统计学贾俊平第8章假设检验.ppt

假设检验的几点补充说明（续） 从另一个角度看，既然是受保护的，则对于的肯定相对来说是较缺乏说服力的，充其量不过是原假设与试验结果没有明显矛盾；反之，对于的否定则是有力的，且越小，小概率事件越难于发生，一旦发生了，这种否定就越有力，也就越能说明问题 假设检验的几点补充说明 P-值多小才可信的衡量基础： H0 的可信程度：若 H0已被相信行之有年，则需较强的证据 (P-值较小)才可说服别人。 拒绝 H0 的后果：若拒绝 H0 后会引起昂贵的改变—如产品包装，则需较强的证据 (P-值较小)来支持新包装会提升产品的销售的说法。 假设检验的几点补充说明 常用的显著水平有10%, 5%, 1% 及0.1% 法庭在审理差别待遇的诉讼案件多使用5%的显著性水平 「显著」与「不显著」之间并没有明显的界限，显著性证据的强度如同P-值减少一样是渐进的 P-值为 0.49与 0.51提供的证据强度并没有太大的差别 不应把常用的显著性水平当做一成不变的标准 假设检验的几点补充说明 两种常见错误 马后炮专家 从已经发生的事件中通过检验倒推“规律” 多次重复 寻找期望结果 Aha! 找到几个具显著性的指标了!!! 小结 条件 检验统计量 拒绝域 H0、H1 (1) H0：μ=μ0 　H1：μ≠μ0 z (2) H0：μ≤μ0 H1：μ＞μ0 (3) H0：μ≥μ0 H1：μ＜μ z 0 z 0 正态总体σ2已知 小结 条件 检验统计量 拒绝域 H0、H1 (1) H0：μ=μ0 H1：μ≠μ0 t (2) H0：μ≤μ0 H1：μ＞μ0 (3) H0：μ≥μ0 H1：μ＜μ t 0 t 0 0 正态总体σ2未知(n＜30) 小结 条件 检验统计量 拒绝域 H0、H1 (1) H0：μ=μ0 　 H1：μ≠μ0 z (2) H0：μ≤μ0 H1：μ＞μ0 (3) H0：μ≥μ0 H1：μ＜μ z 0 z 0 0 非正态总体n≥30 σ2已知或未知 小结 条件 检验统计量 拒绝域 H0、H1 (1) H0：π=π0 　H1：π≠π0 z (2) H0：π≤π0 H1： π ＞π0 (3) H0：π≥π0 H1：π＜π0 z 0 z 0 0 np≥5 nq≥5 小结 条件 检验统计量 拒绝域 H0、H1 总体服从正态分布 小结 条件 检验统计量 拒绝域 H0、H1 (1) H0： μ1=μ2 H1: μ1 ≠ μ2 z (2) H0：μ1 ≤ μ2 H1: μ1 ＞ μ2 (3) H0： μ1 ≥ μ2 H1：μ1 ＜ μ2 z 0 z 0 0 两个正态总体 已知 小结 条件 检验统计量 拒绝域 H0、H1 (1) H0: μ1 = μ2 　H1: μ1 ≠ μ2 t (2) H0: μ1≤ μ2 H1: μ1＞ μ2 (3) H0： μ1≥ μ2 H1： μ1＜ μ2 t 0 t 0 0 两个正态总体 未知， 但相等 小结 条件 检验统计量 拒绝域 H0、H1 (1) H0：μ1 = μ2 H1：μ1 ≠ μ2 (2) H0：μ1 ≤ μ2 H1：μ1 ＞ μ2 (3) H0：μ1 ≥ μ2 H1：μ1 ＜ μ2 0 z 0 0 两个非正态体n1≥30 n2≥30 已知或 未知 z z 小结 条件 检验统计量 拒绝域 H0、H1 (1) H0：π1=π2 　H1：π1 ≠π2 z (2) H0： π1 ≤π2 H1：P1 ＞ P2 (3) H0：π1 ≥π2 H1：π1 ＜π2 z 0 z 0 0 n1p1≥5 n1q1≥5 n2p2≥5 n2q2≥5 小结 条件 检验条件量 拒绝域 H0、H1 总体服从正态分布 F F F 两总体均值的检验 例解 (PG)公司宣布含氟牙膏Crest可以防止蛀牙，为了检证此一假设，我们找了一群牙齿健康状况相同的十岁小朋友，将之分成用「含氟」及用普通牙膏两组，观察一年后纪录其蛀牙状况 假设从用普通牙膏的小朋友中取100个随机样本，其蛀牙平均值为4.8颗，方差为s12=1.1颗。在从用含氟牙膏的小朋友中取120独立样本，计算其平均蛀牙数为3.6颗，方差为s22=0.9颗，在显著水平5%下检定上述的假说 两总体均值的检验（续） Reject H0 两总体均值的