(08)第8章 假设检验
合集下载
第8章假设检验
二、两均数比较的u检验
完全随机设计中两组计量资料的比较
观察性研究中分别从两个总体中随机抽取两个计 量资料样本进行比较，且两组的样本含量n1和n2要 求等于或大于30 基本原理：在H0成立的条件下，即两样本是从 同一总体随机抽取的，其均数之差可以大于0，或小 于0，围绕0分布。 差值 X1 X 2 服从均数为 1 2 0，标准差（两均数 差的标准误）为 S X X 的正态分布
0
所代表的未知总体均数记作μ；检验的目的是推断μ与μ0
是否有差别
u
X 0 S/ n
例 8 –2
n 85
S 5.3cm
X 171.2cm
168.5cm
1. 建立假设、确定检验水准α。
H 0 : 168.5 （与1995年相比，2003年当地20岁应征男青年的身 高没有变化）
2
p
的正态分布
统计量：
u p 0 p 0 0 (1 0 ) / n
p
例8 – 4
π0 =8.5% ，n=1000，p=5.5%
1．建立假设，确定检验水准。 H0：π=8.5% H1：π< 8.5% 单侧检验，α=0.05。 2．计算检验统计量u值
0.055 0.085 u 3.402 0.085(1 0.085) /1000
2. 样本数据不要求一定服从正态分布总体。
2. 两总体方差相等（方差齐性，即 12 22 ）。
3. 理论上要求：单样本是从总体中随机抽取，两样本为随 机分组资料；观察性资料要求组间具有可比性，保证因果 推论的合理性。
一、单样本均数的u检验
样本均数与总体均数比较，总体均数指已知的理论值、 标准值或经过大量观察所得到的稳定值，记作 ；样本
概率论与数理统计第8章(公共数学版)
则犯弃真错误的概率为
P (弃真)
P(拒 绝H0
|
H
为
0
真)
P(
A
|
H
为
0
真)
小概率事件发生的概率就是犯弃真错误的概率
越大,犯第一类错误的概率越大, 即越显著. 故在检验中,也称为显著性水平
20
2.第二类错误:纳伪错误
如
果
原
假
设H
是
0
不
正
确
的, 但
却
错
误
地
接
受
了Hቤተ መጻሕፍቲ ባይዱ
0
此时我们便犯了“纳伪”错误,也称为第二类错误
统计量观测值 u 57.9 53.6 2.27 6 10
该批产品次品率 p 0.04 , 则该批产品不能出厂.
11
若从一万件产品中任意抽查12件发现1件次品
p 0.04 代入
取 0.01，则 P12(1) C112 p1(1 p)11 0.306 0.01
这不是小概率事件,没理由拒绝原假设,从而接受 原假设, 即该批产品可以出厂.
13
例2 某厂生产的螺钉,按标准强度为68/mm2, 而实际
称其中的一个为原假设,也称零假设或基本假设 记 为H0 称另一个为备择假设,也称备选假设或对立假设 记为H1 一般将含有等号的假设称为原假设
7
二、假设检验的基本原理
假设检验的理论依据是“小概率原理” 小概率原理:如果一个事件发生的概率很小,那么在一 次实验中,这个事件几乎不会发生. 如: 事件“掷100枚均匀硬币全出现正面”
（三）对给定（或选定）的显著性水平 ，由统计
量的分布查表确定出临界值，进而得到H0的拒绝域 和接受域.
P (弃真)
P(拒 绝H0
|
H
为
0
真)
P(
A
|
H
为
0
真)
小概率事件发生的概率就是犯弃真错误的概率
越大,犯第一类错误的概率越大, 即越显著. 故在检验中,也称为显著性水平
20
2.第二类错误:纳伪错误
如
果
原
假
设H
是
0
不
正
确
的, 但
却
错
误
地
接
受
了Hቤተ መጻሕፍቲ ባይዱ
0
此时我们便犯了“纳伪”错误,也称为第二类错误
统计量观测值 u 57.9 53.6 2.27 6 10
该批产品次品率 p 0.04 , 则该批产品不能出厂.
11
若从一万件产品中任意抽查12件发现1件次品
p 0.04 代入
取 0.01，则 P12(1) C112 p1(1 p)11 0.306 0.01
这不是小概率事件,没理由拒绝原假设,从而接受 原假设, 即该批产品可以出厂.
13
例2 某厂生产的螺钉,按标准强度为68/mm2, 而实际
称其中的一个为原假设,也称零假设或基本假设 记 为H0 称另一个为备择假设,也称备选假设或对立假设 记为H1 一般将含有等号的假设称为原假设
7
二、假设检验的基本原理
假设检验的理论依据是“小概率原理” 小概率原理:如果一个事件发生的概率很小,那么在一 次实验中,这个事件几乎不会发生. 如: 事件“掷100枚均匀硬币全出现正面”
（三）对给定（或选定）的显著性水平 ，由统计
量的分布查表确定出临界值，进而得到H0的拒绝域 和接受域.
第8章_假设检验8.4_置信区间与假设检验之间的关系
例1 设 X ~ N ( , 1), 未知, 0.05, n 16,
且由一样本算得 x 5.20 ,
于是得到参数 的一个置信水平为 0.95 的置信 1 1 区间 ( x z0.025 , x z0.025 ) 16 16
(5.20 0.49, 5.20 0.49) (4.71, 5.69 ).
反之 ,为要求出参数 的置信水平为 1 的 置信区间 ,
要先求出显著水平为 的检验假设
H 0 : 0 , H1 : 0 , 的接受域 : 0
( , ) 是参数的一个置信水平为1 的置信区间
2. 置信区间与单边检验之间的对应关系
（1）置信水平为 1 的单侧置信区间
(, ) 与显著水平为 的左边检验问题 H 0 : 0 , H1 : 0 有类似的对应关系.
若已求得单侧置信区间 (, ),
则当 0 (, ) 时接受 H0 ;
当 0 (, ) 时拒绝 H0 .
第四节 置信区间与假设检验之间 的关系
一、置信区间与双边检验之间的对应关系 二、 置信区间与单边检验之间的对应关系 三、小结
区间估计与假设检验的联系
1.区间估计与假设检验都是根据样本信息对总体参 数进行推断，都是以抽样分布为理论依据，都是 建立在概率基础上的推断，推断结果都有一定的 可信程度或风险。 2.对同一问题的参数进行推断，二者使用同一样本、 同一统计量、同一分布，因而二者可以相互转换。 区间估计问题可以转换成假设问题，假设问题也 可以转换成区间估计问题。区间估计中的置信区 间对应于假设检验中的接受区域，置信区间以外 的区域就是假设检验中的拒绝域。
单侧置信区间 (4.79, ), 单侧置信下限 4.79.
第八章 假设检验
解：研究者抽检的意图是倾向于证实这 种洗涤剂的平均净含量并不符合说明书 中的陈述 。建立的原假设和备择假设为 H0 ： m 500 H1 ： m < 500
500g
左侧检验
H0:u 500
抽样分布
拒绝域
（显著性水平与拒绝域 ） H1:u < 500
置信水平
1- 接受域 H0值 样本统计量
【例1】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被择假设
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 ： m 10cm H1 ： m 10cm
双侧检验的接受域和拒绝域
抽样分布
拒绝域 /2 1- /2 接受域 置信水平 拒绝域
临界值
H0值
临界值
样本统计量
双侧检验的接受域和拒绝域
抽样分布
拒绝域 /2 1- 接受域 H0值 样本统计量 置信水平 拒绝域 /2
临界值
临界值
提出假设(例题分析)
【例2】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
-1.645
0
U
【例】根据过去大量资料，某厂生产的
灯泡的使用寿命服从正态分布N(1020， 1002)。现从最近生产的一批产品中随机 抽取16只，测得样本平均寿命为1080小 时。试在0.05的显著性水平下判断这批产 品的使用寿命是否有显著提高？(＝0.05)
(08)第8章 假设检验
是大样本还是小样本 总体方差已知还是未知
