当前位置：文档之家 › 第八章假设检验的基本概念(ppt 52)

第八章假设检验的基本概念(ppt 52)

  • 格式：ppt
  • 大小：417.50 KB
  • 文档页数：7

下载文档原格式

  / 7

合集下载

第8 假设检验(共80张PPT)

第8 假设检验(共80张PPT)
第 8 章 假设检验
8.1 8.2 8.3 8.4
假设检验的根本问题 一个总体参数的检验 两个总体参数的检验 假设检验中的其他问题
我认为该企业生产的零件的平
均长度为4厘米!
什么是假设? 对总体 参数的一种看法
总体参数包括总 体均值、比例、方 差等
举例说明假设检验的根本思路
某单位职工上月平均收入为210元,这个 月的情况与上月没有大的变化,我们设想平均 收入还是210元.
样本均值的抽样分布
置信水平
拒绝域
1-
接受域
临界值
H0
样本统计量
如果备择假设具有符号“>〞，拒绝域位于抽样分 布的右侧，故称为右侧检验
样本均值的抽样分布
置信水平
1- 接受域
拒绝域
H0
样本统计量
临界值
请判断它们的拒绝域：
〔1〕假设检验的假设为H0：m＝m0 ，H1： m≠m0，那么拒绝域为〔 〕。
〔2〕假设检验的假设为H0：m≥m0 ，H1： m < m0，那么拒绝域为〔 〕。
〔3〕假设检验的假设为H0：m≤m0 ，H1： m > m0，那么拒绝域为〔 〕。
检验统计量：Z > Z；
Z > Z/2 或Z <-Z/2 ；
Z <-Z
决策规那么
给定显著性水平 ，查表得出相应的临界 值 将检验统计量的值与 水平下的临界值进 行比较 双侧检验：I统计量I > 临界值，拒绝H0 左侧检验：统计量 < -临界值，拒绝H0 右侧检验：统计量 > 临界值，拒绝H0 得出拒绝或不拒绝原假设的结论
H0：m＝10 H1：m≠10
例 6.2
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500g。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。

假设检验一般概念

假设检验一般概念

x 400 k 时接受原假设H0；
(1)
x 400 k 时拒绝原假设H0接受备择假设H1
(2)
进一步，由于当H0为真时，有
u x400 ~N(0,1) 25/ n
1 |u|要构x造一40个0具有明确k分布的统计量，可将(1)、(2)式转化为
25/ n 25/ n
2 |u|时接x受原40假0设H0 k
2. 拒绝域与接受域 称是检验水平或显著性水平，它是我们
制定检验标准的重要依据。常数u/2把标准正态分布密度曲线下
的区域分成了两大部分，其中一部分
(x1,x2, ,xn)uu/2
称为H0的拒绝域或否定域， 当样本点落入拒绝域时，我们便拒 绝原假设H0(同前述(6)式)，另一部分
(x1,x2, ,xn)uu/2
（1）根据问题的要求提出假设，写明原假设H0和备择假设H1的
具体内容。
（2）根据H0的内容，建立（或选取）检验统计量并确定其分布。 （3）对给定（或选定）的显著性水平 ，由统计量的分布查表 或计算确定出临界值，进而得到H0的拒绝域和接受域。
（4）由样本观察值计算出统计量的值。
（5）做出推断：当统计量的值满足“接受H0的条件”时就接受 H0，否则就拒绝H0接受H1 。
u
2
时接受原假设H0 (5)
时拒绝原假设H0，接受备择假设 H1 (6)
分析(5)、(6)两式，可以这 样认为：
拒绝H0，是因为以H0成立 为出发点进行推理时，得到 了不合情理的结论，使小概 率事件在一次试验中发生了。
接受H0，是因为以H0成立 为出发点进行推理时，未发 现异常。
这就是带有概率特征的反证 法，认为小概率事件在一次 试验中不可能发生。
H0：X服从泊松分布；H1：X不服从泊松分布.

