B:μ=600;声称μ≠600C:μ≤600;声称μ<600 D:μ≥600;声称μ>60012. 环保部门想检验餐馆一天所有的快餐盒平均是否超过600个,则第II类错误是(D )A.μ≤600;声称μ>600 B:μ=600;声称μ=600C:μ≤600;声称μ<600 D:μ>600;声称μ≤60013.一项研究表明,湿路上汽车刹车距离的方差显著大于干路上的汽车刹车距离的方差。

随机抽取16辆汽车,检测同样速度行驶条件下载湿路和干路上的刹车距离。

在湿路上的刹车距离的标准差为32米,在干路上的标准差是16米。

用于检验的原假设和备择假设是(A )A. H0:σ21/σ22≤1;H1:σ21/σ22>1B. H0:σ21/σ22≥1; H1:σ21/σ22<1C. H0:σ21/σ22=1; H1:σ21/σ22≠1D. H0:σ21/σ22=1; H1:σ21/σ22≠114.一项研究表明,湿路上汽车刹车距离的方差显著大于干路上的汽车刹车距离的方差。

随机抽取16辆汽车,检测同样速度行驶条件下载湿路和干路上的刹车距离。

在湿路上的刹车距离的标准差为32米,在干路上的标准差是16米。

α=0.05,得到的结论是( B )A.拒绝H0B.不拒绝H0C.可以拒绝也可以不拒绝H0D.可以拒绝也可能不拒绝H0二.判断题1.样本均值的标准误差是所抽选样本的标准差。

(错)2.假设检验所陈述的具体数值是总体参数的真实值。

( 错)3.方差未知时,使用x2分布做关于一个总体均值的假设检验。

(错)4.在假设检验中,样本容量不变的条件下,第I类错误和第II类错误的概率不能同时减小。

(对)5.样本容量一定时,拒绝域的面积与显著水平α成反比。

(错)6.如果检验统计量落在非拒绝域内,意味着原假设是真的。

(错)7.P值越大,拒绝原假设的可能性越大。

(错)8.关于一个总体的方差或标准差,常常是希望将它们控制在某种水平之下,因此对方差的检验多是单侧的。

(对)9.利用独立小样本对两总体的均值之差进行检验时,t分布的自由度是等于n1-1和n2-1中较小的一个。

(错)10.F分布是对称的分布。

(错)四.计算题1.已知某炼铁厂生产的铁水的含铁量服从正态分布N(4.55,0.1082),现在预定了9炉铁水,其平均含铁量为4.484。

可否认为现在生产的铁水平均含铁量为4.55?(α=0.05)2.电视机的制造商声明,他的产品在保修期的期后第一年的维修费用不多于50元。

消费者协会随机抽取了50个这种电视机的拥有者,调查显示平均维修费是61.6元,标准差是32.46.以0.01的显著性水平,对厂商声明的可信度进行判断。

3.某调查公司认为平均每个调查员每周能够完成人户访问53次,且访问次数服于53次?4.一位不愉快的顾客在银行办理业务时对等待时间过长感到厌烦。

银行声明“顾客等待服务的时间多于10分钟的次数不超过接受服务次数的一半”。

该顾客从办理业务的人中收集数据,发现60人中有35人等待时间超过10分钟。

在0.05的显著性水平下,这位不愉快的顾客有充分证据拒绝银行的声明吗?5.某公交公司为提高乘客满意度,鼓励公交司机保持运行时间的稳定。

要求运行时间的方差不超过4分钟。

已知运行时间服从正态分布,随机抽取了在同一线路运行的10辆公交车,测得其运行时间的方差为4.8分钟,在0.05的显著性水平下,可否认为该线路的运行时间稳定性达到了公司的要求?6.一个金融分析师希望比较与石油相关的股票的换手率和其他股票的换手率是否相等。

他选择了32个与石油相关的股票和49个其他股票作为样本。

与石油相关的股票的换手率为31.4%,标准差为5.1%。

而其他股票的平均换手率为34.9%,标准差为6.7%。

使用0.05的显著性水平判断两种类型股票的换手率是否存在显著差异?7.为了测试健身课程的效果,记录课程后参与者在1分钟内做仰卧起坐的次数。

8.某车险公司对投保人最近3年的索赔情况进行抽样调查.其中,400个单身投保人中有76人索赔,900个已婚投保人中有90人索赔,显著水平为0.05,能否判断又已婚投保人的索赔率高于单身投保人?答案 :四、计算题1.小样本,方差已知,双侧检验。

01:= 4.55: 4.55H H μμ≠。

1.833c x z ===-。

/21.96z α=,(P 值=0.067),不拒绝原假设,可以认为现在生产的铁水平均含碳量为4.55. 2.大样本,方差未知,右侧检验。

01:50:50H H μμ≤> 。

2.527c x z ==。

2.33z α=,(P 值=0.006),拒绝原假设,厂家声明不可信。

3.小样本,方差未知,右侧检验。

01:53:53H H μμ≤>。

由样本数据得到,56.4, 3.738x s ==, 3.523c x t ==,(1) 1.761t n α-=,(P 值=0.002),拒绝原假设,可以说平均每个调查员每周完成的调查次数大于53次。

4. 01:50%:50%H H ππ≤>。

P=35/60=58.33%,1.290c z ===,0.05z z 1.645α==,(P 值=0.099),不拒绝原假设,没有充分证据拒绝银行的声称。

5. 一个总体方差检验,右侧。

2201:4:>4H H σσ≤。

222(1)s (101) 4.810.84c n χσ--⨯===。

220.05(1)(9)16.919n αχχ-==,不拒绝原假设,即可以认为该线路的运行时间稳定性达到了公司的要求。

6.独立样本的均值之差检验,双侧,大样本,方差未知。

012112:0:0H H μμμμ-=-≠( 2.662c x x z ===-,/21.96z α=,(P 值=0.008),拒绝原假设,存在显著差异。

7.两总体均值之差检验,匹配小样本。

012112:0:<0H H μμμμ-≥-,经计算,7, 5.793d d s =-=, 3.821c d t ===-。

(1) 1.833t n α--=-,(P 值=0.002),拒绝原假设,健身课程有效。

9.两总体方差比检验,双侧。

2211012222:1:1H H σσσσ=≠。

212225 2.08312c s F s ===,/212(1,1)F n n α--=1.939,拒绝原假设,两个总体方差不相等。

相关文档
最新文档