3. 检验统计量的基本形式为 X 0 Z n 8 - 13
作者：徐刚，河南城建学院数理系
统计学
STATISTICS
规定显著性水平
(significant level)
(第五版)
什么是显著性水平？ 1. 是一个概率值
2. 原假设为真时，拒绝原假设的概率
决策:
在 = 0.05的水平上拒绝H0
结论:
有证据表明这批灯泡的使用 寿命有显著提高
作者：徐刚，河南城建学院数理系
8 - 36
0
1.645
Z
统计学
STATISTICS
2 未知大样本均值的检验
(例题分析)
单侧检验
(第五版)
【例】某电子元件批量生产的 质量标准为平均使用寿命 1200 小时。某厂宣称他们采用一种 新工艺生产的元件质量大大超 过规定标准。为了进行验证， 随机抽取了 100 件作为样本， 测得平均使用寿命 1245 小时， 标准差 300 小时。能否说该厂 生产的电子元件质量显著地高 于规定标准？ (＝0.05)
(第五版)
拒绝
1/2 P 值
临界值
计算出的样本统计量
8 - 18
H0值
临界值
Z
计算出的样本统计量
作者：徐刚，河南城建学院数理系
统计学
STATISTICS
左侧检验的P 值
置信水平
(第五版)
抽样分布
拒绝域
1-
P值
临界值 计算出的样本统计量 8 - 19
H0值
样本统计量
作者：徐刚，河南城建学院数理系
左侧检验时，P-值为曲线上方小于等于检 验统计量部分的面积 右侧检验时，P-值为曲线上方大于等于检 验统计量部分的面积
统计学第8章假设检验
市场调查中常用的假设检验方法包括T检验、Z检验和卡方 检验等。选择合适的检验方法需要考虑数据的类型、分布 和调查目的。例如，对于连续变量，T检验更为适用；对于 分类变量，卡方检验更为合适。
医学研究中假设检验的应用
临床试验
在医学研究中，假设检验被广泛应用于临床试验。研究 人员通过设立对照组和实验组，对不同组别的患者进行 不同的治疗，然后收集数据并使用假设检验来分析不同 治疗方法的疗效。
03 假设检验的统计方法
z检验
总结词
z检验是一种常用的参数检验方法，用于检验总体均值的假设。
详细描述
z检验基于正态分布理论，通过计算z分数对总体均值进行检验。它适用于大样本 数据，要求数据服从正态分布。z检验的优点是简单易懂，计算方便，但前提假 设较为严格。
t检验
总结词
t检验是一种常用的参数检验方法，用于检验两组数据之间的差异。
卡方检验
总结词
卡方检验是一种非参数检验方法，用于 比较实际观测频数与期望频数之间的差 异。
VS
详细描述
卡方检验通过计算卡方统计量来比较实际 观测频数与期望频数之间的差异程度。它 适用于分类数据的比较，可以检验不同分 类之间的关联性。卡方检验的优点是不需 要严格的假设前提，但结果解释需谨慎。
04 假设检验的解读与报告
详细描述
t检验分为独立样本t检验和配对样本t检验，分别用于比较两组独立数据和同一组数据在不同条件下的 差异。t检验的前提假设是小样本数据近似服从正态分布。t检验的优点是简单易行，但前提假设需满 足。
方差分析
总结词
方差分析是一种统计方法，用于比较两个或多个总体的差异。
详细描述
方差分析通过分析不同组数据的方差来比较各组之间的差异。它适用于多组数据的比较，可以检验不同因素对总 体均值的影响。方差分析的前提假设是各组数据服从正态分布，且方差齐性。
管理定量分析课程第8章：假设检验
判决
无罪 有罪
陪审团审判
真实的情况
无罪
有罪
判决正确
判决错误
判决错误
判决正确
结论
未拒绝原假设 拒绝原假设
假设检验 总体参数的实际情况
原假设为真 备择假设为真 结论正确 第二类错误 第一类错误 结论正确
11
假设检验中犯Ⅰ型错误的概率，称为显著性水平（level of significance），即指当零假设实际上是正确时，检验统计量落
7
又如：教育部要检验2012年录取的大学新生平均身高是否 达到了170cm标准，这样需要提出原假设（H0）：2012
年大学新生（总体）的平均身高（µ ）是170cm。为了检
验这个假设是否正确，需要根据随机取样的原则，从2012 年的大学新生总体中选取样本并计算样本的平均高度，以 此来检验原假设的正确性。
