统计的假设检验(分析阶段).pptVIP

统计的假设检验 * /(海量营销管理培训资料下载) （分析阶段） 统计的假设检验 主要内容 1.统计的假设检验 2.假设检验的定义 3.样本的设定 4.平均值检验 5.方差检验 1. 统计的假设检验 我们可以经常看到如下说法. – 设备的效率为 97.5%. – 两个销售人员的能力不同 - 材料的采购周期为30天 - 资金周转天数为20天 上面的说法具有多少可信性? 这些说法是否可以进行统计的检验? 在许多实际问题中,只能先对总体的某些参数做出可能的假设,然后根据得到的样本,运用统计的知识对假设的正确性进行判断.这就是所谓的统计假设检验 先看下面几个事例: 康讯生产部有一批用户板,按照规定的标准,单板的合格率应该达 到99%,产检科从中任意抽取100件,发现其中有2块单板不合格.请问 这批用户板是否可以移交事业部? 供应一部IC类材料的采购日期以前平均为48天,现在对采购流程作 了大的调整,收集了3个月IC类材料的采购周期的数据.试问:现在的 采购周期是否比以前缩短了? 康讯工艺部去年成立了焊接直通率项目团队,以前单板的焊点不良 为98%,经过对工艺方面的改善, 试问:单板的焊点不良 率是否下降 了? 2001年度二营与三营不同销售人员的销售额有显著性差异 总体：整个集合的全体特征 样本：具有总体特征的子集 根据样本确定总体!!! 为什么需要假设检验？ 总体参数与样本统计 总体参数 样本统计 x 平均 值 标准偏差 比例(百分數) s p ? ? P 1. 总体参数(值)是固定的，但不知道。 2. 样本统计值是用来估计总体的特征。 假设是对总体值进行阐述，而不是对样本进行阐述。 假设检验如下… 假设检验可如下进行: 例如,供应部的IC类材料的平均采购周期为大于50天,公司2001年对 采购流程进行了优化组合,供应部认为流程优化后IC类材料的采购周期 比原先缩短了,现在我们要确认流程优化后采购周期是否缩短了. 大家为了确认这种说法,可以作以下假设： 假设检验 : H0 : ? ≥ 50 H1 : ? 50 一般把已知的事实设定为原假设. 我们要主张的设为原假设,我们真正想确认的为备择假设 原假设和备择假设是关于总体的两个对立的解释。要么原假设为真，要么备则假设为真。 假设检验的一般顺序是… 统计检验的一般顺序 1. 分析问题转化为统计问题 2. 确认目的 3. 进行假设(原假设/备择假设) 4. 选择统计的检验方法 5. 制定α危险度 6. 制定β危险度 7. 制定大家要寻找的δ或差异 8. 确定寻找δ必要的样本大小 9. 确定样本收集方法 10.收集数据 11. 统计的检验 12.以检验结果为基础,做出判断 啊 !! 为了证明两个总体或几个总体间之间差异进行统计检验. 假设检验的种类有哪些? 那么!我们看一下我们经常用的假设检验的种类或什么时候用哪些检 验方法. 均值检验 方差检验 比率检验 · 1-Sample t test · 2-Sample t test · Paired t test · ANOVA · Equal variance test (F test) · 1-Proportion · 2-Proportion · Chi-square test 样本为正态分布时 使用 了解一个或几个总体 的平均值是否一致时 使用 主要 使用的 情况 检验 种类 了解一个或几个总体 的方差是否一致 时使用 了解一个或几个总体 的比率是否一致时 使用 数据 形态 连续型数据 离散型数据 散布问题 目标 实际 目标 实际 平均值问题 d 假设检验如何与实际问题相结合? 为了确认我们实际遇到的问题,取出样本并通过统计假设检验,确认我们的判断是否正确. -我们的实际问题是：平均值是否有差异吗?或者是 -我们的实际问题是：方差是否有差异吗?或者是 -两种问题都存在? 假设有两种相反的假设. “原假设”假设没有关系.这是所有统计检验的基本假设. “备择假设”假定有差异或有关系.大部分的统计检验实际评价的就是这个假设 原假设(null hypothesis) : H0 假设检验的起点是零假设-- H0。 H0是相同或没有差异的假设。 举例：总体均值等于检验均值。 备择假设(alternative hypothesis) : H1 第二条假设是H1-- 备择假设，即差异假设。 举例：总体均值不等于检验均值。 2. 假设检验的定义 通过从假定相等或没有变化 (Ho)开始。 您通常想表明差异确实存在的(H1)。 如果数据表明