四、假设检验
4.1 假设检验
4.1.1 概念
从对总体的假设出发用样本数据进行检验,实现对总体指标分析的过程。即,对总体指标是否等于某一个数值,某一随机变量是否服从某种概率分布而做出相应的假设。
- 分析样本指标和总体指标之间是否存在显著差异。
4.1.2 基本思想
对总体的指标作出假设,以小概率事件不会发生作为基准,运用反证法的思想,根据所获样本的数据,计算相应的样本统计量,得出小概率事件在此次抽样中是否发生的结论,从而对总体指标的假设做出接受或拒绝的判断。
4.2 假设检验的分析方法
4.2.1 假设检验的基本步骤
- 建立假设 H 0 H_0 H0 v s vs vs H 1 H_1 H1,后者为备择假设。
- 选择合适的检验统计量
- 单个正态总体均值的假设检验
检验法 | H 0 H_0 H0 | H 1 H_1 H1 | 检验统计量 | 拒绝域 |
---|---|---|---|---|
u u u检验( σ \sigma σ已知) | μ ≤ μ 0 \mu\le\mu_0 μ≤μ0 | μ > μ 0 \mu>\mu_0 μ>μ0 | u = x ‾ − μ 0 σ n u=\frac{\overline x-\mu_0}{\frac{\sigma}{\sqrt n}} u=nσx−μ0 | u ≥ u 1 − α u\ge u_{1-\alpha} u≥u1−α |
μ ≥ μ 0 \mu\ge\mu_0 μ≥μ0 | μ < μ 0 \mu<\mu_0 μ<μ0 | u ≤ u 1 − α u\le u_{1-\alpha} u≤u1−α | ||
μ = μ 0 \mu=\mu_0 μ=μ0 | μ ≠ μ 0 \mu\ne\mu_0 μ=μ0 | ∣ u ∣ ≥ u 1 − α / 2 \vert u \vert \ge u_{1-\alpha/2} ∣u∣≥u1−α/2 | ||
– | – | – | – | – |
t t t检验( σ \sigma σ未知) | μ ≤ μ 0 \mu\le\mu_0 μ≤μ0 | μ > μ 0 \mu>\mu_0 μ>μ0 | t = x ‾ − μ 0 s / n t=\frac{\overline x-\mu_0}{s/\sqrt n} t=s/nx−μ0 | t ≥ t 1 − α ( n − 1 ) t\ge t_{1-\alpha}(n-1) t≥t1−α(n−1) |
μ ≥ μ 0 \mu\ge\mu_0 μ≥μ0 | μ < μ 0 \mu<\mu_0 μ<μ0 | t ≤ t 1 − α ( n − 1 ) t\le t_{1-\alpha}(n-1) t≤t1−α(n−1) | ||
μ = μ 0 \mu=\mu_0 μ=μ0 | μ ≠ μ 0 \mu\ne\mu_0 μ=μ0 | ∣ t ∣ ≥ t 1 − α / 2 ( n − 1 ) \vert t \vert \ge t_{1-\alpha/2}(n-1) ∣t∣≥t1−α/2(n−1) |
- 两个正态总体均值的假设检验
检验法 | H 0 H_0 H0 | H 1 H_1 H1 | 检验统计量 | 拒绝域 |
---|---|---|---|---|
u u u检验( σ 1 、 σ 2 \sigma_1、\sigma_2 σ1、σ2已知) | μ 1 ≤ μ 2 \mu_1\le\mu_2 μ1≤μ2 | μ 1 > μ 2 \mu_1>\mu_2 μ1>μ2 | u = x ‾ − y ‾ σ 1 2 m + σ 2 2 n u=\frac{\overline x-\overline y}{\sqrt{\frac{\sigma_1^2}{m}+\frac{\sigma_2^2}{n}}} u=mσ12+nσ22x−y | u ≥ u 1 − α u\ge u_{1-\alpha} u≥u1−α |
μ 1 ≥ μ 2 \mu_1\ge\mu_2 μ1≥μ2 | μ 1 < μ 2 \mu_1<\mu_2 μ1<μ2 | u ≤ u 1 − α u\le u_{1-\alpha} u≤u1−α | ||
μ 1 = μ 2 \mu_1=\mu_2 μ1=μ2 | μ 1 ≠ μ 2 \mu_1\ne\mu_2 μ1=μ2 | ∣ u ∣ ≥ u 1 − α / 2 \vert u \vert \ge u_{1-\alpha/2} ∣u∣≥u1−α/2 | ||
– | – | – | – | – |
t t t检验( σ 1 = σ 2 \sigma_1=\sigma_2 σ1=σ2未知) | μ 1 ≤ μ 2 \mu_1\le\mu_2 μ1≤μ2 | μ 1 > μ 2 \mu_1>\mu_2 μ1>μ2 | t = x ‾ − y ‾ s w 1 m + 1 n t=\frac{\overline x-\overline y}{s_w\sqrt{\frac{1}{m}+\frac{1}{n}}} t=swm1+n1x−y | t ≥ t 1 − α ( m + n − 2 ) t\ge t_{1-\alpha}(m+n-2) t≥t1−α(m+n−2) |
μ 1 ≥ μ 2 \mu_1\ge\mu_2 μ1≥μ2 | μ 1 < μ 2 \mu_1<\mu_2 μ1<μ2 | t ≤ t 1 − α ( m + n − 2 ) t\le t_{1-\alpha}(m+n-2) t≤ |