假设检验问题讲解.pptx
- 格式：pptx
- 大小：525.10 KB
- 文档页数：48
下载文档原格式
合集下载
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。
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课件
2008-2009
样本统计量 临界值
抽样分布
2008-2009
1 -
置信水平 拒绝H0
0
样本统计量
临界值
✓决策规则
1. 给定显著性水平，查表得出相应的临 界值z或z/2， t或t/2
2. 将检验统计量的值与 水平的临界值进 行比较
3. 作出决策
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
H1 ： <某一数值，或 某一数值
例如, H1 ： < 10cm，或 10cm
2008-2009
➢提出假设
【例】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 假设和备择假设
2008-2009
❖利用P值进行决策
➢什么是P 值(P-value)
1. 在原假设为真的条件下，检验统计量的观察值 大于或等于其计算值的概率 双侧检验为分布中两侧面积的总和
2. 反映实际观测到的数据与原假设H0之间不一致 的程度
3. 被称为观察到的(或实测的)显著性水平 4. 决策规则：若p值<, 拒绝 H0
2008-2009
第6章 假设检验
统计研究目的
统计设计
推
断
客观
统
统
分
现象
计
计
析
数量
调
整
表现
查
理
描 述
样本统计量 临界值
抽样分布
2008-2009
1 -
置信水平 拒绝H0
0
样本统计量
临界值
✓决策规则
1. 给定显著性水平，查表得出相应的临 界值z或z/2， t或t/2
2. 将检验统计量的值与 水平的临界值进 行比较
3. 作出决策
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
H1 ： <某一数值，或 某一数值
例如, H1 ： < 10cm，或 10cm
2008-2009
➢提出假设
【例】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 假设和备择假设
2008-2009
❖利用P值进行决策
➢什么是P 值(P-value)
1. 在原假设为真的条件下，检验统计量的观察值 大于或等于其计算值的概率 双侧检验为分布中两侧面积的总和
2. 反映实际观测到的数据与原假设H0之间不一致 的程度
3. 被称为观察到的(或实测的)显著性水平 4. 决策规则：若p值<, 拒绝 H0
2008-2009
第6章 假设检验
统计研究目的
统计设计
推
断
客观
统
统
分
现象
计
计
析
数量
调
整
表现
查
理
描 述
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
《假设检验》课件
方差分析
总结词
适用于多组数据比较的检验方法
详细描述
方差分析是一种适用于多组数据比较的假设检验方法。它通过比较不同组之间的变异和 误差来源，计算F值和对应的P值，以判断原假设是否成立。方差分析在很多领域都有
应用，如农业、生物统计学和心理学等。
秩和检验
总结词
适用于等级数据或非参数数据的检验方法
详细描述
秩和检验是一种适用于等级数据或非参数数 据的假设检验方法。它通过将数据排序后进 行比较，计算秩和值和对应的P值，以判断 原假设是否成立。秩和检验在很多领域都有 应用，如医学、生物学和环境科学等。
04 假设检验的实例分析
单样本Z检验实例
总结词
用于检验一个样本的平均值与已知的 某一总体均值之间是否存在显著差异 。
如果样本量过小，可能无 法得出可靠的结论，因为 小样本可能无法代表总体 。
样本量过大
如果样本量过大，可能会 导致统计效率降低，增加 计算复杂度和成本。
样本代表性
在选择样本时，需要确保 样本具有代表性，能
假设检验的结果只能给出拒绝或接受 假设的结论，但无法给出假设正确与 否的确凿证据。
置信区间有助于判断假设的正确性
02
通过比较置信区间和假设值的位置关系，可以判断假设是否成
立。
置信区间与假设检验的互补关系
03
置信区间和假设检验各有优缺点，可以结合使用以更全面地评
估数据的统计性质。
THANKS 感谢观看
提出假设
根据研究问题和目的，提出原 假设和备择假设。
确定临界值
根据统计量的性质和显著性水 平，确定临界值。
做出决策
根据计算出的样本统计量和临 界值，做出接受或拒绝原假设 的决策。
