统计假设测验的基本原理

统计假设检验的基本原理引言统计假设检验是一种基于概率统计的方法，用来对两个或多个样本数据之间的差异进行推断和分析。

通过统计假设检验，我们可以判断研究假设是否成立，从而对样本所代表的总体进行一些基本性质的推断。

什么是统计假设检验？统计假设检验是一种用来对统计样本进行推断的方法，它基于抽样的概率性质，通过比较观察到的样本数据和理论假设之间的差异，来判断研究假设是否成立。

统计假设检验的基本原理是，在一个确定的总体分布下，假设一个关于该总体的假设（称为零假设），然后通过观察样本数据，计算出一个检验统计量，并计算出该统计量的概率分布。

最后，通过检验统计量的概率分布，来判断观察到的样本数据是否支持该假设。

假设检验的基本步骤统计假设检验包括以下几个基本步骤：步骤 1：确定零假设和备择假设在进行假设检验之前，首先需要明确一个关于总体的假设。

一般而言，我们将对总体的某个参数或者变量的某种关系进行假设。

这个假设被称为零假设（H0），而与之相对的假设被称为备择假设（H1）。

步骤 2：选择适当的统计量在确定了零假设和备择假设之后，需要选择一个适当的统计量来进行假设检验。

统计量是样本数据的函数，它可以帮助我们判断样本数据是否支持零假设。

步骤 3：计算检验统计量的值根据样本数据，计算所选择的统计量的值。

这个值将用于后续的概率计算和判断。

步骤 4：计算拒绝域的边界通过指定一个显著性水平（α）来确定拒绝域的边界。

拒绝域是一些检验统计量取值的集合，如果检验统计量的值落在这个集合内，那么我们就拒绝原假设。

步骤 5：进行检验决策根据计算得到的检验统计量的值，以及拒绝域的边界，来进行检验决策。

如果检验统计量的值落在拒绝域内，那么就拒绝原假设；反之，则接受原假设。

步骤 6：给出结论最后，在进行检验决策后，我们需要给出一个结论，以解释样本数据是否支持原假设。

结论一般包括拒绝原假设或接受原假设，并且需要给出相应的理由和解释。

常见的统计假设检验方法统计假设检验有很多方法，下面介绍几种常见的方法：1. 单样本检验单样本检验适用于对一个样本数据进行推断的情况。

变化, 试问该机工作是否正常? ( 0.1)
解 因为 X ~ N ( , 2 ), 0.15,
要检验假设 H0 : 10.5, H1 : 10.5,
n 15, x 10.48, 0.05, 则 x 0 10.48 10.5 0.516,
/ n 0.15 / 15
查表得 z0.05 1.645,
~
N (0,1),
由标准正态分布分位点的定义得 k z / 2 ,
当 x μ0 σ/ n
zα/2 时,拒绝H
0
, x μ0 σ/ n
zα/2 时, 接受H
0.
假设检验过程如下:
在实例中若取定 0.05, 则 k z / 2 z0.025 1.96, 又已知 n 9, 0.015, 由样本算得 x 0.511, 即有 x 0 2.2 1.96,
作出接受还是拒绝H0的判断。由于样本具有随机 性，因而假设检验所作出的结论有可能是错误的. 这种错误有两类:
(1) 当原假设H0为真, 观察值却落入拒绝域, 而 作出了拒绝H0的判断, 称做第Ⅰ类错误, 又叫
‘弃真’. 犯第一类错误的概率是显著性水. 平
(2) 当原假设H0不真, 而观察值却落入接受域, 而作出了接受H0的判断, 称做第Ⅱ类错误, 又叫 ‘取伪’. 当样本容量 n 一定时, 若减少犯第Ⅰ类错误的概 率, 则犯第Ⅱ类错误的概率往往增大.若要使犯 两类错误的概率都减小, 除非增加样本容量.
分析: 用μ和σ分别表示这一天袋装糖重 总体X 的均值和标准差，
由长期实践可知, 标准差较稳定, 设 0.015,
则 X ~ N ( , 0.0152 ), 其中 未知.
问题: 根据样本值判断 0.5 还是 0.5 . 提出两个对立假设H0 : 0 0.5 和 H1 : 0 .

