假设检验
目的
用于判断样本与样本,样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。
显著性检验是假设检验中最常用的方法之一。
原理:先对总体的特征作出某种假设,然后通过抽样研究的统计推理,对此推理是接收还是拒绝作出判断。
参数检验(已知分布)
步骤
- 列出假设H0、H1
- 根据上述假设,可写出其对应的分布
- 样本值带入分布,计算出对应的值
- 判断值是否在当前显著性水平的接受域
- 若在接受域,则接受当前分布的假设,否则拒绝该假设选择另外一个假设。
非参数检验(未知分布)
在一次实验中几乎不可能发生,若发生了则认为它不成立,即θ0属于U(拒绝域),则拒绝H0,认为θ!=θ0
原假设和备选假设的设定
通常研究假设为备选假设H1
目的:样本计算值落在拒绝域,此时称有95%的证据表明H0不对,所以接受H1
H0:药物是无效的
H1:药物是有效的
反证法:通过推翻H0来证实H1是有效的
H0:洗衣粉净含量大于等于500
H1:洗衣粉含量小于500
研究目的:是否有充分的证据证明,洗衣粉的含量少于500
- 落在拒绝域:有充分的证据证明厂家生产洗衣粉净含量少于500
- 落在接受域:没有充分的证据证明厂家生产洗衣粉净含量少于500
H0:洗衣粉含量小于500
H1:洗衣粉净含量大于等于500
- 落在拒绝域:有充分的证据证明厂家生产洗衣粉净含量大于等于500
- 落在接受域:没有充分的证据证明厂家生产洗衣粉净含量大于等于500
正态总体下的假设检验表
检验名称 | 已知 | H0 | H1 | 拒绝域 | 统计量 |
---|---|---|---|---|---|
u检验 | X~N(μ,σ02) σ02已知 X1,X2,X3,X4,…Xn |
μ=μ0 μ>=μ0 μ<=μ0 |
μ!=μ0 μ<μ0 μ>μ0 |
{|u|>u1-α/2} {u<uα} {u>uα} |
u = X ˉ − μ 0 σ 0 / n u=\frac{\bar{X}-\mu_{0}}{\sigma_0/\sqrt{n}} u=σ0/nXˉ−μ0 |
~ | X~N( μ 1 , σ 1 2 \mu_1,\sigma_1^2 μ1,σ12) Y~N( μ 2 , σ 2 2 \mu_2,\sigma_2^2 μ2,σ22) σ 1 与 σ 2 已 知 \sigma_1与\sigma_2已知 σ1与σ2已知 X1,X2,X3,X4,…Xn Y1,Y2,Y3,Y4,…Yn |
μ=μ0 μ>=μ0 μ<=μ0 |
μ!=μ0 μ<μ0 μ>μ0 |
{|u|>u1-α/2} {u<uα} {u>uα} |
u = X ˉ − Y ˉ σ 1 2 n 1 + σ 2 2 n 2 u=\frac{\bar{X}-\bar{Y}}{\sqrt{\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2}}} u=n1σ12+n2σ22 |