一、假设检验的基本问题
1.1假设问题的提出
什么是假设(hypothesis):对总体参数的的数值所作的一种陈述
什么是假设检验:事先对总体参数或分布形式作出某种假设,然后利用样本信息来判断原假设是否成立。采用逻辑上的反证法,依据统计上的小概率原理。
1.2提出原假设和备择假设:
①原假设:待检验的假设,又称“0假设”。研究者想收集证据予以反对的假设。总是有=, < 或>。
表示为H0
②备择假设:与原假设对立的假设。表示为 H1。
1.3 假设检验中的两类错误
①第一类错误(弃真错误):原假设为真时拒绝原假设
第一类错误的概率为α,被称为显著性水平
②第二类错误(取伪错误):原假设为假时接受原假设
第二类错误的概率为β(Beta)
1.4 假设检验的流程
①提出假设 ②确定适当的检验统计量 ③规定显著性水平α ④计算检验统计量的值 ⑤统计决策
什么是检验统计量?选择统计量的方法与参数估计相同,需考虑:是大样本还是小样本 、总体方差已知还是未知
什么是显著性水平?原假设为真时,拒绝原假设的概率,被称为抽样分布的拒绝域。常用的α值有0.01, 0.05, 0.10。由研究者事先确定。
如何作出统计决策?根据给定的显著性水平α,查表得出相应的临界值。将检验统计量的值与 水平的临界值进行比较。
1.5 利用P值进行决策
如果原假设为真,P-值是抽样分布中大于或小于样本统计量的概率。
左侧检验时,P-值小于等于检验统计量部分的面积。
右侧检验时,P-值大于等于检验统计量 部分的面积
被称为观察到的(或实测的)显著性水平
决策准则:
单侧检验:若p-值 >α,不拒绝 H0 ;若p-值 < α, 拒绝 H0
双侧检验:若p-值 >α/2,不拒绝 H0 ;若p-值 < α/2, 拒绝 H0
二、一个总体参数的检验
2.1总体均值的检验 (检验统计量)
2.1.1大样本
①假定条件 :总体服从正态分布 。若不服从正态分布, 可用正态分布来近似(n>30)
②使用Z-统计量
2.1.1小样本
①假定条件 :总体为正态分布 ;总体方差未知,且小样本
②使用t统计量
2.2 总体比例的检验
①假定条件:有两类结果;总体服从二项分布;可用正态分布来近似
②比例检验的 Z 统计量
2.3 总体方差的检验
方差的卡方检验
三、两个正态总体参数的检验
略,附图: