假设检验的一般问题模版(PPT93张)
- 格式：ppt
- 大小：1.01 MB
- 文档页数：92
下载文档原格式
合集下载
假设检验PPT课件
60 62.5 65 67.5 70 72.5 75
b
H0 不真
67.5 70 72.5 75 77.5 80 82.5
两类错误是互相关联的， 当样本容 量固定时，一类错误概率的减少导致另 一类错误概率的增加.
b a
要同时降低两类错误的概率a b，或 者要在 a 不变的条件下降低 b，需要增
加样本容量.
（二）备择假设（alternative hypothesis），与原假设相对立(相反)的假设。 一般为研究者想收集数据予以证实自己观点的假设。 用H1表示。 表示形式：H1：总体参数≠某值 （＜） （＞）
例:H1： 0
（三）两类假设建立原则 1、H0与H1必须成对出现 2、通常先确定备择假设，再确定原假设 3、假设中的等号“=”总是放在原假设中
•
P>α时，H0成立
多重检验及校正
在同一研究中，有时我们会用到二次或多次显著 性检验，从上表可以看出，如果我们将显著性水平确 定为α=0.05水平，做一次显著性检验后我们只能保证 有95%的研究结果与真值是一致的；如果做两次显著 性检验后，研究结果与真值的符合程度就会降至 95%*95%=90.25，当我们进行5次显著性检验后，就 会降至77.4%，即在5次显著性检验后，由α水平所得 到的显著性检验结果的可靠性只有3/4的可靠性。
用于处理生物学研究中比较不同处理效应 的差异显著性。
数据资料中，两个样本的各个变量从各自 总体中抽取，两个样本之间变量没有任何关 联，即两个抽样样本彼此独立，不论两个样 本容量是否相同。
方法1：两个总体方差都已知（或方差未知大样本)
• 假定条件
– 两个样本是独立的随机样本
– 两个总体都是正态分布 – 若不是正态分布, 可以用正态分布来近似(n130和
假设检验ppt
“全班平均成绩是75分”，这就是一个假设 根据样本均值为72分，和已有的定理结论，对EX=75 是否正确作出判断，这就是检验，对总体均值的检验。
表达：原假设：H0：EX=75；备择假设： H1：EX≠75
判断结果：接受原假设，或拒绝原假设。
基本思想
参数的假设检验：已知总体的分布类型，对分布函数或 密度函数中的某些参数提出假设，并检验。
3、在Variables栏中，键入C2，在Test Mean栏中 键入750，打开Options选项，在Confidence level 栏中键入95，在Alternative中选择not equal，点击 每个对话框中的OK即可。
显示结果
结（1）因为 750746.98,754.58 所以接受原假设
如果统计量的观测值
T
x 0
Sn
t 2 (n 1)
则拒绝原假设；否则接受原假设
单边检验
H0：=0；H1：0
P
X
S
0
n
t
(n
1)
或 H0：=0；H1：0
P
X S
0
n
t
(n
1)
拒绝域为
T t (n 1)
拒绝域为
T t (n 1)
单个正态总体均值已知的方差检验 2检验
问题：总体 X~N（，2），已知
解 而样本均值为 x 14.9 故U统计量的观测值为 U x 15 4.9
0.05 6
因为 4.9 1.64 ，即观测值落在拒绝域内
所以拒绝原假设，即可认为平均重量是降低了。
计算机实现步骤
1、输入样本数据，存入C1列
2、选择菜单Stat>Basic Statistics>1-Sample Z
表达：原假设：H0：EX=75；备择假设： H1：EX≠75
判断结果：接受原假设，或拒绝原假设。
基本思想
参数的假设检验：已知总体的分布类型，对分布函数或 密度函数中的某些参数提出假设，并检验。
3、在Variables栏中，键入C2，在Test Mean栏中 键入750，打开Options选项，在Confidence level 栏中键入95，在Alternative中选择not equal，点击 每个对话框中的OK即可。
显示结果
结（1）因为 750746.98,754.58 所以接受原假设
如果统计量的观测值
T
x 0
Sn
t 2 (n 1)
则拒绝原假设；否则接受原假设
单边检验
H0：=0；H1：0
P
X
S
0
n
t
(n
1)
或 H0：=0；H1：0
P
X S
0
n
t
(n
1)
拒绝域为
T t (n 1)
拒绝域为
T t (n 1)
单个正态总体均值已知的方差检验 2检验
问题：总体 X~N（，2），已知
解 而样本均值为 x 14.9 故U统计量的观测值为 U x 15 4.9
0.05 6
因为 4.9 1.64 ，即观测值落在拒绝域内
所以拒绝原假设，即可认为平均重量是降低了。
计算机实现步骤
1、输入样本数据，存入C1列
2、选择菜单Stat>Basic Statistics>1-Sample Z
第五章假设检验01精品PPT课件
1. 与原假设对立的假设， 也称“备择假设”
2. 表示为 H1 3. 总是有符号 , 或
H1 ： <某一数值 或 某一数值
例如, H1 ： < 10cm， 或 10cm
提出假设
1. 原假设和对立假设是一个完备事件组，而且相互 对立 在一项假设检验中，原假设和对立假设必有一 个成立，而且只有一个成立
然后利用样本信息来判断假设是否成立
2. 类型
总体分布已知，
参数假设检验
检验关于未知参数
非参数假设检验
的某个假设
总体分布未知时的 假设检验问题
假设检验的过程
（提出假设→抽取样本→作出决策）
总体
提出假设
X的均值
作出决策
？？？
☺☺ ☺
☺☺ ☺☺
☺☺
抽取随机样本
☺
样本 均值
☺
假设检验的思想
假设检验的基本思想：通过提出假设，利用“小 概率原理”和“概率反证法”，论证假设的真伪 的一种统计分析方法。
解：研究者想收集证据予以支持的假设是“该城市中 家庭拥有汽车的比例超过30%”。建立的原假设和对 立假设为
H0 ：p 30% H1 ： p 30%
双侧检验与单侧检验
1、对立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、对立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) 对立假设的方向为“<”，称为左侧检验 对立假设的方向为“>”，称为右侧检验
拒绝H0
拒绝H0
/2
1 -
/2
0 临界值
第八章----假设检验课件PPT
第八章 假设检验
假设检验的基本问题 一个总体参数的检验 两个总体参数的检验
1
学习目标
假设检验的基本思想和原理 假设检验的步骤 一个总体参数的检验 两个总体参数的检验 P值的计算与应用 用Excel进行检验
2
正常人的平均体温是37oC吗？
37.1 36.9 36.9 37.1 36.4
在一次试验中小概率事件一旦发生，我们就有理 由拒绝原假设
8
原假设
(null hypothesis)
1. 又称“0假设”，研究者想收集证据予以反对的假 设，用H0表示
2. 所表达的含义总是指参数没有变化或变量之间没 有关系
3. 最初被假设是成立的，之后根据样本数据确定是否 有足够的证据拒绝它
4. 总是有符号 , 或
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
❖ 2.第二类错误（取伪错误）
原假设为假时接受原假设 第二类错误的概率为(Beta)
12
两类错误的控制
❖ 一般来说，对于一个给定的样本，如果犯第Ι 类错误的代价比犯第Ⅱ类错误的代价相对较 高，则将犯第Ⅰ类错误的概率定得低些较为 合理；反之，如果犯第Ι类错误的代价比犯第 Ⅱ类错误的代价相对较低，则将犯第Ⅰ类错 误的概率定得高些
H0 ： = 某一数值 H0 ： 某一数值 H0 ： 某一数值
例如, H0 ： 10cm
9
备择假设
(alternative hypothesis)
1. 也称“研究假设”,研究者想收集证据予以支持的 假设(期望出现的结论作为备选假设)，用H1或Ha表 示
2. 所表达的含义是总体参数发生了变化或变量之间 有某种关系
➢ 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
假设检验的基本问题 一个总体参数的检验 两个总体参数的检验
1
学习目标
假设检验的基本思想和原理 假设检验的步骤 一个总体参数的检验 两个总体参数的检验 P值的计算与应用 用Excel进行检验
2
正常人的平均体温是37oC吗？
37.1 36.9 36.9 37.1 36.4
在一次试验中小概率事件一旦发生，我们就有理 由拒绝原假设
