統(tǒng)計的假設(shè)檢驗-文庫吧
2025-01-15 16:50 本頁面
【正文】 兩側(cè) . (ⅰ) H1 : ? ? ?0 ( 單側(cè)檢驗 )(ⅱ) H1 : ? ? ?0 ( 單側(cè)檢驗 )(ⅲ) H1 : ? ? ?0 (兩側(cè)檢驗 ) 統(tǒng)計的假設(shè)檢驗統(tǒng)計的假設(shè)檢驗 拒絕范圍?無法拒絕 HO(臨界值 ) (臨界值 )(臨界值 )(臨界值 )拒絕范圍?無法拒絕 HO拒絕范圍 拒絕范圍?? / 2?? / 2無法拒絕 HO雙側(cè)檢驗單側(cè)右檢驗單側(cè)左檢驗單側(cè)和雙側(cè)檢驗H1: =(不等于 )H1: (大于 )H1: (小于 )統(tǒng)計的假設(shè)檢驗統(tǒng)計的假設(shè)檢驗 假設(shè)檢驗的兩類錯誤假設(shè)檢驗的基本思路及方法我們已了解 .但是這種檢驗方法做出的決策是不是一定都正確 ?答案是否定的 .由于我們做出判斷的依據(jù)僅僅是一個樣本 ,作判斷的方法是由部分來推斷總體 ,事實上可能發(fā)生兩種類型的錯誤 .第一種錯誤 (Type Ⅰ Error) 原假設(shè)實際上正確，這時我們做出了拒絕原假設(shè)的決策 ,因而犯了錯誤 .這類錯誤稱為 第 Ⅰ 類錯誤 ,也簡稱為 棄真錯誤 .我們無法排除犯這類錯誤的可能性，因此自然希望將犯這種錯誤的概率控制在一定的限度內(nèi)。事實上，允許犯這類錯誤的概率最大為 α ，即 1置信度， α 稱為顯著水平。關(guān)于有無顯著性差異的判斷是在顯著水平 α 之下做出的。P｛ 拒絕 H0| H0 為真｝ ≤ α統(tǒng)計的假設(shè)檢驗統(tǒng)計的假設(shè)檢驗 第二種錯誤 (Type Ⅱ Error) 原假設(shè)實際上不正確，這時我們做出了接受原假設(shè)的決策 ,因而犯了錯誤 .這類錯誤稱為 第 Ⅱ 類錯誤 ,也簡稱為 偽錯誤 . 實際上有差異，但我們認為 “ 沒有差異 ” ，犯這種 錯誤出現(xiàn)的概率 .β 風(fēng)險一般不能通過統(tǒng)計檢驗直接求得 .第一種錯誤α第二種誤差β正確的正確的決定決定正確的正確的決定決定真條件無差異 有差異無差異不同統(tǒng)計的條件第一種錯誤α第二種誤差β正確的正確的決定決定正確的正確的決定決定真條件無差異 有差異無差異不同統(tǒng)計的條件P｛ 接受 H0| H0 不真｝統(tǒng)計的假設(shè)檢驗統(tǒng)計的假設(shè)檢驗 ?? ??什么是 “ 顯著性的 (Significant)差異 ”?上圖兩個總體的平均推斷值有 “ 顯著性差異 ” 嗎？對從總體采取一些樣本，得到的此結(jié)論，我們有多少的自信呢？?顯著性差異(Significant Difference)： 用于描述統(tǒng)計假設(shè)檢驗結(jié)果的術(shù)語，即：差異大得不能合理地歸因于偶然因素。 統(tǒng)計的假設(shè)檢驗統(tǒng)計的假設(shè)檢驗 把 δ /sigma定為 , 增加樣本大小時 , 平均分布的重復(fù)量就越小 .如果我們很有自信地說不得兩個總體的平均不同 , 就盡可能把重復(fù)量變小 .總體為有限的 1000個從總體各抽取 2個樣本的平均的分布從總體各取 30個樣本的平均分布 .樣本的大小對檢驗的影響統(tǒng)計的假設(shè)檢驗統(tǒng)計的假設(shè)檢驗 什么是 Pvalue?167。 Pvalue是原假設(shè) H0真實的結(jié)論時，我們觀察到樣本的值有多大的概率，簡稱 P值。如果此值小，就下原假設(shè)為不真實的結(jié)論。統(tǒng)計學(xué)上稱為小概率事件，即樣本不是從原假設(shè)的分布中抽出的。一般 P值大于 α ，則無法拒絕原假設(shè)，相反， P值小于 α ， 則拒絕原假設(shè)。167。 Pvalue為多少是好呢 ? 一般 Pvalue,就拒絕原假設(shè) H0167?？偟眠m用 5%的規(guī)則嗎 ? 不 ,根據(jù)情況可用 1%或 10% 適用 1%: 第一種錯誤引起的損失大時 適用 10%: 損失不深刻時 , 第二種錯誤引 起的損失大時 .在 Minitab中我們進行假設(shè)驗證， P－ value是我們判斷的基準(zhǔn)統(tǒng)計的假設(shè)檢驗統(tǒng)計的假設(shè)檢驗 其它用語定義顯著性差異 (Significant Difference) – 統(tǒng)計性假設(shè)的結(jié)果不能看成是偶然的 , 有很大差異時用的記法。顯著水平 (Significance level) – 犯第一種錯誤的最大允許范圍 ,α 危險。檢驗?zāi)芰?(Power) – 歸零假設(shè)的內(nèi)容與實際有差異時 , 可以檢驗此差異的概率。（ 1 β ） 為了加強檢驗?zāi)芰?，所用的?shù)據(jù)要多 。 檢驗統(tǒng)計量 (Test Statistics)– 我們做統(tǒng)計檢驗后得到的標(biāo)準(zhǔn)化的值 (t,f,Chi_square值 ) 一般跟 Pvalue意義相同 , 如果計算出來的檢驗統(tǒng)計量大于臨界值 , 就采納對立假設(shè) H1統(tǒng)計的假設(shè)檢驗統(tǒng)計的假設(shè)檢驗 3. 樣本的不正確性為了解總體的特性，抽取樣本時，樣本要正確反映總體，受下列要因的影響 . ? 抽樣方法 ? 樣本間的變動 ? 樣本的大小在這種情況下，需要多少樣本數(shù)據(jù)，有可能達到多少程度的準(zhǔn)確性呢？因此在假設(shè)檢驗中，應(yīng)提前制定誤差的允許范圍，并按照其基準(zhǔn)，
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1