当前位置：文档之家 › 假设检验的两类错误.ppt

假设检验的两类错误.ppt

  • 格式：ppt
  • 大小：336.00 KB
  • 文档页数：9

下载文档原格式

  / 9

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。

8.1.2假设检验的两类错误和假设的提法

8.1.2假设检验的两类错误和假设的提法
2.假设检验的两类错误
当假设 H 0 正确时， 小概率事件也有可能发生, 此时, 我们会拒绝假设 H 0 , 因而犯了“弃真”的错误，
称此为第一类错误. 犯第一类错误的概率恰好就是“小概
率事件”发生的概率 , 即
P 拒绝H 0 | H 0 为真 .
反之， 若假设 H 0 不正确， 但一次抽样检验结果未发
3.假设检验问题的提法
在假设检验问题中， 把要检验的假设 H 0 称为原假 设(零假设或基本假设), 把原假设 H 0 的对立面称为 备择假设或对立假设， 记为 H 1 .
例1 某化学日用品有限责任公司用包装机包装洗衣 粉, 洗衣粉包装机在正常工作时, 装包量 X ~ N ( 5 0 0 ,
2 2 ) (单位:g), 每天开工后, 需先检验包装机工作是 否
拒绝域的边界点称为临界点.
完
生不合理结果，这时我们会接受 H 0 , 因而犯了“取伪”
的错误, 称此为第二类错误, 记 为犯第二类错误
的概率，即 P 接受H 0 | H 0 为不真 .
假设检验的犯两类错误的概率的关系： 理论上，自然希望犯这两类错误的概率都很小， 但
当样本容量 n 固定时， , 不能同时都小，即 变 小时， 就变大；而 变小时， 就变大. 二者不可
形如(2)式的假设检验称为右侧(边)检验.
形如(3)式的假设检验称为左侧(边)检验. 右侧(边)检验和左侧(边)检验统称为单侧(边)检验. 为检验提出的假设，通常需构造检验统计量， 并取
总体的一个样本值， 根据该样本提供的信息来判断
假设是否成立. 当检验统计量取某个区域 W 中的 值时， 我们拒绝原假设H 0 , 则称区域 W 为拒绝域,
形如(1)式的备择假设 H 1 , 表示 可能大于u 0 , 也可 能小于 u 0 , 称为双侧(边)备择假设.

《假设检验》PPT课件

《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

优选剖析假设检验的两类错误并举例说明ppt(共18张PPT)

优选剖析假设检验的两类错误并举例说明ppt(共18张PPT)
犯 β错误的概率大小就是相对正态曲线A 而言，图 1 中阴影部分的面积：
是单侧检验，弃真错误的概率则为 α/2。 出现两类错误的概率计算
命题 2：真实的总体参数（μ）与假设的总体参数（μ0）之间的差异（△μ）越小， 犯β 错误的概率越பைடு நூலகம்。
β错误的概率的计算
• 犯β错误的概率的计算是比较复杂的，由于β错误的 出现原因是属于逻辑上的，所以在总体参数不知道 的情况下是无法计算它出现概率的大小的。
这样我们就可以在总体均值为 870 元和 880元两种情况下， 分别作出两条正态分布曲线 （A线和 B 线） ，见下图。
样本随机抽样调查，人均收入的调查结 如果是单侧检验，弃真错误的概率则为 α/2。
命题 2：真实的总体参数（μ）与假设的总体参数（μ0）之间的差异（△μ）越小， 犯β 错误的概率越大。 例子：一个公司有员工3000 人（研究的总体） ，为了检验公司员工工资统计报表的真实性，研究者作了 50 人的大样本随机抽样调查，人均收入的
出现两类错误的概率计算
• α 错误是由实际推断原理引起的，即 结果表明，如果总体的真值为 870 元，而虚无假设为880元的话，那么，平均而言每100 次抽样中，将约有8次把真实情况当作880 元被接受，即犯
“小概率事件不会发生”的假定所引起 β错误的概率大小是。
在假设检验时，根据检验结果做出的判断，即拒绝H0或不拒绝H0并不是100%的正确，可能发生两种错误 这就是 α 错误出现的原因。
在很多个样本平均数。也就是说，由于小概率事件的
出现，我们把本来真实的原假设拒绝了。这就是 α
错误出现的原因。
β 错误出现原因
• 第二个问题是，统计检验的逻辑犯了从结论推断前 提的错误。命题 B 是由命题 A 经演绎推论出来的， 或写作符号 A→B，命题 C 是我们在检验中所依据

假设检验PPT课件

假设检验PPT课件
每隔一定时间，抽查若干罐 . 如每隔1小时， 抽查5罐，得5个容量的值X1，…，X5，根 据这些值来判断生产是否正常.
方法： 事先对生产状况提出一个假设，然后利用 样本统计量的值检验提出的假设是否正确。
.
6
二、两类假设
（一）原假设（null hypothesis ），又称零假设，指检验前对总体 参数值所做的假设。一般为研究者想收集证据予以反对的假设。
假设检验
统计推断
假设检验 参数估计
常见的假设检验有：
一样个本平均数的检验 两个样本平均数的检验
频率检验 方差检验
.
在总体理论分布和小概率原理的 基础上，通过提出假设、确定显 著水平、计算统计数、做出推断 等步骤来完成在一定概率意义上 的推断。会出现两类错误。
参数估计又分为区间估计和点估 计，与假设检验比较，二者主要 是表示结果的形式不同，其本质 是一样的。
如果H0不成立，但统计量的 实测值未落入否定域，从而没有
作出否定H0的结论，即接受了错 误的H0，那就犯了“以假为真” 的错误 .
请看下表
.
19
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
统计检验过程
.
20
两类错误的关系
a/2
a/2 H0 真
60 62.5 65 67.5 70 72.5 75
.
3
本章讨论参数假设检验 . 一个质量检验例子：
.
4
罐装可乐的容量按标准应在 350毫升和360毫升之间.
生产流水线上罐装可 乐不断地封装，然后装箱 外运. 怎么知道这批罐装 可乐的容量是否合格呢？
把每一罐都打开倒入量杯, 看看容量是否合于标准.

3[1].1假设检验初述,二类错误

3[1].1假设检验初述,二类错误

第三章 假设检验3.1 假设检验 两类错误（1）假设检验（hypothesis test ） 假设检验是统计推断的另一类重要问题，是概率意义下的一种反证法。

一般，当母体X 的分布完全未知，或只知其形式而不知其参数时，为推断母体的有关特性，提出针对母体的某项假设；再对母体进行抽样，依据子样值对所提假设做出接受或拒绝的决策。

（2）决策依据——实际推断原理 小概率事件在一次试验中几乎不发生。

若抽样结果是小概率事件在这一次试验中发生了，就有理由怀疑假设的正确性，从而做出拒绝原假设的决策；否则接受原假设。

例 3.1.1 某饮料厂在自动流水线上装饮料，每瓶的重量（单位：克）)10,(~2μN X ，正常生产情况下500=μ，一段时间后，为检查机器工作是否正常，抽取9个样品，称重后算得494=x ，试问：此时自动流水线的工作是否正常？解：①提出假设母体)10,(~2μN X ，其中μ未知，在母体上作原假设0H 和备择假设（或称对立假设）1H 如下：↔==500:00μμH 500:01=≠μμH ②构造检验统计量X ∴的值应与μ很接近，想到用X 的值来检验原假设0H .当原假设成立时，10),,(~0200=σσμN X ，故),(~200n N X σμ，从而)1,0(~/10500/000N n X n X U H -=-=σμ（3-1）③给定小概率，找出拒绝域取小概率02.0=α，则有2αu 使}{2αα=≥u U P （3-2）}{2αu U ≥是一个小概率事件，如果一次抽样的结果是这一小概率事件发生了，则认为原假设不合理，应予拒绝。

即应取拒绝域}),,,{(221αu U x x x W n ≥= }),,,{(221ασμu n X x x x n ≥-= （3-3）④做出决策 这时，494=x ，5000=μ，9,100==n σ，8.1=∴U ；02.0=α，33.201.02==u u α，故2αu U <，∴应接受0H ，即认为机器工作正常.注：①假设检验又称为差异显著性检验；②假设检验是具有概率性质的反证法；③拒绝H的说服力强，接受0H的说服力不强；④α越小，拒绝H的说服力越强。

8.3 假设检验的两类错误

8.3 假设检验的两类错误

第二类错误：存伪错误
P{接受H0 | H0不真} =
假设检验的基本概念
第一类错误的概率
P{拒绝H0 | H0为真} =
➢ 是显著性水平
假设检验的基本概念
H0: 无罪 H1: 有罪
H0 检验
审判
裁决
实际情况
无罪
有罪
无罪
正确
错误
有罪
错误
正确
决策
实际情况
H0为真
H0不真
接受H0
1-
第二类
- Τ2
−

= /0
.
+ Τ2
假设检验的基本概念
(0,1)
第二类错误概率的影响因素

0 −
0 −

= Φ(
+ ൗ2 ) − Φ(
− ൗ2 )
/
/
当0 ，, , 固定时，
随 减小而增大
- Τ2
+ Τ2
(0,1)
错误()
拒绝H0
第一类
错误()
1-
假设检验的基本概念
第二类错误的概率
P{接受H0 | H0不真}=
问 若总体 X ~ N( , 2 ), 待检假设 H0: μ = 0 H1: μ 0
=？
N( , 2 )
0

假设检验的基本概念
第二类错误概率的影响因素
分析 如果总体 X ~ N( , 2 ), 待检假设 H0: μ = 0 H1: μ 0
= Φ(
+ ൗ2 ) − Φ(
− ൗ2 )
/
/
当0 , , , 固定时， 随 增大而减小

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？

假设检验《统计学原理》课件

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,

卫生统计学课件_第六章_假设检验

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。

第八章 假设检验 (《统计学》PPT课件)

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？

统计学基础与实务-ppt-第6章假设检验

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)

假设检验完整版PPT课件

假设检验完整版PPT课件
H0 ： 335ml H1 ： 335ml
消费者协会接到消费者投诉，指控品牌纸包装 饮料存在容量不足，有欺骗消费者之嫌。包装 上标明的容量为250毫升。消费者协会从市场上 随机抽取50盒该品牌纸包装饮品进行假设检验。 试陈述此假设检验中的原假设和备择假设。
解：消费者协会的意图是倾向于证实饮料厂包装 饮料小于250ml 。建立的原假设和备择假设为
显著性水平和拒绝域
(右侧检验 )
抽样分布
置信水平
1-
拒绝H0

0 观察到的样本统计量
样本统计量 临界值
显著性水平和拒绝域
(右侧检验 )
抽样分布
置信水平
1-
拒绝H0

0
样本统计量
临界值
第一节 假设检验概述
1、假设检验的基本思想 2、假设检验的步骤 3、两类错误和假设检验的规则
三、两类错误和假设检验的规则
(单侧检验 )
抽样分布
置信水平
拒绝H0

1-
拒绝域 临界值
0 接受域
样本统计量
显著性水平和拒绝域
(左侧检验 )
抽样分布
置信水平
拒绝H0

1-
临界值
0
样本统计量
观察到的样本统计量
显著性水平和拒绝域
(左侧检验 )
抽样分布
置信水平
拒绝H0

1-
临界值
0
观察到的样本统计量
样本统计量
•【例2】一种罐装饮料采用自动生产线生产，每罐的容量 是255ml，标准差为5ml，服从正态分布。换了一批工人后， 质检人员在某天生产的饮料中随机抽取了16罐进行检验，
一个总体的检验
一个总体
  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)。

谢谢观看
X0 n
u0.05
1.645
否定域为W : u u0.05 =1.645
代入 σ=2, n=25, 并由样本值计算得统计量U的实测值:
u=3.125>1.645
落入否定域
故拒绝H0 , 即认为这批燃料率较以往生产的有显著的提高。
例2: 某织物强力指标X的均值 μ0=21公斤. 改进工艺后生产一批织物, 今从中取30件,
If I'd gone alone, I couldn't have seen nearly as much, because I wouldn't have known my way about.
。2020年11月8日星期日2020/11/82020/11/82020/11/8
• 15、会当凌绝顶，一览众山小。2020年11月2020/11/82020/11/82020/11/811/8/2020
• 16、如果一个人不知道他要驶向哪头，那么任何风都不是顺风。2020/11/82020/11/8November 8, 2020
•
THE END 17、一个人如果不到最高峰，他就没有片刻的安宁，他也就不会感到生命的恬静和光荣。2020/11/82020/11/82020/11/82020/11/8
假设检验的两类错误
实际情况
决定
H0ቤተ መጻሕፍቲ ባይዱ真
H0不真
数理统计
拒绝H0 第一类错误
正确
接受H0
正确
第二类错误
犯两类错误的概率: P{拒绝H0|H0为真}=α,
P{接受H0|H0不真}=β.
显著性水平 α为犯第一类错误(Type I error)的概率; β为犯第二类错误(Type II error)的概率.
• 13、志不立，天下无可成之事。2020/11/82020/11/82020/11/82020/11/811/8/2020
• 14、Thank you very much for taking me with you on that splendid outing to London. It was the first time that I had seen the Tower or any of the other famous sights.
数理统计
• 10、人的志向通常和他们的能力成正比例。2020/11/82020/11/82020/11/811/8/2020 1:46:51 PM
• 11、夫学须志也，才须学也，非学无以广才，非志无以成学。2020/11/82020/11/82020/11/8Nov-208-Nov-20
• 12、越是无能的人，越喜欢挑剔别人的错儿。2020/11/82020/11/82020/11/8Sunday, November 08, 2020
W--为拒绝域
显著性 水平α
对差异进行定量的分析， 确定其性质 (是随机误差还是系统误差. 为给出两者界限， 找一检验统计量T， 在H0成立下其分布已知.)
• 9、春去春又回，新桃换旧符。在那桃花盛开的地方，在这醉人芬芳的季节，愿你生活像春天一样阳光，心情像桃花一样美丽，日子像桃子一样甜蜜。
2020/11/82020/11/8Sunday, November 08, 2020
现在用新方法生产了一批推进器。从中随机取 n=25只,
测得燃烧率的样本均值为: x41.25cm/s.
设在新方法下总体均方差仍为 2cm/s,
问: 这批推进器的燃烧率是否较以往生产的推进器的燃烧率有 显著的提高?取显著性水平 α=0.05.
解:提出假设: H 0: 0 4H 0 1: 0
取统计量:U
数理统计
第六节 假设检验的两类错误
假设检验的两类错误
一、假设检验的两类错误
数理统计
假设检验会不会犯错误呢？
由于作出结论的依据是: 小概率原理
小概率事件在一次试验中基本上不会发生 .
不是一定不发生
如果H0成立, 但统计量的实测值落入否定域, 从而作出否定H0的结论, 那就犯了“以真为假”的错误 .
如果H0不成立, 但统计量的实测值未落入否定域, 从而没有作出否定H0的结论,即接受了错误的H0, 那就犯了“以假为真”的错误 .
两类错误的概率的关系
数理统计
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.
要同时降低两类错误的概率 α, β 或者 要在 α不变的条件下降低 β, 需要增加样本容量.
例1: 某厂生产的固体燃料推进器的燃烧率服从正态分布: 数理统计 N (,2 ) , 4 0 c m /s , 2 c m /s .
数理统计
测得 X =21.55公斤.
假设强力指标服从正态分布 N(μ,σ2),
且已知 σ=1.2公斤, 问在显著性水平 α=0.01 下,
新生产织物比过去的织物强力是否有提高?
解:提出假设: H 0:2 1H 1:21
取统计量: U X21~N(0,1)
n
数理统计
否定域为W : u u0.01 =2.33
代入 σ=2, n=25, 并由样本值计算得统计量U的实测值:
u=2.51>2.33
落入否定域
故拒绝原假设H0 ,
即新生产织物比过去的织物的强力有提高。
小结:
提出
假设
根据统计调查的目的,
数理统计
提出原假设H0 和备选假设H1
作出 决策
拒绝还是 不能拒绝H0
抽取 样本
检验 假设
P(T∈W)=α
α--犯第一类错误 的概率，