8
原假设
(null hypothesis)
1. 又称“0假设”，研究者想收集证据予以反对的假 设，用H0表示
2. 所表达的含义总是指参数没有变化或变量之间没 有关系
3. 最初被假设是成立的，之后根据样本数据确定是否 有足够的证据拒绝它
4. 总是有符号 , 或
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
❖ 2.第二类错误（取伪错误）
原假设为假时接受原假设 第二类错误的概率为(Beta)
12
两类错误的控制
❖ 一般来说，对于一个给定的样本，如果犯第Ι 类错误的代价比犯第Ⅱ类错误的代价相对较 高，则将犯第Ⅰ类错误的概率定得低些较为 合理；反之，如果犯第Ι类错误的代价比犯第 Ⅱ类错误的代价相对较低，则将犯第Ⅰ类错 误的概率定得高些
H0 ： = 某一数值 H0 ： 某一数值 H0 ： 某一数值
例如, H0 ： 10cm
9
备择假设
(alternative hypothesis)
1. 也称“研究假设”,研究者想收集证据予以支持的 假设(期望出现的结论作为备选假设)，用H1或Ha表 示
2. 所表达的含义是总体参数发生了变化或变量之间 有某种关系
➢ 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
假设检验PPT课件
假设检验
【学习目标】通过对本章的学习，掌握假设检验的概念和 类型、假设检验的两类错误和假设检验的一般步骤；重点掌握 单个总体均值的检验和比率的检验。
第一节 假设检验的基本问题 第二节 △ 假设检验的应用
假设检验
第一节 假设检验的基本问题
一、假设检验的概念 二、假设检验的两类错误 三、假设检验的类型 四、假设检验的类型一般步骤
假设检验
第一节 假设检验的基本问题
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； 2.在一次试验中小概率事件一旦发生，我们就有理由拒绝原假 设； 3.小概率由研究者事先确定。
假设检验
第一节 假设检验的基本问题
二、假设检验的两类错误（决策风险）
（一） 第一类错误 第一类错误，亦称拒真（弃真）错误。是指当原假设为 真时，但由于样本的随机性使样本统计量的具体值落入 了拒绝区域，这时所作的判断是拒绝原假设。 犯第一类错误的概率亦称拒真概率，它实质上就是前面
t
986 1000 24
2.333＞
t n 1 2.1315
16
2
所以接受 H1，即这天包装机工作不正常。
假设检验
第二节 假设检验的应用
二、单个总体比率（成数）的假设检验
比率P是平均数的一种特殊形式，因而前面讲的平均 数检验理论都适用于总体比率P的假设检验，只是估计量 的形式略有不同。
【例4】我国出口的参茸药酒畅销于某国市场。据以往调查， 购买此种酒的顾客中40岁以上的男子占50%。经营该药酒 的进出口公司经理关心这个比率是否发生了变化，于是， 委托一个咨询机构进行调查，这个咨询机构从众多购买该 药酒的顾客中随机抽取了400名进行调查，结果有210名为 40岁以上的男子。试问在0.05的显著水平上，能否认为购 买此种药酒的顾客中40岁以上男子所占比率变化了？
【学习目标】通过对本章的学习，掌握假设检验的概念和 类型、假设检验的两类错误和假设检验的一般步骤；重点掌握 单个总体均值的检验和比率的检验。
第一节 假设检验的基本问题 第二节 △ 假设检验的应用
假设检验
第一节 假设检验的基本问题
一、假设检验的概念 二、假设检验的两类错误 三、假设检验的类型 四、假设检验的类型一般步骤
假设检验
第一节 假设检验的基本问题
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； 2.在一次试验中小概率事件一旦发生，我们就有理由拒绝原假 设； 3.小概率由研究者事先确定。
假设检验
第一节 假设检验的基本问题
二、假设检验的两类错误（决策风险）
（一） 第一类错误 第一类错误，亦称拒真（弃真）错误。是指当原假设为 真时，但由于样本的随机性使样本统计量的具体值落入 了拒绝区域，这时所作的判断是拒绝原假设。 犯第一类错误的概率亦称拒真概率，它实质上就是前面
t
986 1000 24
2.333＞
t n 1 2.1315
16
2
所以接受 H1，即这天包装机工作不正常。
假设检验
第二节 假设检验的应用
二、单个总体比率（成数）的假设检验
比率P是平均数的一种特殊形式，因而前面讲的平均 数检验理论都适用于总体比率P的假设检验，只是估计量 的形式略有不同。
【例4】我国出口的参茸药酒畅销于某国市场。据以往调查， 购买此种酒的顾客中40岁以上的男子占50%。经营该药酒 的进出口公司经理关心这个比率是否发生了变化，于是， 委托一个咨询机构进行调查，这个咨询机构从众多购买该 药酒的顾客中随机抽取了400名进行调查，结果有210名为 40岁以上的男子。试问在0.05的显著水平上，能否认为购 买此种药酒的顾客中40岁以上男子所占比率变化了？
统计学试验假设检验PPT(完整版)
统计学试验假设检验
一、单个样本的统计假设检验
• σ已知时单个平均数的显著性检验——u检验
2)。在改善栽培条件后，随机抽取9粒，得平 均籽粒重 379.2g。若粒重标准差s仍为3.3g， 问改善栽培条件后是否显著提高了豌豆籽粒 重？
建立工作表
添加数据
• σ未知时平均数的显著性检验——t检验
[例] 已知玉米单交种“群单105”的平均穗重m0＝ 300g。喷洒植物生长促进剂后，随机抽取9个果穗， 测得穗重为：308、305、311、298、315、300、 321、294、320g。问喷药后与喷药前的果穗重差 异是否显著？
若粒重标准差s仍为3. 问喷药后与喷药前的果穗重差异是否显著？
一、单个样本的统计假设检验 σ未知时平均数的显著性检验——t检验 3g，问改善栽培条件后是否显著提高了豌豆籽粒重？ [例] 已知玉米单交种“群单105”的平均穗重m0＝300g。 喷洒植物生长促进剂后，随机抽取9个果穗，测得穗重为：308、305、311、298、315、300、321、294、320g。 一、单个样本的统计假设检验
1(X2)
感谢观看
ห้องสมุดไป่ตู้
建立工作表
添加数据
二、两个样本的差异显著性检验 喷洒植物生长促进剂后，随机抽取9个果穗，测得穗重为：308、305、311、298、315、300、321、294、320g。
喷洒植物生长促进剂后，随机抽取9个果穗，测得穗重为：308、305、311、298、315、300、321、294、320g。 问喷药后与喷药前的果穗重差异是否显著？
问喷药后与喷药前的果穗重差异是否显著？
在改善栽培条件后，随机抽取9粒，得平均籽粒重 379. 标准差σ1和σ2未知,但σ1=σ2 —t 检验 若粒重标准差s仍为3.
一、单个样本的统计假设检验
• σ已知时单个平均数的显著性检验——u检验
2)。在改善栽培条件后，随机抽取9粒，得平 均籽粒重 379.2g。若粒重标准差s仍为3.3g， 问改善栽培条件后是否显著提高了豌豆籽粒 重？
建立工作表
添加数据
• σ未知时平均数的显著性检验——t检验
[例] 已知玉米单交种“群单105”的平均穗重m0＝ 300g。喷洒植物生长促进剂后，随机抽取9个果穗， 测得穗重为：308、305、311、298、315、300、 321、294、320g。问喷药后与喷药前的果穗重差 异是否显著？
若粒重标准差s仍为3. 问喷药后与喷药前的果穗重差异是否显著？
一、单个样本的统计假设检验 σ未知时平均数的显著性检验——t检验 3g，问改善栽培条件后是否显著提高了豌豆籽粒重？ [例] 已知玉米单交种“群单105”的平均穗重m0＝300g。 喷洒植物生长促进剂后，随机抽取9个果穗，测得穗重为：308、305、311、298、315、300、321、294、320g。 一、单个样本的统计假设检验
1(X2)
感谢观看
ห้องสมุดไป่ตู้
建立工作表
添加数据
二、两个样本的差异显著性检验 喷洒植物生长促进剂后，随机抽取9个果穗，测得穗重为：308、305、311、298、315、300、321、294、320g。
喷洒植物生长促进剂后，随机抽取9个果穗，测得穗重为：308、305、311、298、315、300、321、294、320g。 问喷药后与喷药前的果穗重差异是否显著？
问喷药后与喷药前的果穗重差异是否显著？
在改善栽培条件后，随机抽取9粒，得平均籽粒重 379. 标准差σ1和σ2未知,但σ1=σ2 —t 检验 若粒重标准差s仍为3.
假设检验精品PPT模板
– 方法二：选中向导层，在图层属性对话 框中选中Normal单选项。
42
2.3 图层的操作（续） 图层的类
Mask和型Masked
– 遮罩层的作用就是将其下面的图层 （被遮罩层）遮住。
– 遮罩层可以看作一块挡板，在其中绘 制的任何图形都相当于把这部分挖去， 可以通过挖去的窟窿看到下面图层的 内容。
在默认情况下，Flash动画的播放频 率是12fps（每秒12帧）。
36
2.3 图层的操作
图层操作
区 初。始界 层状态按 编辑后界
面
钮
面
插入按 删除按
钮
钮
37
2.3 图层的操作 图层的类 •型N。ormal（普通）；
• Guide（引导）； • Guided（被引导）； • Mask（遮罩）； • Masked（被遮罩）； • Folder（图层夹）。
图层 是Flash为制作复杂动画作品而引入的一 种手段，相当于一张透明的玻璃纸。
– 将不同对象放在不同层上，可以轻松制作场景复杂 的动画。
– 分为：Normal（普通）、Guide（引导）、 Guided（被引导）、Mask（遮罩）和Masked （被遮罩）。
32
2. 帧、图层和场景
场景
– 复杂的Falsh动画中，几个互相联系但性质不 一样的镜头。
所画线条包括：Straighten（平直）、 Smooth（平滑）、Ink（墨水）三种模式。
17
一、初识Flash
⑶ 钢笔工具（Pen Tool）。 可以绘制连续线条与贝塞尔曲线，且绘
制后还可以配合精选工具来加以修改。用钢 笔工具绘制的不规则图形，可以在任何时候 重新调整。
18
一、初识Flash
42
2.3 图层的操作（续） 图层的类
Mask和型Masked
– 遮罩层的作用就是将其下面的图层 （被遮罩层）遮住。
– 遮罩层可以看作一块挡板，在其中绘 制的任何图形都相当于把这部分挖去， 可以通过挖去的窟窿看到下面图层的 内容。
在默认情况下，Flash动画的播放频 率是12fps（每秒12帧）。
36
2.3 图层的操作
图层操作
区 初。始界 层状态按 编辑后界
面
钮
面
插入按 删除按
钮
钮
37
2.3 图层的操作 图层的类 •型N。ormal（普通）；
• Guide（引导）； • Guided（被引导）； • Mask（遮罩）； • Masked（被遮罩）； • Folder（图层夹）。
图层 是Flash为制作复杂动画作品而引入的一 种手段，相当于一张透明的玻璃纸。
– 将不同对象放在不同层上，可以轻松制作场景复杂 的动画。
– 分为：Normal（普通）、Guide（引导）、 Guided（被引导）、Mask（遮罩）和Masked （被遮罩）。
32
2. 帧、图层和场景
场景
– 复杂的Falsh动画中，几个互相联系但性质不 一样的镜头。
所画线条包括：Straighten（平直）、 Smooth（平滑）、Ink（墨水）三种模式。
17
一、初识Flash
⑶ 钢笔工具（Pen Tool）。 可以绘制连续线条与贝塞尔曲线，且绘
制后还可以配合精选工具来加以修改。用钢 笔工具绘制的不规则图形，可以在任何时候 重新调整。
18
一、初识Flash
- 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)。
确定适当的检验统计量
什么检验统计量？
用于假设检验问题的统计量
选择统计量的方法与参数估计相同，需考虑
是大样本还是小样本
总体方差已知还是未知
检验统计量的基本形式为
z x 0 n
规定显著性水平
什么显著性水平？
是一个概率值 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 表示为 (alpha)
H
为真
0
H0 : u u0 100 原假设 H1 : u u0 100 备择假设
x u0 不应太大
（因xu0
服从分N布 (0， 1)
n
选定正数 k，使得
当
x u0
k时，就拒绝假设
H0
n
当
x u0
k时，就接受假设
H0
n
拒绝假设 接受假设
几种可能结果
P拒绝 H0 H0为真
即Pxun0
作出决策 拒绝假设! 别无选择.
三、假设检验（实例）
某地区水土中缺乏一种微量元素，根据医学研究结果 可知，人们如果摄取这种元素过少，脑功能可能受影 响，因此可推测该地区儿童的智力水平可能低于一般 水平。心理学家使用某一标准化智力检验方法，对该 地区随机选取36名儿童进行智力测验，得到智力分数 的平均值是94分，已知总体标准差为15分，问该地区 儿童的智力水平是否和一般水平（100分）有明显差 异？
H0： 某一数值 原假设可能会被否决
提出原假设和备择假设
什么是备择假设？(Alternative Hypothesis)
与原假设相反的假设 总是有不等号 ， 或 表示为 H1
H1： <某一数值，或 某一数值 例如, H1： < 3910(克)，或 3910(克)
备择假设不一定会被接受
第六章 假设检验和方差分析（一）
假设检验
第一节 第二节 第三节 第四节
假设检验的一般问题 一个总体的参数检验 两个总体的参数检验 非参数检验
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 假设检验的一般问题
一、假设检验和抽样估计的不同点 二、假设检验的概念与思想 三、假设检验（一个实例） 四、假设检验的步骤 五、假设检验中的两类错误
（决策结果）
H : 无罪 假设检验就好像一场审判过程 0 陪审团审判
裁决
实际情况
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 接受H0 拒绝H0
实际情况
H0为真 H0为假
1-
第二类错 误()
取伪
第一类错 误()
弃真Βιβλιοθήκη (1-)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!
20
小概率原理
= 50 H0
样本均值
在一次试验中，一个几乎不可能发生的事件发生 的概率称为小概率。在一次试验中小概率事件一 旦发生，我们就有理由拒绝原假设。
假设检验的过程
（提出假设→抽取样本→作出决策）
总体
☺☺ ☺
☺☺ ☺☺ ☺☺
提出假设
我认为人口的平 均年龄是50岁
抽取随机样本
☺X均=值20☺
kH0为真
根据分位点定义，知 k Z
2
四、假设检验的步骤
1、提出原假设和备择假设 2、确定适当的检验统计量 3、规定显著性水平，查出临界值，确
定拒绝域和接受域 4、计算检验统计量的值 5、作出统计决策
提出原假设和备择假设
什么是原假设？(Null Hypothesis)
陈述待检验的假设，又称“0假设” 开始时总假设原假设是正确的 总是有等号 ， 或 表示为 H0
总体参数包括总体均值、比例、 方差等，分析之前必需陈述
什么是假设检验？
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。包括参 数假设检验和非参数假设检 验
假设检验的基本思想
这个值不像我 们应该得到的 样本均值 ...
抽样分布
... 因此我们拒 绝假设 = 50
... 如果这是总 体的真实均值
双侧检验
（显著性水平与拒绝域 ）
抽样分布
拒绝域 /2
1 - 接受域
置信水平 拒绝域 /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 - 接受域
置信水平 拒绝域 /2
临界值
H0值 临界值
样本统计量
作出统计决策
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
常用的 值有0.01, 0.05, 0.10 由研究者事先确定
双侧检验
（显著性水平与拒绝域 ）
抽样分布
拒绝域 /2
1 - 接受域
置信水平 拒绝域 /2
临界值
H0值
样本统计量 临界值
双侧检验
（显著性水平与拒绝域 ）
抽样分布
拒绝域 /2
1 - 接受域
置信水平 拒绝域 /2
临界值
H0值 临界值 样本统计量
参数检验和非参数检验
参数方法
在检验过程中比较的是总体参数(最常见的是总体均数)，这种检验 方法需要事先对数据的分布做出假定，如t检验要求数据服从正态 分布、方差相同等。
非参数方法
不依赖于总体分布。参数假设检验除了大样本情况下进行的参数 假设检验外，其余都是假定总体服从某一分布的检验。
非参数假设检验适用于比较低的计量水准，如等级的、顺序的计 量，如中位数计量。
决策规则：若p值<, 拒绝 H0
值越小，你拒绝原假设的理由就越充分
五、假设检验中的两类错误（决策风险）
1. 第一类错误（弃真错误） 原假设为真时拒绝原假设 第一类错误的概率为 被称为显著性水平
2. 第二类错误（取伪错误） 原假设为假时接受原假设 第二类错误的概率为(Beta)
假设检验中的两类错误
将检验统计量的值与 水平的临界值进
行比较 得出接受或拒绝原假设的结论
用P 值决策 (P-value)
如果原假设为真，所得到的样本结果会像实际观 测结果那么极端或更极端的概率
P值告诉我们：如果原假设是正确的话，我们
得到目前这个样本数据的可能性有多大，如果 这个可能性很小，就应该拒绝原假设 被称为观察到的(或实测的)显著性水平
一、假设检验和抽样估计的不同点
抽样估计：通过样本的观察结果来推断总体参 数的取值范围以及得到此结论的可靠程度。
假设检验：预先对总体参数的取值作出假定， 然后用样本数据来验证，从而作出是接受还是 拒绝该假设的结论。
二、假设检验的概念与思想
什么是假设？
对总体参数的一种看法
我认为该企业生产的零 件的平均长度为4厘米!