8
假设检验一般分为参数假设检验和非参数假设检验两种类型。参 数假设检验对变量的要求较为严格，适合于等距变量和比率变量 ，非参数假设检验对变量的要求较为自由，既适合于等距变量和 比率变量，也适用于类别变量和顺序变量。
变量测量层次
分类（nominal）变 量
数学性（interval）变量
4
一、假设与假设检验
假设是科学研究中广泛应用的方法，它是根据已知理 论与事实对研究对象所作的假定性说明。统计学中的 假设一般专指用统计学术语对总体参数所做的假定性 说明。在进行任何一项研究时，都需要根据已有的理 论和经验事先对研究结果作出一种预想的假设。这种 假设叫科学假设，在统计学上称为研究假设。对这种 研究假设进行证实或证伪的过程叫假设检验。
非参数检验是一种与总体分布状况无关的检验方法，它不 依赖于总体分布的形式。
第8章假设检验含答案
答案：C
5.在假设检验中，拒绝实际上不成立的H0假设是（ ） 。
A、 犯第I类错误 B、 犯第II类错误 C、 推断正确 D、 A,B都有可能
答案：C
6.α=0.05, t>t0.05,ν,统计上可认为()。
A、两总体均数差别无显著意义 B、两样本均数差别无显著意义
C、两总体均数差别有显著意义D、两样本均数差别有显著意义
答案：A
3.在假设检验中，由于抽样偶然性，接受了实际上不成立的H0假设，则（ ）。
A、 犯第I类错误 B、 犯第II类错误 C、 推断正确 D、 A,B都有可能
答案：B
4.在假设检验中，接受了实际上成立的H0假设，则（ ）。
A、 犯第I类错误 B、 犯第II类错误 C、 推断正确 D、 A,B都有可能
9.假设检验中，显著性水平表示（）。
A、P{接受 | 为假} B、P{拒绝 | 为真}
C、置信度为D、无具体含义
答案：B
11.在对总体参数的假设检验中，若给定显著性水平（0<<1），则犯第一类错误的概率为（）。
A．1-B、C、/2 D、不能确定
答案：B
12.对某批产品的合格率进行假设检验，如果在显著性水平=0.05下接受了零假设，则在显著性水平=0.01下（）。
C、样本量太大容易引起检验结果显著
D、样本量太小容易引起检验结果显著
答案：BC
13.以下问题可以用Z检验的有（ ）。
A、正态总体均值的检验，方差已知
B、正态总体均值的检验，方差未知
C、大样本下总体均值的检验
D、正态总体方差的检验
答案：AC
14.对总体均值进行检验，影响检验结论的因素有（ ）
A、显著性水平B、样本量n
5.在假设检验中，拒绝实际上不成立的H0假设是（ ） 。
A、 犯第I类错误 B、 犯第II类错误 C、 推断正确 D、 A,B都有可能
答案：C
6.α=0.05, t>t0.05,ν,统计上可认为()。
A、两总体均数差别无显著意义 B、两样本均数差别无显著意义
C、两总体均数差别有显著意义D、两样本均数差别有显著意义
答案：A
3.在假设检验中，由于抽样偶然性，接受了实际上不成立的H0假设，则（ ）。
A、 犯第I类错误 B、 犯第II类错误 C、 推断正确 D、 A,B都有可能
答案：B
4.在假设检验中，接受了实际上成立的H0假设，则（ ）。
A、 犯第I类错误 B、 犯第II类错误 C、 推断正确 D、 A,B都有可能
9.假设检验中，显著性水平表示（）。
A、P{接受 | 为假} B、P{拒绝 | 为真}
C、置信度为D、无具体含义
答案：B
11.在对总体参数的假设检验中，若给定显著性水平（0<<1），则犯第一类错误的概率为（）。
A．1-B、C、/2 D、不能确定
答案：B
12.对某批产品的合格率进行假设检验，如果在显著性水平=0.05下接受了零假设，则在显著性水平=0.01下（）。
C、样本量太大容易引起检验结果显著
D、样本量太小容易引起检验结果显著
答案：BC
13.以下问题可以用Z检验的有（ ）。
A、正态总体均值的检验，方差已知
B、正态总体均值的检验，方差未知
C、大样本下总体均值的检验
D、正态总体方差的检验
答案：AC
14.对总体均值进行检验，影响检验结论的因素有（ ）
A、显著性水平B、样本量n
- 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)。
2 已知均值的检验
(小样本例题分析)
【例】 根据过去大量资料，
某厂生产的灯泡的使用寿命 服 从 正 态 分 布 N~(1020 ， 1002)。现从最近生产的一 批产品中随机抽取16只， 测得样本平均寿命为1080 小时。试在0.05的显著性水 平下判断这批产品的使用寿 命 是 否 有 显 著 提 高？ ( ＝ 0.05)
H0: < 2% H1: 2%
单侧检验
(原假设与备择假设的确定)
某灯泡制造商声称，该企业所生产的灯泡 的平均使用寿命在1000小时以上。如果你 准备进一批货，怎样进行检验
检验权在销售商一方 作为销售商，你总是想收集证据证明生产商 的说法(寿命在1000小时以上)是不是正确的 备择假设的方向为“<”( 寿命不足1000小 时) 建立的原假设与备择假设应为 H0: 1000 H1: < 1000
4.
建立的原假设与备择假设应为 H0: 10 H1: 10
双侧检验
(显著性水平与拒绝域 )
抽样分布
拒绝域 /2 1- 置信水平 拒绝域 /2
临界值
H0值
临界值
样本统计量
假设检验中的小概率原理
假设检验中的小概率原理
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
3.
双侧检验
(显著性水平与拒绝域 )
抽样分布
拒绝域
/2 1- 置信水平
拒绝域
/2
3174.32 -1.96
3190
3205.68 1.96
样本统计量
0
作出统计决策
1. 2.
3.
4.
计算检验的统计量 根据给定的显著性水平，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 得出拒绝或不拒绝原假设的结论
2.第二类错误（取伪错误）
假设检验中的两类错误
（决策结果）
H0: 无罪
假设检验就好像一场审判过程
统计检验过程
陪审团审判 实际情况 裁决 无罪 无罪 有罪 正确 错误 有罪 错误 正确 接受H0 拒绝H0 决策
H0 检验 实际情况
H0为真
H0为假
正确决策 第二类错 误() (1 – ) 第一类错 正确决策 误() (1-)
抽样分布
置信水平 拒绝域 1-
H0值
观察到的样本统计量
临界值
样本统计量
右侧检验
(显著性水平与拒绝域)
抽样分布
置信水平 拒绝域
1-
H0值
临界值
样本统计量
确定适当的检验统计量
什么检验统计量？
1.用于假设检验决策的统计量 2.选择统计量的方法与参数估计相同，需考 虑 X 0 检验统计量的基本形式为 Z n 对样本统计量做标准分数处理
抽取随机样本
均值 X = 20
假设检验的步骤
提出假设 确定适当的检验统计量 规定显著性水平 计算检验统计量的值 作出统计决策
提出原假设和备择假设
1. 2.
什么是原假设？(null hypothesis) 待检验的假设，又称“0假设” 为什么叫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: 1500
H1: 1500
单侧检验
(原假设与备择假设的确定)
一项研究表明，改进生产工艺后，会使 产品的废品率降低到2%以下。检验这一 结论是否成立
研究者总是想证明自己的研究结论(废品率 降低)是正确的
备择假设的方向为“<”(废品率降低) 建立的原假设与备择假设应为
结论:
有证据表明这批灯泡的使用 寿命有显著提高
0
1.645
Z
2 未知大样本均值的检验
(例题分析)
【例】某电子元件批量生产 的质量标准为平均使用寿命 1200小时。某厂宣称他们采 用一种新工艺生产的元件质 量大大超过规定标准。为了 进行验证，随机抽取了100 件作为样本，测得平均使用 寿命1245小时，标准差300 小时。能否说该厂生产的电 子元件质量显著地高于规定 标准？ (＝0.05)
第 8 章 假设检验
第 8 章 假设检验
§8.1 假设检验的基本问题 §8.2 一个正态总体参数的检验 §8.3 假设检验中的其他问题
学习目标
1. 2. 3. 4. 5.
了解假设检验的基本思想 掌握假设检验的步骤 对实际问题作假设检验 利用置信区间进行假设检验 利用P - 值进行假设检验
§8.1 假设检验的基本问题
单侧检验
(显著性水平与拒绝域)
抽样分布
拒绝域 置信水平
1-
临界值
H0值
样本统计量
左侧检验
(显著性水平与拒绝域)
抽样分布
拒绝域 置信水平
1-
临界值
H0值
样本统计量
观察到的样本统计量
左侧检验
(显著性水平与拒绝域)
抽样分布
拒绝域 置信水平
1-
临界值
H0值
样本统计量
右侧检验
(显著性水平与拒绝域)
单侧检验
2 未知大样本均值的检验
(例题分析)
H0: 1200 H1: >1200 = 0.05 n = 100 临界值(s):
拒绝域 0.05
检验统计量:
z
x 0
n
1245 1200 300 100
1.5
决策:
在 = 0.05的水平上不拒绝H0
什么是假设检验?
(hypothesis testing)
1.事先对总体参数或分布形式作出某种假设， 然后利用样本信息来判断原假设是否成立 2。采用逻辑上的反证法，依据统计上的小 概率原理
假设检验的过程
提出假设 作出决策
拒绝假设! 别无选择.
总体
我认为人口的平 均年龄是50岁
单侧检验
2 已知均值的检验
(小样本例题分析)
H0: 1020 H1: > 1020 = 0.05 n = 16 临界值(s):
拒绝域 0.05
检验统计量:
x 0 1080 1020 z 2.4 n 100 16
决策:
在 = 0.05的水平上拒绝H0
3. 表示为 (alpha)
4. 由研究者事先确定
假设检验中的两类错误
(决策风险)
假设检验中的两类错误
1.第一类错误（弃真错误）
原假设为真时拒绝原假设 会产生一系列后果 第一类错误的概率为 被称为显著性水平 原假设为假时接受原假设 第二类错误的概率为(Beta)
§8.2 一个正态总体参数的检验
检验统计量的确定 总体均值的检验 总体比例的检验 总体方差的检验
一.
二. 三. 四.
一个总体参数的检验
一个总体
均值
比例
方差
Z 检验
（单尾和双尾）
t 检验
（单尾和双尾）
Z 检验
（单尾和双尾）
2检验
（单尾和双尾）
总体均值检验
总体均值的检验
(检验统计量)
是
总体 是否已知 ？
否
小 样本容量 n
用样本标 准差S代替
大
z 检验
z 检验
t 检验
Z
X 0
Z
X 0 S n
t
X 0 S n
n
总体均值的检验
(2 已知或2未知大样本)
1.
假定条件
总体服从正态分布 若不服从正态分布, 可用正态分布来近似 (n30)
2.
使用Z-统计量
2
2
已知： Z
双侧检验
假设检验的步骤
提出假设 确定适当的检验统计量 规定显著性水平 计算检验统计量的值 作出统计决策
2 已知均值的检验
(例题分析)
H0: = 0.081 H1: 0.081 = 0.05 n = 200
检验统计量:
z
x 0
n
0.076 0.081 0.025 200
未知： Z
X 0
X 0 S n
n
~ N (0,1) ~ N (0,1)
2 已知均值的检验
(例题分析)
【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）
/2
临界值
H0值
临界值
样本统计量
双侧检验
(显著性水平与拒绝域)
抽样分布
拒绝域 /2 1- 置信水平 拒绝域 /2
临界值
H0值
临界值
样本统计量
单侧检验
(原假设与备择假设的确定)
1.
将研究者想收集证据予以支持的假设作为备择 假设H1
例如,一个研究者总是想证明自己的研究结论是正 确的 一个销售商总是想正确供货商的说法是不正确的 备择假设的方向与想要证明其正确性的方向一致