假设检验(hypothesis test)
如何提出假设
- 假设:就是对总体的某种看法;
- 假设检验:是在对总体参数提出假设的基础上,利用样本信息来判断假设是否成立的统计方法;
- 原假设:也成零假设,通常是研究者试图收集证据予以推翻的假设,用H_0表示。原假设所表达的含义总是指参数没有变化或变量之间没有关系,所以“=“总是放在原假设上;
- 备择假设:是研究者想收集数据予以证明的假设,用H_1或H_a表示;
怎样做出决策
怎样表述决策结果
总体均值的检验
一个总体均值的检验
对总体均值进行检验时,采用什么检验统计量取决于
- 所抽取的样本是大样本(n≥30)还是小样本(n<30)
- 总体是否服从正态分布
- 总体方差σ^2是否已知
大样本的检验
小样本的检验
两个总体均值之差的检验
独立大样本检验
独立小样本检验
配对样本的检验
总体比例的检验
一个总体比例的检验
两个总体比例之差的检验
- 两个总体之差(π1-π2),要求两个样本都是大样本
- 当n1p1,n1(1-p1),n2p2,n2(1-p2)都大于或等于10时,就可以认为是大样本
总体方差的检验
一个总体方差比的检验
- 研究一个总体时,总体方差σ^2的检验采用卡方统计量
两个总体方差比的检验
- 研究两个总体时,两个总体的方差比的检验采用F统计量
主要术语
- 假设(hypothesis):是对总体的某种看法
- 假设检验(hypothesis test):利用样本提供的信息判断假设是否成立的统计方法
- 原假设(null hypothesis):又称零假设,研究者想收集证据予以推翻的假设,用(H_0)表示,它表达的是参数没有变化或者变量之间没有关系
- 备择假设(alternative hypothesis):研究者想要收集证据予以证明和支持的假设,用或表示,它所表达的是总体参数发生了变化或变量之间存在某种关系
- 第一类错误(type Ⅰ error):原假设为真但是被拒绝,拒真;
- 第二类错误(type Ⅱ error):原假设为假但是没有被拒绝,纳伪;
- 显著性水平(level of signification):
- 拒绝域(rejection region):
- 检验统计量(test statistic):
- P值(P-value):