统计学第六章 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,
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。
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，
(卫生统计学)第六章 假设检验基础
药前后患儿血清中免疫球蛋白IgG(mg/dl)含量
编号 1 2 3 4 5 6 7 8 9 10 11 12
用药前 1206.4 921.69 1294.08 945.36 721.36 692.32 980.01 691.01 910.39 568.56 1105.52 757.43
用药后 1678.44 1293.36 1711.66 1416.70 1204.55 1147.30 1379.59 1091.46 1360.34 1091.83 1728.03 1398.86
目的
H0
H1
双侧检验 是否μ1≠μ2
μ1=μ2
μ1≠μ2
单侧检验 是否μ1>μ2
μ1=μ2
μ1>μ2
或是否μ1<μ2
μ1=μ2
μ1<μ2
返回
选定检验方法和计算检验统计量
要根据研究设计的类型和统计推断的目的选用不同的检验方法。如 成组设计的两样本均数的比较用t检验（小样本）或Z检验（大样本）， 两样本方差的比较用F检验。
(卫生统计学)第六章 假设检验基础
第一节、假设检验的概念与原理 一、假设检验的思维逻辑
1.小概率原理 小概率事件在一次随机试验中几乎是不可能发生
2.假设检验处理问题的特点 ⑴从全局的范围，即从总体上对问题作出判断 ⑵不可能对总体的每个个体均作观察
二、假设检验步骤
例6-1 已知北方农村儿童前囟门闭合月龄为14.1月。某研究者从东北某县抽取36名 儿童，得囟门闭合月龄均值为14.3月，标准差为5.08月。问该县儿童前囟门闭合月 龄的均数是否大于一般儿童？
四、方差齐性检验 homogeneity of variance test
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)
- 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)。
59.2 68.3 57.8 56.5 63.7 57.3 2、 解 : x 60.47 6 S 设 n 1 H 0 : 55
0
2 ( x x ) i
4.61
H1 : 55 x - H 成立 t t(n - 1) ～ S n 60.47 55 2.91 4.61 6 t 0.05 (6 1) 2.57
1 、 解:
设H 0 : p 0.75 H1 : p 0.75
313 ˆ p 356 H 成立 ˆ - p0 p z ～ N (0,1) p 0 (1- p 0 ) n 313 0.75 356 5.63 0.75 0.25 356 z 2.58
0
2
z 5.63 2.58 拒绝H 0 , 即医生的看法有误 .
5.某公司对男女职工的平均小时工资进行了调查, 独立抽取了具有同类工作经验的男女职员两个随机样本, 结果如果下 : 男性职员: n 1 441 , x1 75元,S12 64元;
2 女性职员: n 2 32, x2 70元,S2 42.25元.问, 能否认为
男性职员与女性职员的平均小时工资存在显著差异(a 0.05)?
2
t 2.91 2.57 故拒绝H 0 , 即原摊贩上报的数字不 可信.
3、 解 : 设H 0 : 2.5 H1 : 2.5 x - H 成立 z N (0,1) ～ S n 2.1 2.5 3.6 1.1 100 0.05 z 1.65
2
Z 3.002 1.96 故拒绝H 0 , 接受H1 即可以认为该公司男女职工的平均小时工资存在差异.
(8 1) 0.216 (7 1) 0.273 0.242 872 (x1 x2 ) H 成立 t t (n1 n2 2) ～ 1 1 S n1 n2
0
(19.93 20.14) 0.825 1 1 0.242 8 7 t0.025 (8 7 2) 2.16 故接受H 0 , 拒绝H1
3、某研究人员为了证实知识分子家庭的平均子女数低于工 人家庭的平均子女数(后者平均子女数为2.5元).作了共100名 知识分子的抽样调查,其结果为:平均子女数为2.1人,标准差为 1.1人,问上述看法是否得以证实(a=0.05)?
4.甲乙两台机床同时加工某种同类型的零件,已知两台机床加工 2 的零件直径分别服从正态分布，并且有 12 2 ,为了比较两 台机床的加工精度有无显著差异，抽取甲机床加工的8个零件， 测得平均直径为: ;抽出乙机床加工的7个 x1 19.93, S12 0.216 2 零件，测得平均直径： x2 20.14, S2 ,问在0.05水平下， 0.273 样本数据是否提供证据支持“两台机床加工的零件直径不一 致”的看法?
1、一个著名的医生声称有75%的女性所穿鞋子过小,一个研 究组织对356名女性进行了研究,发现其中有313名妇女所穿 鞋子的号码至少小一号,对这个医生的诊断你有什么看法 (a=0.01)?
2、根据某摊贩的上报,每天平均营业额为55元.经过6天的抽 样调查,其营业额为(设营业额满足正态分布):59.2(元) 68.3(元) 57.8(元) 56.5(元) 63.7(元) 57.3(元) ,问:原摊贩上 报的数字是否可信(a=0.05)?
0
z 3.6 1.65 故拒绝H 0 , 接受H1 即知识分子家庭的子女 数低于工人家庭的 1 2 H1 : 1 2
2 2 2
方差未知, 1 2
2
S2
(n1 1) S 1 ( n2 1) S 2 n2 n2 2
|t| 0.825 2.16
即不可以认为两车床加工的零件直径不一致.
5.解 : 设 Z
H 0 : 1 2 H1 : 1 2
H 0成立
(x1 x2 )
S
S2 n1 n2
1
2
2
N (0,1) ～
75 70 64 42.25 44 32 3.002 Z 0.05 1.96