統(tǒng)計(jì)的假設(shè)檢驗(yàn)-文庫(kù)吧
2025-01-15 16:50 本頁(yè)面
【正文】 兩側(cè) . (ⅰ) H1 : ? ? ?0 ( 單側(cè)檢驗(yàn) )(ⅱ) H1 : ? ? ?0 ( 單側(cè)檢驗(yàn) )(ⅲ) H1 : ? ? ?0 (兩側(cè)檢驗(yàn) ) 統(tǒng)計(jì)的假設(shè)檢驗(yàn)統(tǒng)計(jì)的假設(shè)檢驗(yàn) 拒絕范圍?無(wú)法拒絕 HO(臨界值 ) (臨界值 )(臨界值 )(臨界值 )拒絕范圍?無(wú)法拒絕 HO拒絕范圍 拒絕范圍?? / 2?? / 2無(wú)法拒絕 HO雙側(cè)檢驗(yàn)單側(cè)右檢驗(yàn)單側(cè)左檢驗(yàn)單側(cè)和雙側(cè)檢驗(yàn)H1: =(不等于 )H1: (大于 )H1: (小于 )統(tǒng)計(jì)的假設(shè)檢驗(yàn)統(tǒng)計(jì)的假設(shè)檢驗(yàn) 假設(shè)檢驗(yàn)的兩類錯(cuò)誤假設(shè)檢驗(yàn)的基本思路及方法我們已了解 .但是這種檢驗(yàn)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(gè)樣本 ,作判斷的方法是由部分來(lái)推斷總體 ,事實(shí)上可能發(fā)生兩種類型的錯(cuò)誤 .第一種錯(cuò)誤 (Type Ⅰ Error) 原假設(shè)實(shí)際上正確，這時(shí)我們做出了拒絕原假設(shè)的決策 ,因而犯了錯(cuò)誤 .這類錯(cuò)誤稱為 第 Ⅰ 類錯(cuò)誤 ,也簡(jiǎn)稱為 棄真錯(cuò)誤 .我們無(wú)法排除犯這類錯(cuò)誤的可能性，因此自然希望將犯這種錯(cuò)誤的概率控制在一定的限度內(nèi)。事實(shí)上，允許犯這類錯(cuò)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(wú)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(jì)的假設(shè)檢驗(yàn)統(tǒng)計(jì)的假設(shè)檢驗(yàn) 第二種錯(cuò)誤 (Type Ⅱ Error) 原假設(shè)實(shí)際上不正確，這時(shí)我們做出了接受原假設(shè)的決策 ,因而犯了錯(cuò)誤 .這類錯(cuò)誤稱為 第 Ⅱ 類錯(cuò)誤 ,也簡(jiǎn)稱為 偽錯(cuò)誤 . 實(shí)際上有差異，但我們認(rèn)為 “ 沒(méi)有差異 ” ，犯這種 錯(cuò)誤出現(xiàn)的概率 .β 風(fēng)險(xiǎn)一般不能通過(guò)統(tǒng)計(jì)檢驗(yàn)直接求得 .第一種錯(cuò)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(wú)差異 有差異無(wú)差異不同統(tǒng)計(jì)的條件第一種錯(cuò)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(wú)差異 有差異無(wú)差異不同統(tǒng)計(jì)的條件P｛ 接受 H0| H0 不真｝統(tǒng)計(jì)的假設(shè)檢驗(yàn)統(tǒng)計(jì)的假設(shè)檢驗(yàn) ?? ??什么是 “ 顯著性的 (Significant)差異 ”?上圖兩個(gè)總體的平均推斷值有 “ 顯著性差異 ” 嗎？對(duì)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(jì)假設(shè)檢驗(yàn)結(jié)果的術(shù)語(yǔ)，即：差異大得不能合理地歸因于偶然因素。 統(tǒng)計(jì)的假設(shè)檢驗(yàn)統(tǒng)計(jì)的假設(shè)檢驗(yàn) 把 δ /sigma定為 , 增加樣本大小時(shí) , 平均分布的重復(fù)量就越小 .如果我們很有自信地說(shuō)不得兩個(gè)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(gè)從總體各抽取 2個(gè)樣本的平均的分布從總體各取 30個(gè)樣本的平均分布 .樣本的大小對(duì)檢驗(yàn)的影響統(tǒng)計(jì)的假設(shè)檢驗(yàn)統(tǒng)計(jì)的假設(shè)檢驗(yàn) 什么是 Pvalue?167。 Pvalue是原假設(shè) H0真實(shí)的結(jié)論時(shí)，我們觀察到樣本的值有多大的概率，簡(jiǎn)稱 P值。如果此值小，就下原假設(shè)為不真實(shí)的結(jié)論。統(tǒng)計(jì)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(wú)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。總得適用 5%的規(guī)則嗎 ? 不 ,根據(jù)情況可用 1%或 10% 適用 1%: 第一種錯(cuò)誤引起的損失大時(shí) 適用 10%: 損失不深刻時(shí) , 第二種錯(cuò)誤引 起的損失大時(shí) .在 Minitab中我們進(jìn)行假設(shè)驗(yàn)證， P－ value是我們判斷的基準(zhǔn)統(tǒng)計(jì)的假設(shè)檢驗(yàn)統(tǒng)計(jì)的假設(shè)檢驗(yàn) 其它用語(yǔ)定義顯著性差異 (Significant Difference) – 統(tǒng)計(jì)性假設(shè)的結(jié)果不能看成是偶然的 , 有很大差異時(shí)用的記法。顯著水平 (Significance level) – 犯第一種錯(cuò)誤的最大允許范圍 ,α 危險(xiǎn)。檢驗(yàn)?zāi)芰?(Power) – 歸零假設(shè)的內(nèi)容與實(shí)際有差異時(shí) , 可以檢驗(yàn)此差異的概率。（ 1 β ） 為了加強(qiáng)檢驗(yàn)?zāi)芰?，所用的?shù)據(jù)要多 。 檢驗(yàn)統(tǒng)計(jì)量 (Test Statistics)– 我們做統(tǒng)計(jì)檢驗(yàn)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(jì)算出來(lái)的檢驗(yàn)統(tǒng)計(jì)量大于臨界值 , 就采納對(duì)立假設(shè) H1統(tǒng)計(jì)的假設(shè)檢驗(yàn)統(tǒng)計(jì)的假設(shè)檢驗(yàn) 3. 樣本的不正確性為了解總體的特性，抽取樣本時(shí)，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(dòng) ? 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(dá)到多少程度的準(zhǔn)確性呢？因此在假設(shè)檢驗(yàn)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(hào)-1