6假设检验

合集下载

第6假设检验

第6假设检验
6.3 总体均值的假设检验 6.4 总体比例的假设检验
第三页,共七十六页。
学习目标
了解假设检验的含义和假设的形式 。 掌握假设检验的基本思想,区分假设检验
中的两类错误 。 掌握假设检验的步骤和假设检验的方法。 重点掌握一个总体均值的检验及一个总体
成数的检验。
第四页,共七十六页。
6.1 假设检验的一般问题
第Ⅰ类错误的概率记为α。
2. 第Ⅱ类错误(取伪错误)
原假设为错误时未拒绝原假设,
而认为其正确
第Ⅱ类错误的概率记为β
第十九页,共七十六页。
假设检验中的两类错误
H0: 无罪
假设检验就好像一场审判过程
陪审团审判
实际情况
裁决
无罪
有罪
无罪
正确
错误
有罪
错误
正确
统计检验过程
H0 检验
决策 未拒绝H0
实际情况
H0为真
什么是假设检验?
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。
第七页,共七十六页。
u小概率事件:发生概率很小的事件。
u小概率原理:小概率事件在一次试验中是几乎不可 能发生的。
如果自1998年以后,家庭平均人口增加或减少了, 那么家庭人口规模就发生了变化。这是一个双尾检 验的例子。 则原假设和备择假设为:
H0 : 3.18人 H1 : 3.18人
第二十六页,共七十六页。
双侧检验
当 H0: 0 ;H1: 0 时,就称为双侧检验,其目的 是观察在规定的显著性水平下所抽取的样本统计量是否 显著地高于或低于假设的总体参数。

6 假设检验

6 假设检验




常用的α 值为0.01, 0.05, 0.1
由研究者事先确定。
拒绝域 1/2 1 - 接受域
拒绝域 1/2
临界值
H0
临界值
假设检验的步骤

根据问题要求提出 原假设(H0 )和备择假设(H1); 确定适当的检验统计量及相应的抽样分布;

计算检验统计量的值;

选取显著性水平,确定原假设的接受域和拒绝域; 作出统计决策。

举例2

某品牌洗发水在产品说明书中称:平均净含 量不少于500ml。相关机构要通过抽检其中 一批产品来验证是否属实。试陈述用于检验
的原假设和备择假设。

设该品牌洗发水的平均净含量真值是μ。 如果μ<500,表明说明书的内容不属实。

H0 :μ ≥ 500 (净含量符合说明书)
H1 :μ < 500 (净含量不符合说明书)
举例3

一家研究机构估计,某城市中家庭拥有汽车 的比率超过30%。为验证这一估计是否正确, 该机构随机抽取了一个样本进行检验。试陈
述用于检验的原假设和备择假设。

设该城市家庭拥有汽车的比率真值是 p。 研究者想收集证据予以证明:比率不超过30% H0 :p ≤ 30% (比率不超过30%)

H1 :p > 30% (比率超过30%)
例题

一种罐装饮料每罐的容量是255ml,标准差是
5ml。为检验每罐容量是否符合要求,质检人员
在某天的产品中随机抽取40罐进行检验,测得平 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。

设饮料的平均容量为μ。 H0 :μ = 255 (容量符合要求) H1 :μ≠255 (容量不符合要求)

6假设检验基础

6假设检验基础

3、选择检验方法并计算统计量:要根据所分析资料的类 选择检验方法并计算统计量: 型和统计推断的目的要求选用不同的检验方法。 型和统计推断的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, 确定P 值是指由H 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。 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, 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 查出P值。
H0:µ = µ0
t= s
H1 : µ ≠ µ0 (单侧µ > µ0或µ < µ0 )
n ~ t(ν ), ν = n − 1
X − µ0
二、配对设计资料的t检验 配对设计资料的t 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。 采用的一种试验设计方法。 形式: 形式:1、将受试对象配成特征相近的对子,同对的两个受试 将受试对象配成特征相近的对子, 对象随机分别接受不同处理; 对象随机分别接受不同处理; 2、同一样品分成两份,随机分别接受不同处理(或测量); 同一样品分成两份,随机分别接受不同处理(或测量); 3、同一受试对象处理前后,数据作对比。 同一受试对象处理前后,数据作对比。
单双侧的确定一是根据专业知识, 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; 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 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,故较为常用。 为双侧检验较为稳妥,故较为常用。
已知: 已知:µ0 = 14.1 X = 14.3 s = 5.08 n = 36

6 sigma-假设检验方法

6 sigma-假设检验方法

常用的参数假设检验方法由于正态分布是母体中最常见的分布,所抽取的子样也服从正态分布,由此类子样构成的统计量是进行假设检验时最常用的统计量,以下的几种参数假设检验方法均是此类统计量。

一、检验法1.检验法的概念设母体服从正态分布,母体方差为已知。

从母体中随机抽取容量为的子样,可求得子样均值,利用子样均值对母体均值进行假设检验,则可用统计量,其分布为标准正态分布。

即(7-2-1)将这种服从标准正态分布的统计量称为变量,利用统计量所进行的检验方法称为检验法。

2.检验法的类型根据检验问题的不同,利用检验法对母体均值进行检验时,可选用双尾检验法、单尾检验法(左尾检验法或右尾检验法)。

(1)双尾检验法。

假设:;即 或或写成式中 ,为标准正态分布的双侧100百分位点。

当或时,接受,拒绝;反之,拒绝,接受;(2)左尾检验法假设:。

u u )(2σμ,N 2σn x x μn x u σμ-=)1,0(N n x u ~σμ-=u u u u u μ000::μμμμ≠=1;H H ασμααααα-=⎭⎬⎫⎩⎨⎧+<=⎭⎬⎫⎩⎨⎧+<<-=⎭⎬⎫⎩⎨⎧+<-<-1222202z u P z u z P z n x z P ασμσαα-=⎭⎬⎫⎩⎨⎧⎪⎪⎭⎫ ⎝⎛+<-<⎪⎪⎭⎫ ⎝⎛-1202n z x n z P {}αμ-=<-10k x P ⎪⎪⎭⎫⎝⎛=n z k σα22αz α2αz u +<kx <-0μ0H 1H 0H 1H 000::μμμμ<=1;H H即或写成式中,为标准正态分布的上100百分位点。

当或时,拒绝,接受;反之,接受, 拒绝;(3)右尾检验法 假设:。

即或写成式中当或时,拒绝,接受;反之,接受, 拒绝;例[7-1] 已知基线长,认为无误差。

为了鉴定光电测距仪,用该仪器对该基线施测了34个测回,得平均值,已知,问该仪器测量的长度是否有显著的系统误差(取)。

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)

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

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


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


,接受 H 1 。表明在
第二节 总体均值的假设检验
(二)总体为非正态分布或分布未知 当总体分布为非正态分布且大样本时,检验的 X 统计量为 Z
0
/
n

在“原假定成立”的条件下,只要样本容量充分 大(一般习惯上要求 n≥30),它近似服从标准正 态分布。 如果标准差σ未知,只需用样本标准差S作为它 的估计量代替式中的 σ即可,这时检验统计量为

检验统计量服从t分布与其服从标准正态分布的检验结论判断方法一致
例6.3 某厂购买了一台新的生产机器,生产零件的长度规定为10厘米。为了 检验机器的性能是否良好,质检员随机抽取了25件产品,测得其平均长度为9.8厘 米,标准差为0.4厘米。假设生产的零件长度服从正态分布,问在显著性水平 =0.05时,该机器的性能是否良好。 2 解:设 X 表示该机器生产零件的长度,则有 X ~ N (, ),样本容量n=25,样本 均值 x =9.8厘米,样本标准差 s 0.4 厘米。根据问题提出的假设为: H0 : 0 =10厘米; H 1 : 0 =10厘米 这是一个双侧检验问题,因为总体服从正态分布但总体方差未知,用检验的小 样本数据检验,故当 H 0 成立时,检验统计量为: x 0
t
s n
规定显著性水平为 =0.05,查表得到临界值 t / 2(24) 2.064 ,所以原假设的否 定域为:t 2.064 。 计算检验统计量的值: t x 0 9.8 10 2.5
s 0.4 n 100
因为 |-2.5|=2.5>2.064,落在否定域,所以否定 H 0 显著性水平 =0.05时,不能说该机器的性能良好。 互动地带 6-11
第Ⅱ类错误,也称取伪错误 本来是非真的,却根据检验统计量的值把它给接受了。 发生这种错误的概率通常用 表示,即 P(接受H 0 / H 0非真) 在样本容量一定时,犯两种错误的风险是彼此消长的。两者要同时得到控制只 有增加样本容量。在样本容量受限时,通常根据研究问题的性质决定重点控制 第一类错误的风险还是控制第二类错误的风险。

Chapter 6 假设检验

I类(弃真):P(弃真)=a 即P(拒绝H0| )=a
α/2
拒绝H0
1-α 接受H0
α/2
拒绝H0
II类(取伪):即P(接受H0|
),常为ß
6.4单侧检验问题
单侧问题:一批产品,供给方称其平均寿命 不小于1000小时。抽样,验证是否可信 标准值为“效益”类:越大越好 标准值为“成本费用”类:越小越好 难点:如何定
368 gm.
H0: m = 368 H1: m 368
Steps of Hypothesis Test 假设检验的步骤 提出原假设H0与备选假设H1; 选择检验统计量;
给定显著性水平α,确定拒绝域;
由样本值计算统计量的值;
作判断,确定接受还是拒绝H0。
H0: m = 386 H1: m 386
又Za=1.96,-Za=-1.96(临界点) 由1.25>-1.96 故接受H0,即认为可以相信已达标
2: H0: μ μ 0 =1000 H1: μ > μ 0 =1000 有统计量:
Z =
X m

1010 1000 = = 1Байду номын сангаас25 80 n 100
又Za=1.646 故应取H0,即认为未能达标
思考:如何处理为好?如何理解矛盾的结论?
区间估计
对m无先验信息
假设检验
有经验值或标准值
抽样定区间
理论严格
抽样看是否差不多
不严格,不能避免犯错误
3、对
的进一步理解
“=”表示差异不大、不明显、差不多; “≠”表示有显著差异。 这里的“=”与“≠”仅有形式上等与不 等的逻辑互补关系,但只能借其形式表达 “差不多”与“差异显著”两种倾向。
  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)。
0 Z , n
12
数学期望的假设检验
左侧检验: • 假设H0:=0,备择假设H1: <0 ; • 选统计量 U X 0 ~ N (0,1) / n • 对给定的显著性水平,小概率事件 U<-Z概率表达式P{U<-Z}= • 算出x,u,查出Z • 判断:
2
10
数学期望的假设检验
(3)单侧检验 方差2已知,检验 右侧检验: • 给出原假设H0:=0,备择假设H1: >0 ; • 在H0 :=0成立的前提下,选统计量 X 0 U ~ N (0,1) / n • 对给定的显著性水平,按照对立假设
11
数学期望的假设检验
H1和统计量U的分布,小概率事件U>Z 概率表达式P{U>Z}= • 算出x,u,查出Z • 判断: 若U>Z,小概率事件出现,拒绝H0,接受H1 ; 若U<Z ,小概率事件没出现,接受H0 。 拒绝域
12
n1
2 2
n2
22
期望差的假设检验
• 对给定的,小概率事件为|U|>Z/2(n) • 拒绝域:(-,-Z/2 )(Z/2 , +) 接受域:(-Z/2 , Z/2 ) 考虑x,y,则拒绝域
2 12 2 , Z 0 2 n1 n2 2 12 2 Z , 0 2 n1 n2
(2)方差2未知,检验 用样本方差S2代替2 ,即用S代替 。 • 给出原假设H0:=0,对立假设H1: 0 ; • 在H0 :=0成立的前提下,选统计量 X 0 T ~ t (n 1) S/ n • 对给定的显著性水平,按照对立假设H1 和统计量T的分布,小概率事件|T|>t/2(n-1) 概率表达式P{|T|>t/2(n-1)}=


4
1.数学期望的假设检验
(1)方差2已知,检验 • 给出原假设H0:=0,对立假设H1: 0 ; • 在H0 :=0成立的前提下,选统计量 X 0 U ~ N (0,1) / n • 对给定的显著性水平,按照对立假设H1 和统计量U的分布,小概率事件|U|>Z/2 , 概率表达式P{|U|>Z/2}=
接受域
2 2 12 2 12 2 Z , 0 Z 0 2 2 n1 n2 n1 n2
23
期望差的假设检验
对右侧检验:H0: 1-2=0, H1:1-2>0 2 拒绝域 12 2

0 Z
X Y T
Sw
其中S w
0
1 1 n1 n2
~ t (n1 n2 2)
n1 1S12 n2 1S 22
n1 n2 2
25
期望差的假设检验
• 对给定的,小概率事件为 |T|>t/2(n1+n2-2) • 拒绝域:(-,-t/2 )(t/2 , +) 接受域:(-t/2 , t/2 ) 1 1 考虑x,y,记 K t (n1 n2 2) S w
29பைடு நூலகம்
方差比的假设检验
• 拒绝域
0, F (n , n ) F (n , n ), 1 2 1 2 1 2 2
2 P 0 K 2 12 (n 1) (n 1) K 2
2 2


