假设检验说明小白版

最新推荐文章于 2023-03-24 19:24:04 发布

007不打工人

最新推荐文章于 2023-03-24 19:24:04 发布

阅读量495

点赞数 1

文章标签：假设检验 MATLAB

本文链接：https://blog.csdn.net/qq_31763735/article/details/69230062

版权

假设检验笔记

第一步：做出的备择假设是所想要的结果

以总体标准差已知的单个正态总体均值检验为例： $N\left( {100,4} \right)$

97 102 105 112 99 103 102 94 100 95 105 98102 100 103

这个时候我们怀疑工作不正常才会去做假设检验，为了验证我们的想法，所以

原假设 ${H_0}:\mu {\rm{ = }}{\mu _0}{\rm{ = }}100$ ，备择假设为 ${H_1}:\mu \ne {\mu _0}$

因为 $z = \frac{{\bar X - {\mu _0}}}{{{\sigma \mathord{\left/ {\vphantom {\sigma {\sqrt n }}} \right. \kern-\nulldelimiterspace} {\sqrt n }}}} \sim N\left( {0,1} \right)$ ,,当工作不正常时，z的值自然会偏差比较大，这时候我们要有较大的把握认为 $\bar X$ 与 ${\mu _0}$ 之间有较大的偏差。一般认为较大的把握是95%以上，也就是置信水平为95%，显著性水平为α=0.05，这时候这个z就应该落在图1中正态分布概率图的0.025分位点的右侧或-0.025分位点的左侧，等价于|z|也就落在了0.025分位点的右侧

这样也就是如果|z|（右边的红点）> ${z_{0.025}}$ （左边的红点），那么我们就有95%以上的把握拒绝原假设喽，如果|z|< ${z_{0.025}}$ ，我们则没有充分把握来拒绝原假设，只好接受原假设。

从p_value也就是P_值得角度来看，如果|z|（右边的红点）落在了 ${z_{0.025}}$ 的右边所对应的概率为 $\Phi \left( {|Z|} \right)$ ,只要保证 $\Phi \left( {|Z|} \right)$ >1-0.025，即1- $\Phi \left( {|Z|} \right)$ <0.025= 就能说明有95%以上的把握认为工作不正常，拒绝原假设，这里P_=2*(1- $\Phi \left( {|Z|} \right)$ )

MATLAB用ztest可以检验，代码如下

x=[97 102 105 112 99 103 102 94 100 95 10598 102 100 103];

mu0=100; %原假设中的mu0

Sigma=2; %原假设中的Sigma(已知)

Alpha=0.05; %显著性水平

[h,p,muci,zval]=ztest(x,mu0,Sigma,Alpha)

结果

另一个方面，我们根据分析写出假设检验

clc;

clear all;

close all

x=[97 102 105 112 99 103 102 94 100 95 10598 102 100 103];

mu0=100; %原假设中的mu0

Sigma=2; %原假设中的Sigma(已知)

Alpha=0.05; %显著性水平

% 直接用MATLAB计算

[h,p,muci,zval]=ztest(x,mu0,Sigma,Alpha)

% 用理论计算

z=abs(mean(x)-mu0)/(Sigma/(sqrt(15)));

c_v=norminv(1-Alpha/2,0,1);

p_value=2*(1-normcdf(z,0,1));

if z>c_v

fprintf('\n根据统计量拒绝原假设\n')

end

if p_value<0.05

fprintf('\n根据p值拒绝原假设\n')

end

二者运行结果一致，说明分析正确

二、对于左边假设问题。

假如我们是怀疑产品的均值偏小，那么做出原假设 ${H_0}:u > {u_0}$ ，备择假设为 ${H_1}:u < {u_0}$ ，如果一次抽样的结果竟然落入了下图中左边的红色区域

我们就有很大把握认为确实出现了产品均值偏小的情况，也就是拒绝原假设。那么，如何来量化这个“把握”呢。这就引入了左边假设检验问题，如果 ${\rm{z = }}\frac{{\bar X - {\mu _0}}}{{\sigma /\sqrt {\rm{n}} }}$ <- ${z_\alpha }$ ，那说明z落入左边红色区域的概率小于α=0.05，这种小概率发生的可能性小于0.05，故有超过（1-α）%=95%的把握说产品均值小于正常均值。

从P_值的角度考虑，计算 $\Phi {\rm{(}}\frac{{\bar X - {\mu _0}}}{{\sigma /\sqrt {\rm{n}} }})$ 的概率就是P_值，如果这个P_值<0.05，就说明产品均值确实偏小，因为正常情况下发生这个事件的概率很小，就说明机器出问题了。

对于右边假设问题，

我们是怀疑产品的均值偏大，那么做出原假设 ${H_0}:u < {u_0}$ ，备择假设 ${H_1}:u > u{}_0$ 。同样当 ${\rm{z = }}\frac{{\bar X - {\mu _0}}}{{\sigma /\sqrt {\rm{n}} }}$ > ${z_\alpha }$ 时，说明z落入了右边的蓝色区域

在一次抽样中就发生了大的偏差，我们就有足够的把握说产品确实均值偏大了，第一种方法自然是检验 ${\rm{z = }}\frac{{\bar X - {\mu _0}}}{{\sigma /\sqrt {\rm{n}} }}$ 和 ${z_\alpha }$ 的关系了，第二种用p_值的方法也就是计算1- $\Phi (\frac{{\bar X - {\mu _0}}}{{\sigma /\sqrt {\rm{n}} }})$ 是不是小于0.05了。

007不打工人

关注

1
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
假设检验说明小白版

假设检验笔记第一步：做出的备择假设是所想要的结果以总体标准差已知的单个正态总体均值检验为例：97 102 105 112 99 103 102 94 100 95 105 98102 100 103这个时候我们怀疑工作不正常才会去做假设检验，为了验证我们的想法，所以原假设，备择假设为因为,,当工作不正常时，z的值自然会偏差比较大，这时候我们要有较大的把握认为与之间...
复制链接

扫一扫