假设检验的基本原理.ppt

优选假设检验的基本原理 本文档共17页；当前第1页；编辑于星期五\22点51分 一、假设检验的基本原理 利用样本信息，根据一定概率，对总体参数或分布的某一假设作出拒绝或保留的决断，称为假设检验。 本文档共17页；当前第2页；编辑于星期五\22点51分 以总体平均数的假设检验为例说明假设检验的基本原理。 当对某一个总体平均数（μ）进行假设检验时，首先从这个总体中随机抽取一个样本，计算出样本平均数的值。然后，假定样本所属总体的平均数（μ）等于某个假设的总体平均数（μ0），那么，这个样本就来自这个假设总体，样本统计量的值是这个假设总体平均数值的一个随机样本值，样本平均数与总体平均数之间的差异是由抽样误差造成的。 保留区间0.95 μ0 μ=μ0 本文档共17页；当前第3页；编辑于星期五\22点51分 从假设总体中抽取的一切可能样本统计量的值应当以假设的总体平均数为中心形成一个正态分布。这个分布可以分成两个区域。 如果这个样本统计量的值落在了这个抽样分布中出现概率比较大的区域里，这时只好保留零假设，即研究者不得不承认这个样本来自这个假设的总体，或者这个样本所属总体与假设总体没有真正的差异。如果这个样本统计量的值落在了抽样分布中出现概率极小的区域里，根据小概率事件在一次随机抽样中几乎不可能发生的原理，研究者不得不推翻这个样本所属总体等于假定的总体，或这个样本来自这个假定总体的假设，同时不得不承认样本统计量与假设总体的平均数所存在的差异并非抽样误差造成的，而是存在着本质的差异，在统计学中又叫做显著性差异。 本文档共17页；当前第4页；编辑于星期五\22点51分 1．假设 假设检验一般有两个互相对立的假设。 H0：零假设，或称原假设、虚无假设（null hypothesis）、解消假设；是要检验的对象之间没有差异的假设。 H1：备择假设（alternative hypothesis），或称研究假设、对立假设；是与零假设相对立的假设，即存在差异的假设。 本文档共17页；当前第5页；编辑于星期五\22点51分 进行假设检验时，一般是从零假设出发，以样本与总体无差异的条件计算统计量的值，并分析计算结果在抽样分布上的概率，根据相应的概率判断应接受零假设、拒绝研究假设还是拒绝零假设、接受研究假设。 本文档共17页；当前第6页；编辑于星期五\22点51分 2．小概率事件 样本统计量的值在其抽样分布上出现的概率小于或等于事先规定的水平，这时就认为小概率事件发生了。把出现概率很小的随机事件称为小概率事件。 本文档共17页；当前第7页；编辑于星期五\22点51分 当概率足够小时，可以作为从实际可能性上，把零假设加以否定的理由。因为根据这个原理认为：在随机抽样的条件下，一次实验竟然抽到与总体参数值有这么大差异的样本，可能性是极小的，实际中是罕见的，几乎是不可能的。 本文档共17页；当前第8页；编辑于星期五\22点51分 3．显著性水平 统计学中把拒绝零假设的概率称为显著性水平，用α表示。 显著性水平也是进行统计推断时，可能犯错误的概率。 常用的显著性水平有两个： α＝0.05 和 α＝0.01。 本文档共17页；当前第9页；编辑于星期五\22点51分 在抽样分布曲线上，显著性水平既可以放在曲线的一端（单侧检验），也可以分在曲线的两端（双侧检验）。 图9－1 正态抽样分布上α＝0.05的三种不同位置 α α 本文档共17页；当前第10页；编辑于星期五\22点51分 4．假设检验中的两类错误及其控制 对于总体参数的假设检验，有可能犯两种类型的错误，即α错误和β错误。 表9－1 假设检验中的两类错误 H0为真 H0为假 拒绝H0 α错误 正确 接受H0 正确 β错误 本文档共17页；当前第11页；编辑于星期五\22点51分 X O 两类错误的关系及控制 本文档共17页；当前第12页；编辑于星期五\22点51分 两类错误的关系及控制 本文档共17页；当前第13页；编辑于星期五\22点51分 为了将两种错误同时控制在相对最小的程度，研究者往往通过选择适当的显著性水平而对α错误进行控制，如α＝0.05或α＝0.01。 对β错误，则一方面使样本容量增大，另一方面采用合理的检验形式（即单侧检验或双侧检验）来使β误差得到控制。 本文档共17页；当前第14页；编辑于星期五\22点51分 5 假设的形式 在确定检验形式时，凡是检验是否与假设的总体一致的假设检验，α被分散在概率分布曲线的两端，因此称为双侧检验。 双侧检验的假设形式为： H0：μ＝μ0， H1：μ≠μ0 本文档共17页；当前第15页；编辑于星期五\22点51分 凡是检验大于或小于某一特定条件的假设检验，α是在概率分布曲线的一端，因此称为