第六章 统计假设测验的基本原理一、统计假设测验基本概念由一个样本或一系列样本所得的结果去推断总体，即统计推断。

统计推断包括参数估计和假设测验两个方面。

参数估计是由样本结果对总体参数作出点估计和区间估计。

点估计是以统计数估计相应的参数，例如以x 估计μ；区间估计是以一定的概率作保证估计总体参数位于某两个数值之间。

但是试验工作更关心的是有关估计值的利用，即利用估计值去作统计假设测验。

此法首先是根据试验目的对试验总体提出两种彼此对立的假设，然后由样本的实际结果，经过一定的计算，作出在概率意义上应接受哪种假设的推断。

由于此种测验法首先对总体提出假设，所以称为统计假设测验。

二、统计假设测验基本方法(一)提出假设统计假设测验首先要对研究总体提出假设。

假设一般有两种，一种是无效假设，记作H 0；另一种是备择假设，记作H A 。

无效假设是设处理效应为零，试验结果所得的差异乃误差所致。

备择假设是和无效假设相反的一种假设，即认为试验结果所得的差异是由于真实处理效应所引起。

1、单个平均数的假设 假设一个样本平均数x 是从一个已知总体(总体平均数为0μ)中随机抽出的，记作H 0：0μμ=，对H A ：0μμ≠。

例如，有一个小麦品种产量总体是正态分布的，总体平均667m 2产量0μ为360kg ，标准差σ为40kg 。

但此品种经多年种植后出现退化，必须对其进行改良，改良的品种种植16个小区，得其平均667m 2产量王为380kg 。

试问这个改良品种在产量性状上是否和原品种相同。

此乃单个平均数的假设测验，是要测验改良品种的总体平均667m 2产量μ是否还是360kg 。

记为H 0：0μμ=（360kg ），H A ：0μμ≠。

2、两个平均数相比较的假设 假设两个样本平均数1x 和2x 是从两个具有平均数相等的总体中随机抽出的，记为H 0：12μμ=，H A ：12μμ≠。

例如要测验两个小麦品种的总体平均产量是否相等，两种农药的杀虫效果是否一样等等。

判定是否属小概率事件的概率值叫显著水平 (significant level), 一般以α表示。农业上常取0.05 和0.01。凡计算出的概率p小于α的事件即为小概率 事件。
统计上，当1%＜p ≤5%称所测差异显著， p ≤1%称差异极显著， p＞5%称差异不显著，
所以，统计假设测验又叫差异显著性测验 (difference significance test)
在实际检验时，计算概率可以简化，因为在标准正态分布下：
P（|u|＞1.96）=0.05， P（|u|＞2.58）=0.01， 因此，在用u分布作检验时， |u|≥1.96，表明概率P＜0.05，可在0.05水平上否定H0； |u，|≥表2.明58P，＞表0.明05概，率可P接＜受0.H001。，不可必在再0.计01算水实平际上的否概定率H0。|u|<1.96
第二节 单个平均数的假设检验
单个平均数的假设检验就是检验某一样本所 属总体平均数是否和某一指定的总体平均数相同 ，检验所依据的理论基是平均数的抽样分布
一 单个平均数u检验
（一）应用条件： 1 总体参数μ0和σ2为已知 。 2 总体参数μ0已知， σ2 为未知，但
为大样本（n≥30），可用S2估计。
此错误的概率为β。
β
β
x1 x1 μ0
x2 x2μ
x
否定区间
接受区间
由图可见，β的大小与｜μ－μ0｜、α有反比关系；而与标准
误
有 正比关系。
x
n
实际中控制犯两类错误的措施有以下几种：
①适当增大水平间差距，即增大｜μ－μ0｜。
②增加n。
③根据试验目的，通过调整α的大小来控制犯错 误的概率。即 当试验者主观希望获得差异显著(不显著) 的检验结果时，（此时易接受第一类(二类)错 误），应适当减小(增大) α。