導語:假設檢驗是先對總體參數或分佈形式提出某種假設,然後利用樣本信息和樣本統計量的分佈特徵去檢驗這個假定,做出是否拒絕原來假設的結論.
小概率事件:在一次事件中幾乎不可能發生的事件。一般稱之為“顯著性水平”,用α表示。顯著性水平一般取值為:α=0。05或α=5%。
假設檢驗的過程:
首先要提出一個原假設和備擇假設。原假設也稱為零假設,記為H0。備擇假設又稱為備選假設,記為H1。
第二,確定檢驗統計量。
在對總體的均值進行檢驗時,大樣本應用正態分佈檢驗,計算Z統計量,小樣本一般用t分佈檢驗,計算t統計量。
第三,確定顯著性水平α。
根據樣本所得的數據來拒絕零假設的概率應小於0.05,當然也可能是0.01,0.005,0.001等等。拒絕正確零假設的錯誤常被稱為第一類錯誤或棄真錯誤α。當備選假設正確時反而説零假設正確的錯誤,稱為第二類錯誤或取偽錯誤β。
假設檢驗決策結論及其後果:
決策結果 | 實際情況 | |
H0為真 | H0為偽 | |
不拒絕H0 | 正確決策 | 取偽錯誤β |
拒絕H0 | 棄真錯誤α | 正確決策 |
對於兩類錯誤的分析,要注意只有拒絕原假設時,才有可能犯第一類錯誤,只有不拒絕原假設時,才有可能犯第二類錯誤。
在一般的假設的問題中,犯第一類錯誤的概率最大不超過α,但由於備選假設往往不是一個點,所以無法算出犯第二類錯誤的概率β。一般情況下,人們認為犯第一類錯誤的後果更嚴重一些,因此通常會取一個較小的α的值。通常選擇顯著性水平為0.05或比0.05更小的概率。
第四,根據數據計算檢驗統計量值和與這個統計量值對應的概率值P值,並進行決策。
拒絕域的大小與顯著性水平有關。當樣本量固定時,拒絕域隨α的減小而減小。
如果P值小於或等於α,就拒絕原假設,這時錯誤的概率最多為α;P值大於α,就不能拒絕原假設,因為證據不足。
檢驗決策準則:
雙側檢驗:|統計量的值|>臨界值,或P≤α時,拒絕原假設。
左側檢驗:統計量的值<臨界值,或P≤α時,拒絕原假設。
右側檢驗:統計量的`值>臨界值,或P≤α時,拒絕原假設。
對假設檢驗進行總結:
一是假設檢驗依據的是小概率原理;二是小概率標準在抽樣前依需要確定;三是假設檢驗的結果只能是拒絕或不拒絕原來假設,而不能證明原假設成立;四是統計假設檢驗的結果不是正確。
(一) 大樣本的檢驗
在大樣本的情況下,樣本均值的抽樣分佈服從正態分佈,因此採用正態分佈的檢驗統計量,當總體方差已知時,總體均化零為整檢驗的統計量為:
(二) 小樣本的檢驗
在小樣本(n<30)情況下,檢驗時首先假定總體均值服從正態分佈。檢驗統計量的選擇與總體方差是否已知有關。