18
方差的假设检验
• 由样本值算出S2,K2值,查表得出 2/2(n-1), 21- /2(n -1) • 判断 若K2 < 21- /2(n -1)或K2 > 2/2(n -1) ,则拒 绝H0 , 若21- /2(n -1)<K2<2/2(n -1) ,则接受H0 拒绝域 0, 12 (n 1) 2 (n 1), 接受域 2 (n 1), 2 (n 1)
21
3. 期望差的假设检验
X~N(1,12),Y~N(2,22), X,Y相互独立, X的样本为X1,X2,,Xn1,X为样本均值, Y的样本为Y1,Y2,,Yn2,Y为样本均值。 分三种情况检验1 - 2 (1)方差12 ,22已知 • H0:1-2=0, H1:1-20,(0为常数) • 选统计量 U X Y 0 ~ N (0,1)
2
假设检验的步骤
• 由样本值计算出需要的数值,并查出必 要的常数值; • 判断小概率事件是否发生。根据小概率 原理,若小概率事件在一次试验中发生, 就认为原假设H0不合理,就拒绝H0 (接受H1),若小概率事件未发生,就 认为原假设H0合理,接受H0 。
3
二、正态总体的假设检验
设X ~N(, 2),样本X1, X2 , , Xn , 2 n 样本均值 X 1 X i , X ~ N ( , n ), n i 1 2 1 n 2 样本方差 S Xi X n 1 i 1 n 1 2 2 S ~ ( n 1), n
8
数学期望的假设检验
• 由样本值算出x,s2,从而算出统计量T 的值t,并查出t/2(n-1) • 判断小概率事件|T|>t/2(n-1)是否出现, 若|T|>t/2(n-1),就拒绝H0; 若|T|<t/2(n-1),就接受H0 。 H0的关于T的接受域:(-t/2 , t/2 ) 拒绝域:(-,-t/2 )(t/2 , +)
2 S12 S 2 n1 n2

2
0
~ N (0,1)
• 对给定的,记 K Z
2
拒绝域(-, 0 -K/2 )(0 +K/2 , +)
27
2 s12 s2 n1 n2
4. 方差比的假设检验
X~N(1,12),Y~N(2,22), X,Y相互独立, 12 / 22为方差比 (1)1 , 2已知 • H0: 12 / 22 =1,即12=22 , H1: 12 22 ,
5
数学期望的假设检验
• 由样本值算出样本均值x,从而算出统 计量U的值u,并查出Z/2 • 判断小概率事件|U|>Z/2是否出现, 若|U|>Z/2 ,即小概率事件出现,就拒绝H0; 若|U|<Z/2 ,即小概率事件没出现,就接受 H0 。 此为U检验法。
6
数学期望的假设检验
H0的关于U的接受域:(-Z/2 , Z/2 ) 拒绝域:(-,-Z/2 )(Z/2 , +) H0的关于X的接受域:

2 2
则拒绝域(-, 0 -K/2 )(0 +K/2 , +)
接受域(0 -K/2 , 0 +K/2 )
n1
n2
26
期望差的假设检验
(3)方差12 ,22未知, 但n1,n2 都很大 • H0:1-2=0, H1:1-20,
• 选统计量
X Y U
1 2 2
方差的假设检验
概率表达式为
2 P 0 K 2 12 (n) (n) K 2
2 2


• 由样本值算出K2值,查表得出2/2(n), 21- /2(n) • 判断 若K2 < 21- /2(n)或K2 > 2/2(n) ,则拒绝H0 , 若21- /2(n)<K2<2/2(n) ,则接受H0 。
, 0 Z 0 Z 2 2 n n
拒绝域:
, , 0 Z 0 Z 2 2 n n
临界点 Z=Z/2 , x 0 Z

2
n
7
数学期望的假设检验
20
方差的假设检验
拒绝域 (2(n),+) ,接受域(0,2(n)) • 左侧检验: H0: 2 = 02 ,H1: 2 < 02; 统计量2(同上) 对给定的,小概率事件为2<21-(n), 查出21-(n) 拒绝域(0,21-(n)),接受域(21-(n),+)
9
数学期望的假设检验
H0的关于X的接受域: 拒绝域:
s s , 0 t 0 t 2 2 n n
s s , , 0 t 0 t 2 2 n n
临界点 t=t/2 , x t s 0 n 此为T检验法 。
13
数学期望的假设检验
若U<-Z,小概率事件出现,拒绝H0,接受H1 ; 若U>-Z ,小概率事件没出现,接受H0 。 拒绝域
, 0 Z n
14
2.方差的假设检验
(1)期望已知,检验2 • 原假设H0:2=02,对立假设H1: 2 02 ; • 在H0:2=02成立的前提下,选统计量 2 n Xi 2 ~ 2 ( n) K i 1 0 • 对给定的显著性水平,按照对立假设H1 和统计量的分布,小概率事件为 0 K 2 2 (n) 2 (n) K 2 15
X i 1 ~ 2 (n1 ) i 1 1
n 2
Yj 2 ~ 2 (n2 ) j 1 2
n 2
28
方差比的假设检验
F X i 1 1 n1 i 1 1
假设检验
一、假设检验的步骤
• 根据问题的要求给出原假设H0,同时给出 对立假设H1; • 在H0成立的前提下,选择合适的检验统 计量,这个统计量应包含要检验的参数, 同时它的分布应该是已知的; • 根据要求给出显著性水平(小概率), 按照对立假设H1和检验统计量的分布, 写出小概率事件及其概率表达式;
n 2
1 n2
相关文档
最新文档