假设检验
-
原假设和备择假设: H 0 : μ = μ 0 H_0:\mu=\mu_0 H0:μ=μ0, H 1 : μ ≠ μ 0 H_1:\mu \ne \mu_0 H1:μ=μ0
-
第一类错误( α \alpha α错误): H 0 H_0 H0以真为假,需要重视;
第二类错误( β \beta β错误): H 0 H_0 H0以假为真;
对于小样本,两者只能取舍。 -
假设检验流程:
- 提出 H 0 H_0 H0和 H 1 H_1 H1;
- 计算检验统计量 Z Z Z;
- 比较 ∣ Z ∣ |Z| ∣Z∣和置信水平确定的 ∣ Z α / 2 ∣ |Z_{\alpha/2}| ∣Zα/2∣,若 ∣ Z ∣ < ∣ Z α / 2 ∣ |Z|<|Z_{\alpha/2}| ∣Z∣<∣Zα/2∣,不拒绝 H 0 H_0 H0, ∣ Z ∣ > ∣ Z α / 2 ∣ |Z|>|Z_{\alpha/2}| ∣Z∣>∣Zα/2∣时,拒绝 H 0 H_0 H0。
-
P值:
- H 0 H_0 H0为真时样本观测结果或更极端结果出现的概率。
- 值越小,拒绝 H 0 H_0 H0的理由越充分。
- 事先确定显著水平 α = 0.05 \alpha=0.05 α=0.05,双边检验 P < 0.025 P<0.025 P<0.025拒绝 H 0 H_0 H0,单边检验 P < 0.05 P<0.05 P<0.05拒绝 H 0 H_0 H0。
-
检验结果的解释:
- 拒绝 H 0 H_0 H0:“结论 H 1 H_1 H1为真出错的概率不超过 α \alpha α”;
- 不拒绝 H 0 H_0 H0:“在显著水平 α \alpha α下没有发现充足的证据拒绝 H 0 H_0 H0”。
-
检验统计量的确定: