文章目录
一、基础概念
第Ⅰ类错误:弃真错误,原假设是真的,但却被我们拒绝了, α \alpha α
第Ⅱ类错误:取伪错误,原假设是假的,但却被我们接受了, β \beta β
显著性水平:当原假设正确时,检验统计量落在拒绝域的概率,也就是犯弃真错误的概率,事先确定好,一般取0.01,0.05,0.1等
双侧检验:原假设形式为“≠”
单侧检验:备择假设为“<”称为左侧检验,备择假设为“>”称为右侧检验
拒绝域:
大样本:样本量>=30
小样本:样本量<30
二、一个总体参数的假设检验
1. 大样本均值检验
- 大样本情况下,样本均值的抽样分布近似服从正态。
检验统计量:
σ
已
知
:
z
=
x
−
μ
0
σ
/
n
σ
未
知
:
z
=
x
−
μ
0
s
/
n
\sigma已知:z=\frac{x-\mu_0}{\sigma/\sqrt n} \\\sigma未知:z=\frac{x-\mu_0}{s/\sqrt n}
σ已知:z=σ/nx−μ0σ未知:z=s/nx−μ0
拒绝域:
双
侧
检
验
:
∣
z
∣
>
z
α
/
2
左
侧
检
验
:
z
<
−
z
α
右
侧
检
验
:
z
>
z
α
双侧检验:|z|>z_{\alpha/2} \\左侧检验:z<-z_{\alpha} \\右侧检验:z>z_{\alpha}
双侧检验:∣z∣>zα/2左侧检验:z<−zα右侧检验:z>zα
2. 小样本均值检验
- 假设总体服从正态分布。
检验统计量:
σ
已
知
:
z
=
x
‾
−
μ
0
σ
/
n
σ
未
知
:
t
=
x
‾
−
μ
0
s
/
n
\sigma已知:z=\frac{\overline x-\mu_0}{\sigma/\sqrt n} \\\sigma未知:t=\frac{\overline x-\mu_0}{s/\sqrt n}
σ已知:z=σ/nx−μ0σ未知:t=s/nx−μ0
总体方差未知的拒绝域:
双
侧
检
验
:
∣
t
∣
>
t
α
/
2
(
n
−
1
)
左
侧
检
验
:
t
<
−
t
α
(
n
−
1
)
右
侧
检
验
:
t
>
t
α
(
n
−
1
)
双侧检验:|t|>t_{\alpha/2}(n-1) \\左侧检验:t<-t_{\alpha}(n-1) \\右侧检验:t>t_{\alpha}(n-1)
双侧检验:∣t∣>tα/2(n−1)左侧检验:t<−tα(n−1)右侧检验:t>tα(n−1)
3. 大样本总体比例检验
检验统计量:
z
=
p
−
π
0
π
0
(
1
−
π
0
)
n
z=\frac{p-\pi_0}{\sqrt{\frac{\pi_0(1-\pi_0)}{n}}}
z=nπ0(1−π0)p−π0
4. 总体方差检验
- 无论大样本还是小样本,都要求总体服从正态分布
检验统计量:
χ
2
=
(
n
−
1
)
s
2
σ
0
2
\chi^2=\frac{(n-1)s^2}{\sigma_0^2}
χ2=σ02(n−1)s2
拒绝域:
双
侧
检
验
:
χ
2
<
χ
1
−
α
/
2
2
或
χ
2
>
χ
1
−
α
/
2
2
左
侧
检
验
:
χ
2
<
χ
1
−
α
2
右
侧
检
验
:
χ
2
>
χ
α
2
双侧检验:\chi^2<\chi^2_{1-\alpha/2}或\chi^2>\chi^2_{1-\alpha/2} \\左侧检验:\chi^2<\chi^2_{1-\alpha} \\右侧检验:\chi^2>\chi^2_{\alpha}
双侧检验:χ2<χ1−α/22或χ2>χ1−α/22左侧检验:χ2<χ1−α2右侧检验:χ2>χα2
三、两个总体参数的假设检验
1. 独立大样本均值检验
检验统计量:
σ
1
和
σ
2
已
知
:
z
=
(
x
‾
1
−
x
‾
2
)
−
(
μ
1
−
μ
2
)
σ
1
2
/
n
1
+
σ
2
2
/
n
2
σ
1
和
σ
2
未
知
:
z
=
(
x
‾
1
−
x
‾
2
)
−
(
μ
1
−
μ
2
)
s
1
2
/
n
1
+
s
2
2
/
n
2
\sigma_1和\sigma_2已知: z=\frac{(\overline x_1-\overline x_2)-(\mu_1-\mu_2)}{\sqrt{\sigma_1^2/n_1+\sigma_2^2/n_2}} \\\sigma_1和\sigma_2未知: z=\frac{(\overline x_1-\overline x_2)-(\mu_1-\mu_2)}{\sqrt{s_1^2/n_1+s_2^2/n_2}}
σ1和σ2已知:z=σ12/n1+σ22/n2(x1−x2)−(μ1−μ2)σ1和σ2未知:z=s12/n1+s22/n2(x1−x2)−(μ1−μ2)
2. 独立小样本均值检验
- 假定两个总体都服从正态
σ 1 和 σ 2 已 知 : z = ( x ‾ 1 − x ‾ 2 ) − ( μ 1 − μ 2 ) σ 1 2 / n 1 + σ 2 2 / n 2 σ 1 和 σ 2 未 知 但 相 等 : t = ( x ‾ 1 − x ‾ 2 ) − ( μ 1 − μ 2 ) s p 1 / n 1 + 1 / n 2 ( s p 2 = ( n 1 − 1 ) s 1 2 + ( n 2 − 1 ) s 2 2 n 1 + n 2 − 2 ) σ 1 和 σ 2 未 知 且 不 等 : t = ( x ‾ 1 − x ‾ 2 ) − ( μ 1 − μ 2 ) s 1 2 / n 1 + s 2 2 / n 2 ( v = ( s 1 2 n 1 + s 2 2 n 2 ) 2 ( s 1 2 n 1 ) 2 n 1 − 1 + ( s 2 2 n 2 ) 2 n 2 − 1 ) \sigma_1和\sigma_2已知: z=\frac{(\overline x_1-\overline x_2)-(\mu_1-\mu_2)}{\sqrt{\sigma_1^2/n_1+\sigma_2^2/n_2}} \\\sigma_1和\sigma_2未知但相等:t=\frac{(\overline x_1-\overline x_2)-(\mu_1-\mu_2)}{s_p\sqrt{1/n_1+1/n_2}} \\(s_p^2=\frac{(n_1-1)s_1^2+(n_2-1)s_2^2}{n_1+n_2-2}) \\\sigma_1和\sigma_2未知且不等:t=\frac{(\overline x_1-\overline x_2)-(\mu_1-\mu_2)}{\sqrt{s_1^2/n_1+s_2^2/n_2}} \\(v=\frac{(\frac{s_1^2}{n_1}+\frac{s_2^2}{n_2})^2}{\frac{(\frac{s_1^2}{n_1})^2}{n_1-1}+\frac{(\frac{s_2^2}{n_2})^2}{n_2-1}}) σ1和σ2已知:z=σ12/n1+σ22/n2(x1−x2)−(μ1−μ2)σ1和σ2未知但相等:t=sp1/n1+1/n2(x1−x2)−(μ1−μ2)(sp2=n1+n2−2(n1−1)s12+(n2−1)s22)σ1和σ2未知且不等:t=s12/n1+s22/n2(x1−x2)−(μ1−μ2)(v=n1−1(n1s12)2+n2−1(n2s22)2(n1s12+n2s22)2)
- σ 1 \sigma_1 σ1和 σ 2 \sigma_2 σ2未知但相等时,t服从自由度为 n 1 + n 2 − 2 n_1+n_2-2 n1+n2−2的t分布
- σ 1 \sigma_1 σ1和 σ 2 \sigma_2 σ2未知且不等时,t服从自由度为 v v v的t分布,v计算后四舍五入取整数
3. 小样本配对样本均值检验
- 假定两个总体配对差值构成的总体服从正态分布
检验统计量:
t
=
d
‾
−
(
μ
1
−
μ
2
)
s
d
/
n
t=\frac{\overline d-(\mu_1-\mu_2)}{s_d/\sqrt{n}}
t=sd/nd−(μ1−μ2)
- d ‾ \overline d d表示配对差值平均数; s d s_d sd表示配对差值标准差
- 服从 t ( n − 1 ) t(n-1) t(n−1)
4. 大样本配对样本均值检验
- 假定两个总体配对差值构成的总体服从正态分布
检验统计量:
z
=
d
‾
−
(
μ
1
−
μ
2
)
s
d
/
n
z=\frac{\overline d-(\mu_1-\mu_2)}{s_d/\sqrt{n}}
z=sd/nd−(μ1−μ2)
- d ‾ \overline d d表示配对差值平均数; s d s_d sd表示配对差值标准差
5. 大样本总体比例之差检验
- 要求两个样本都是大样本: n 1 p 1 , n 1 ( 1 − p 1 ) , n 2 p 2 , n 2 ( 1 − p 2 ) n_1p_1, n_1(1-p_1),n_2p_2,n_2(1-p_2) n1p1,n1(1−p1),n2p2,n2(1−p2)都大于等于10
检验统计量:
z
=
(
p
1
−
p
2
)
−
(
π
1
−
π
2
)
σ
p
1
−
p
2
(
σ
p
1
−
p
2
=
π
1
(
1
−
π
1
)
n
1
+
π
2
(
1
−
π
2
)
n
2
)
z=\frac{(p_1-p_2)-(\pi_1-\pi_2)}{\sigma_{p_1-p_2}} \\(\sigma_{p_1-p_2}=\sqrt{\frac{\pi_1(1-\pi_1)}{n_1}+\frac{\pi_2(1-\pi_2)}{n_2}})
z=σp1−p2(p1−p2)−(π1−π2)(σp1−p2=n1π1(1−π1)+n2π2(1−π2))
- 由于
π
1
\pi_1
π1和
π
2
\pi_2
π2未知,需要由
p
1
p_1
p1和
p
2
p_2
p2估计
检 验 两 总 体 比 例 之 差 是 否 为 0 : p = x 1 + x 2 n 1 + n 2 = p 1 n 1 + p 2 n 2 n 1 + n 2 σ p 1 − p 2 = p ( 1 − p ) n 1 + p ( 1 − p ) n 2 = p ( 1 − p ) ( 1 n 1 + 1 n 2 ) 检 验 两 总 体 比 例 之 差 是 否 为 某 非 零 常 数 : σ p 1 − p 2 = p 1 ( 1 − p 1 ) n 1 + p 2 ( 1 − p 2 ) n 2 检验两总体比例之差是否为0:p=\frac{x_1+x_2}{n_1+n_2}=\frac{p_1n_1+p_2n_2}{n_1+n_2} \\\sigma_{p_1-p_2}=\sqrt{\frac{p(1-p)}{n_1}+\frac{p(1-p)}{n_2}}=\sqrt{p(1-p)(\frac{1}{n_1}+\frac{1}{n_2})} \\检验两总体比例之差是否为某非零常数:\sigma_{p_1-p_2}=\sqrt{\frac{p_1(1-p_1)}{n_1}+\frac{p_2(1-p_2)}{n_2}} 检验两总体比例之差是否为0:p=n1+n2x1+x2=n1+n2p1n1+p2n2σp1−p2=n1p(1−p)+n2p(1−p)=p(1−p)(n11+n21)检验两总体比例之差是否为某非零常数:σp1−p2=n1p1(1−p1)+n2p2(1−p2)
6. 独立总体方差比检验
- 两总体独立取自两正态总体
- 双侧检验时,通常用较大的样本方差除以较小的样本方差,保证拒绝域在F分布的右侧
- 单侧检验时,也可同样安排为右侧检验
检验统计量:
F
=
s
1
2
s
2
2
F=\frac{s_1^2}{s_2^2}
F=s22s12