《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
假设检验问题讲解(ppt 47页)
2.82 3.01 3.11 2.71 2.93 2.68 3.02 3.01 2.93 2.56 2.78 3.01 3.09 2.94 2.82 2.81 3.05 3.01 2.85 2.79
其样本均值为2.8965,样本标准为0.148440135,
你可以拒绝原假设吗？
拒绝域为：
x3
s
t0.05(n1)
H0: 3 H1: > 3
H0: 3 H1: 3
Rejection Regions
0 0
Critical Value(s)
/2
0
P-值的应用
p=Pr(t<-3.118)=0.0028
0.45
0.4
0.35 比它小的概率 0.3 是多少？P-值
0.25
0.2
0.15
比它小的概率是0.05
0.15
0.1
0.05
0
-1
0
31-c0 2
3
4
5
6
7
8
大样本下的解决方案（3）
如果2未知，则
x ~ N (0 , 1) s n
选择拒绝域为
x3
s
z 0 . 05
n
假定由36听罐头所组成的一个样本的样 本均值 x 2.92 磅，样本标准差 s=0.18 ，你能拒绝原假设吗？
x
s
3
2.92 0.18
影响 b 的因素
True Value of Population Parameter
Increases When Difference Between Hypothesized Parameter & True Value Decreases
其样本均值为2.8965,样本标准为0.148440135,
你可以拒绝原假设吗？
拒绝域为：
x3
s
t0.05(n1)
H0: 3 H1: > 3
H0: 3 H1: 3
Rejection Regions
0 0
Critical Value(s)
/2
0
P-值的应用
p=Pr(t<-3.118)=0.0028
0.45
0.4
0.35 比它小的概率 0.3 是多少？P-值
0.25
0.2
0.15
比它小的概率是0.05
0.15
0.1
0.05
0
-1
0
31-c0 2
3
4
5
6
7
8
大样本下的解决方案（3）
如果2未知，则
x ~ N (0 , 1) s n
选择拒绝域为
x3
s
z 0 . 05
n
假定由36听罐头所组成的一个样本的样 本均值 x 2.92 磅，样本标准差 s=0.18 ，你能拒绝原假设吗？
x
s
3
2.92 0.18
影响 b 的因素
True Value of Population Parameter
Increases When Difference Between Hypothesized Parameter & True Value Decreases
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.
- 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)。
2001年10月
光华管理学院 王明进 陈奇志
10
大样本下的解决方案（2）
0.45
0.4
0.35
=3
0.3
>3
0.25
0.2
0.15
0.1
0.05
0
-1
0
31-c0 2
3
4
5
6
7
8
2001年10月
光华管理学院 王明进 陈奇志
11
大样本下的解决方案（3）
如果2未知，则
x ~ N (0, 1) s n
2.82 3.01 3.11 2.71 2.93 2.68 3.02 3.01 2.93 2.56 2.78 3.01 3.09 2.94 2.82 2.81 3.05 3.01 2.85 2.79
其样本均值为2.8965,样本标准为0.148440135,
你可以拒绝原假设吗？
2001年10月
光华管理学院 王明进 陈奇志
5）根据样本计算统计量的值并与临界值比较 看是否落入拒绝域；
6）得出结论。
2001年10月
光华管理学院 王明进 陈奇志
17
影响 b 的因素
True Value of Population Parameter
Increases When Difference Between Hypothesized Parameter & True Value Decreases
18
Level of Significance, and
the Rejection Region
H0: 3 H1: < 3
H0: 3 H1: > 3
2001年10月
光华管理学院 王明进 陈奇志
4
整理我们的思路--关于抽样分布
抽样分布刻画了每个样本出现的可能性，是我们进行 统计推断的基础。 对t分布你需要知道什么？
如果一个统计量G服从下面的分布，那么你可以做些
什么？
下侧分位数
上侧分位数
2001年10月
光华管理学院 王明进 陈奇志
5
第四讲
假设检验问题
供货商说：“除非你有充分的证据 说明我的产品是不合格的，否则你 是不能退货的。”
顾客说：“除非你有充分的证据说 明你的产品是合格的，否则我是不 会买你的产品。”
2001年10月
光华管理学院 王明进 陈奇志
1
第三讲复习
“光华管理学院MBA毕业生的平均起薪的95% 的置信区间是8.30.4万人民币。”你如何理解 这句话？ 如果让你设法得到上面的估计，你会怎么去做？ 你会使用大样本还是小样本？为什么？ 如果让这个区间的长度不超过0.6万元，你该怎 么去做？
15
拒绝域为：
x3
s
t0.05
(n
1)
n
x3
s
2.89653 0.148440135 /
20
3.118
n
t0.05 (20 1) 1.729
你的结论是什么？
2001年10月
光华管理学院 王明进 陈奇志
16
整理假设检验的思路
1）确定适应的原假设和备择假设； 2）选择检验统计量； 3）指定显著水平； 4）根据显著水平和统计量的抽样分布来确定 统计量的临界值，从而确定拒绝域；
3
整理我们的思路--关于总体
面对一个问题时，必须明确：
1）总体是什么？ 2）可以用正态模型来描述总体吗？还是可以使用其 他已知的概率模型？
3）可以利用已有的资料或经验判断出总体的部分参 数吗？（比如方差）
统计推断的目的是了解总体。如果我们已经（通过判 断）对总体有了一个初步的认识（比如2）、3））， 选取样本时就可以较小的样本，否则，必须通过大的 样本来获得需要的信息。
假设检验问题 H0: 3 H1:<3.
给定显著水平=0.05，给出一个检验方法。
请你说出该显著水平在这一问题中有什么实际 意义？
2001年10月
光华管理学院 王明进 陈奇志
8
拒绝域的形状
设x1, x2 , xn是样本，x是样本均值，我们可以 选择一个形如 x 3 c ( 0)的拒绝域. 问 题 : c ? 才能够保证犯第一类错误的概率不
2001年10月
光华管理学院 王明进 陈奇志
2
第三讲复习（续）
有人讲“光华管理学院MBA的平均起薪不会 超过6万元”，你如何对他进行反驳？（除了 动用拳头之外）。 你会选择哪个作为原假设？为什么？
H0： H1： > H0： H1： < 设想一下你的拒绝域是什么样子的？
2001年10月
光华管理学院 王明进 陈奇志
13
小样本下的解决方案
如果2未知，则
x ~ t (n 1) s n
选择拒绝域为
x3s来自t0.05 (n1)
n
问题： 此时我们对每瓶Hilltop咖啡的容
量作了什么假设？是否合理？
2001年10月
光华管理学院 王明进 陈奇志
14
一组虚拟的数据
我们设FTC抽取了20瓶Hilltop咖啡作为随机样 本，得到其质量分别为（磅）：
选择拒绝域为
x
3
s
z0.05
n
2001年10月
光华管理学院 王明进 陈奇志
12
假定由36听罐头所组成的一个样本的样 本均值 x 2.92 磅，样本标准差 s=0.18 ，你能拒绝原假设吗？
x
3 s
2.92 3 0.18
2.67
n
36
z0.05 1.645
2001年10月
光华管理学院 王明进 陈奇志
超过 0.05? 或者
P x 3 c | H0 : 3 0.05
关 键：x 的抽样分布是什么？
2001年10月
光华管理学院 王明进 陈奇志
9
大样本下的解决方案（1）
如果2已知，则
x
~ N (0, 1)
n
选择拒绝域为
x
3
z0.05
n
P{x 3 c0 | H0 : 3}
P{x c0 | H0 : 3 } 0.05
2001年10月
2001年10月
光华管理学院 王明进 陈奇志
6
总体参数的检验
均值
比率
方差
大样本
小样本
大样本
正态总体
2001年10月
光华管理学院 王明进 陈奇志
7
是否对Hilltop咖啡投诉？
联邦贸易委员会（FTC）意欲对大瓶Hilltop牌 咖啡进行检查，以确定是否符合其标签上注明 的“容量至少是3磅”的说法，并由此决定是 否因为包装重量的不足而对其提出投诉。
Significance Level
b
Increases When Decreases
Population Standard Deviation
b
Increases When Increases
Sample Size n
b
Increases When n Decreases
2001年10月
n 光华管理学院 王明进 陈奇志