假设检验的基本概念

假设检验的基本概念

第六节
双侧检验与单侧检验
单侧检验：只关心差别单侧方 向的单向检验。备择假设为 H1：μ2<μ1 或H1：μ2>μ1。
双侧检验：只检验差别不 管差别方向的双向检验。 备择假设为 H1：μ1≠μ2
图8–2 双侧u检验的检验水准
图8–3 单侧u检验的检验水准α
单、双侧检验的选择
♦ 在作练习时，根据题中的交代及提问方式加以选 择。
2．小概率事件原理：根据“小概率事件在一次试 验中一般不会发生”的原理，用概率的思想决 定是否拒绝原假设。
第二节 假设检验的基本步骤
一、建立假设，确定检验水准。
H0：µ = µ 0 =34.50 H1：µ µ 0 =34.50
二、 选定统计方法，计算检验统计量。
根据资料类型，设计方法，分析目的和样本含量 大小选用适当的检验方法，如u检验，t检验，F检 验，秩和检验和卡方检验等。
作业：
一、 二、
三、
1.
1.
3. 4. 8.
体率是否相等？
检验步骤如下：
（1）建立假设，确定检验水准。 H0：π1 =π2 H1：π1≠π2 α=0.05。 （2）计算检验统计量u值。
（3）确定P值，作出推断结论。
u0.05/2=1.96，现|u|＜u0.05/2 , 故P > 0.05，按 α=0.05 检验水准，不拒绝H0，差异无统计学意义，尚不 能认为两种疗法治疗小儿支气管哮喘的疗效有差 别。 当样本率的分布不符合正态分布条件时，如n较 小，假设检验需采用 检验或Fisher确切概率法， 详见第九章。
二、两个率比较的u检验
对两个样本率进行检验的目的是推断样本所 代表的两个未知总体率是否相等。
例8-5 某医院用黄芩注射液和胎盘球蛋白进行穴位注 射治疗小儿支气管炎哮喘病人，黄芩注射液治疗117

假设检验的基本概念(第八章)

假设检验的基本概念(第八章)

假设检验的两类错误 实际情况 决定 H0为真 第一类错误 H0不真 正确
拒绝H0 接受H0
第一类错误 第二类错误
正确
第二类错误
拒真错误 取伪错误
犯两类错误的概率: P{拒绝H0|H0为真}= , P{接受H0|H0不真}= . 显著性水平 为犯第一类错误的概率. 通常计算犯第Ⅱ类错误的概率是很复杂 的，下面我们通过举例来说明
§8.1假设检验的基本概念
在本讲中，我们将讨论不同于参数估计 的另一类重要的统计推断问题. 这就是根据 样本的信息检验关于总体的某个假设是否 正确. 这类问题称作假设检验问题 . 假设检验

参数假设检验 非参数假设检验
总体分布已知， 检验关于未知参数 的某个假设
总体分布未知时的 假设检验问题
若对参数 一无所知
较大、较小是一个相对的概念，合理的界 限在何处？应由什么原则来确定？
问题归结为对差异作定量的分析，以确定 其性质.
差异可能是由抽样的随机性引起的，称为
“抽样误差”或 随机误差 这种误差反映偶然、非本质的因素所引起 的随机波动.
然而，这种随机性的波动是有一定限 度的，如果差异超过了这个限度，则我们 就不能用抽样的随机性来解释了. 必须认为这个差异反映了事物的本质差别， 即反映了生产已不正常.
即“ | u | Z 2 ”是一个小概率事件 . 得否定域 W: |u |>1.96
小概率事件在一次 试验中基本上不会 发生 .
第四步：
将样本值代入算出统计量 u的实测值, | u |=0.370<1.96 故不能拒绝H0 .
没有落入 拒绝域
这并不意味着H0一定对，只是差异 还不够显著, 不足以否定H0 .
当然也不能总认为正常，有了问题不能 及时发现，这也要造成损失. 如何处理这两者的关系，假设检验面 对的就是这种矛盾.

《假设检验的概念》PPT课件

《假设检验的概念》PPT课件

假设检验实例及解读
• 生物统计学实例：比较两个药物治疗组的患者生存率是否存在显著差异。 • 社会调查实例：通过问卷调查数据，研究两个群体之间的收入差异是否显著。
总结与回顾
假设检验是一种重要的统计方法，帮助我们进行数据分析和科学决策。通过清晰的步骤和方法，我们可以对总体参 数进行有效推断。
3 方差分析
4 非参数检验
用于比较多个样本均值之间是否存在显著差异。
当数据不满足正态分布假设时，使用的一类假设 检验方法。
注意事项
1 假设检验的局限性
假设检验是概率性推断，结果并不能绝对确定总体参数，仅供参考。
2 防范与排除偏差
在实际研究中，要注意样本选择的随机性和可比性，以排除偏差对推断结果的影响。
p值判定
4
参数估计和假设检验。
根据计算出的统计量，计算p值，并与显著性
水平比较，判断是否拒绝原假设。
5
结论推断
根据p值的判定结果，得出对总体参数的推断 结论，并解释研究的统计显著性和实际意义。
常见假设检验方法
1 单样本t检验
2 双样本t检验
用于比较一个样本的均值与总体均值是否存在显 著差异。
用于比较两个独立样本的均值是否存在显著差异。
应用领域
假设检验广泛应用于医学、社会科学、经济学等领 域，帮助我们进行数据分析和做出科学决策。
假设检验的步骤
1
假设设立
首先，根据研究问题，明确原假设和备择假
ห้องสมุดไป่ตู้
显著性水平确定
2
设，以便进行后续统计推断。
确定假设检验的显著性水平，通常为0.05或
0.01，用于判断统计显著性。
3
统计量计算
计算适应研究问题的合适统计量，以便进行

假设检验PPT课件

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？

第八章 假设检验 (《统计学》PPT课件)

与其，为选取“适当的”的而苦恼，不如干脆 把真正的（P值）算出来。
第二节 一个正态总体的假设检验
一、正态总体
设总体X ~ N(m, 2)，抽取容量为n的样本 x1, x2, xn
样本均值 X 与方差S2 计算公式分别为：
2
1 n 1
n i1
(xi
X)
我们将利用上述信息，来检验关于未知参数均值 和方差的假设。
总体参数
均值
方差
总体方差已知
z 检验
(单尾和双尾)
总体方差已知
t 检验
(单尾和双尾)
2 检验
(单尾和双尾)
第二节 一个正态总体的假设检验
二、均值m的假设检验
1.H0:m=m0
2.选择检验统计量：
2已知： Z X m0 ~ N(0，1)
/ n
2未知：
小样本： t X m0 ~ t(n 1)
这个值不像我 们应该得到的 样本均值 ...
...因此我们拒绝 原假设μ=50
... 如果这是总 体的假设均值
60
μ=80
H0
样本均值
第一节 假设检验概述
三、假设检验的程序
一个完整的假设检验过程，通常包括以下几个步骤：
首先，设立原假设H0与备选假设H1； 第二步，构造检验统计量，并根据样本观察数据
小样本：当 t t
2
，则拒绝原假设，反之则接受H0；
5.得出结论。
二、均值m的假设检验
6.例题分析
[例8.3] 某广告公司在广播电台做流行歌曲磁带广告 ，它的插播广告是针对平均年龄为21岁的年轻人的，标 准差为16。这家广告公司经理想了解其节目是否为目标 听众所接受。假定听众的年龄服从正态分布，现随机抽 取400多位听众进行调查，得出的样本结果为x 25 岁S2，18 。以0.05的显著水平判断广告公司的广告策划是否符合 实际？

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。

概率论第八章8.1 假设检验的基本原理


0.12 0.1 0.08 0.06
α/2
0.04 0.02 60 62.5 65 67.5 70 72.5 75
α/2
H0 真
0. 12 0. 1 0. 08 0. 06 0. 04 0. 02
β
H0 不真
67 .5 70 72 .5 75 77 .5 80 82 .5
注 1º 一般,作假设检验时,先控制犯第一 一般,作假设检验时, 类错误的概率α,在此基础上使 β 尽量 一般要增大样本容量. 地小. 地小.要降低 β 一般要增大样本容量. 不真时,参数值越接近真值, 越大. 当H0不真时,参数值越接近真值,β 越大. 注 2º 备择假设可以是单侧,也可以双侧. 备择假设可以是单侧,也可以双侧. 引例2中的备择假设是双侧的. 引例2中的备择假设是双侧的.若根据以 往生产情况, =68.现采用了新工艺 现采用了新工艺, 往生产情况,µ0=68.现采用了新工艺,关 心的是新工艺能否提高螺钉强度, 心的是新工艺能否提高螺钉强度,µ越大 越好.此时可作如下的右边假设检验: 越好.此时可作如下的右边假设检验: H0 : µ = 68； H1 : µ > 68
拒绝 H0
第一类错误
(弃真) 弃真)
正确
犯第一类错误的概率通常记为 α 犯第二类错误的概率通常记为 β
任何检验方法都不能完全排除犯错 误的可能性. 误的可能性.理想的检验方法应使犯两类 错误的概率都很小, 错误的概率都很小,但在样本容量给定的 情形下,不可能使两者都很小,降低一个, 情形下,不可能使两者都很小,降低一个, 往往使另一个增大. 往往使另一个增大. 假设检验的指导思想是控制犯第一类 然后,若有必要, 错误的概率不超过α, 然后,若有必要,通 过增大样本容量的方法来减少 β .
  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)。

问题实质上都是希望通过样本统计量 与总体参数的差别，或两个样本统计 量的差别，来推断总体参数是否不同。 这种识别的过程，就是本章介绍的假 设检验(hypothesis test)。
2020年8月10日
例8–1 通过以往大规模调查，已知某地一般新 生儿的头围均数为34.50cm，标准差为1.99cm。 为研究某矿区新生儿的发育状况，现从该地某 矿区随机抽取新生儿55人，测得其头围均数为 33.89cm，问该矿区新生儿的头围总体均数与 一般新生儿头围总体均数是否不同？
2020年8月10日
1.建立检验假设，确定检验水准（选用单侧或双侧检验）
（1）无效假设又称零假设，记为 H0；
（2）备择假设又称对立假设，记为 H1。
对于检验假设，须注意：
① 检验假设是针对总体而言，而不是针对样本； ② H0 和 H1 是相互联系，对立的假设，后面的结论是 根据 H0 和 H1 作出的，因此两者不是可有可无，而是 缺一不可；
2P012201年例88月-210日
u X 0 171.2 168.5 4.70
S / n 5.3/ 85
检验界值u0.05/2 = 1.96，u0.01/2 = 2.58 ，u >u0.01/2, 得P<0.01，按α=0.05水 准，拒绝H0，接受H1，2003年当地 20岁应征男青年与1995年相比，差别 有统计学意义。可认为2003年当地20 岁应征男青年的身高有变化，比1995 年增高了。
抽样误差
X 33.89cn
总体不同
矿区新生儿头围
34.50cm
2020年8月10日
第二节 假设检验的基本步骤
2020年8月10日
例8–1 通过以往大规模调查，已知某地 一般新生儿的头围均数为34.50cm，标 准差为1.99cm。为研究某矿区新生儿的 发育状况，现从该地某矿区随机抽取新 生儿55人，测得其头围均数为33.89cm ，问该矿区新生儿的头围总体均数与一 般新生儿头围总体均数是否不同？
2020年8月10日
(3) 检验水准，过去称显著性水准，是预
先规定的概率值，它确定了小概率事件的
标准。在实际工作中常取 = 0.05。可根据
不同研究目的给予不同设置。
2020年8月10日
H0： 34.50 （该矿区新生儿的头围与当地一般新生儿头围均数相同） H1： 34.50 （该矿区新生儿的头围与当地一般新生儿头围均数不同） 0.05
2P012201年例88月-210日
由例7-5可知，2003年当地20岁应征 男青年身高总体均数的95%的可信区 间为170.1~172.3cm。该区间的下限 已高于1995年身高的总体均数 168.5cm，也说明2003年20岁应征男 青年增高了。
2020年8月10日
③ H1的内容直接反映了检验单双侧。若H1
中只是 0 或 <0，则此检验为单侧检验。
它不仅考虑有无差异，而且还考虑差异的方向。
④ 单双侧检验的确定，首先根据专业知识， 其次根据所要解决的问题来确定。若从专业上 看一种方法结果不可能低于或高于另一种方法 结果，此时应该用单侧检验。一般认为双侧检 验较保守和稳妥。
第八章
假设检验的基本概念
2020年8月10日
第一节
检验假设与P值
2020年8月10日
假设检验基本思想
假设检验过去称显著性检验。它是利 用小概率反证法思想，从问题的对立面 (H0)出发间接判断要解决的问题(H1)是否 成立。然后在H0成立的条件下计算检验 统计量，最后获得P值来判断。
2020年8月10日
2020年8月10日
本例：0 34.50cm, , X 33.89cm
造成 X 0 的可能原因有二：
① 抽样误差造成的； ② 本质差异造成的。
假 设 检 验 的 目 的 —— 就 是 判 断 差 别 是由哪种原因造成的。
2020
34.50cm
另一种假设H1
2020年8月10日
一 、 单 样 本 均 数 的 u 检 验 (one-sample
u-test)
适用于当n较大(如n>60)或
已知
0
时。检验统计量分别为
u X 0 X 0 (n较大时)
S X
Sn
u X 0 X 0
X
0 n
( 0已知时)
2P012201年例88月-210日
例8–2（续例7-5） 1995年，已知某 地20岁应征男青年的平均身高为 168.5cm。2003年，在当地20岁应征 男青年中随机抽取85人，平均身高为 171.2 cm，标准差为5.3cm，问2003 年当地20岁应征男青年的身高与1995 年相比是否不同？
若 P ，不拒绝H0，但不能下 “无差别”或“相等”的结论，只能下 “根据目前试验结果，尚不能认为有差 别”的结论。
2020年8月10日
第三节 大样本均数的假设检验
2020年8月10日
均数比较u检验的主要适用条件为：
1. 单样本数据，每组例数等于或大于60例；两样本数 据，两组例数的合计等于或大于60例，而且基本均等。 2．样本数据不要求一定服从正态分布总体。 3．两总体方差已知。 4．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， 即比较组之间除了研究因素以外，其他可能有影响的 非研究因素均应相同或相近。
2020年8月10日
2. 计算检验统计量
根据变量和资料类型、设计方 案、统计推断的目的、是否满足特 定条件等（如数据的分布类型）选 择相应的检验统计量。
u (33.89-34.50) (1.99 / 55) 2.273
2020年8月10日
3. 确定P值，下结论
如例8–1已得到P<0.05, 按所取检 验水准0.05, 则拒绝H0，接受H1， 差异有统计学意义（统计结论）， 可以认为矿区新生儿的头围均数与 一般新生儿不同，矿区新生儿的头 围小于一般新生儿（专业结论）。
2020年8月10日
1
P
t / 2,
t t /2,
2020年8月10日
若 P ，按所取检验水准 ，拒绝H0 ， 接受H1 ，下“有差别”的结论。其统计学依 据是，在 H0 成立的条件下，得到现有检验结 果的概率小于 ，因为小概率事件不可能在 一次试验中发生，所以拒绝 H0 。
2020年8月10日