ããå没æ£éªå为å侧å设æ£éªåå侧å设æ£éªãå侧å设æ£éªæé对çé®é¢æ¯æä¸äºå®¢ä½çææ è¿å¤§åè¿å°é½ä¸ç¬¦åè¦æ±ï¼æè¯ææ»ä½æ个åæ°æ¯å¦çäºæ个ç¹å®å¼ãå设çåºæ¬è®¾å®æ¹æ³æ¯çå·æ¾å¨åå设ï¼å ¶åºæ¬å½¢å¼ä¸ºï¼åå设!"ï¼!%!"ï¼å¤æ©å设!#ï¼!!!"ãè¿éåªè°å侧å设æ£éªä¸å设ç设å®ä¾æ®ã
ããå ç§å¸¸è§çå设æ£éª
ããå®ä¹
ããå设æ£éªæ¯ç¨æ¥å¤ææ ·æ¬ä¸æ ·æ¬ï¼æ ·æ¬ä¸æ»ä½çå·®å¼æ¯ç±æ½æ ·è¯¯å·®å¼èµ·è¿æ¯æ¬è´¨å·®å«é æçç»è®¡æ¨ææ¹æ³ãå ¶åºæ¬åçæ¯å 对æ»ä½çç¹å¾ä½åºæç§å设ï¼ç¶åéè¿æ½æ ·ç 究çç»è®¡æ¨çï¼å¯¹æ¤å设åºè¯¥è¢«æç»è¿æ¯æ¥åä½åºæ¨æã
ããåºæ¬åç
ããï¼1ï¼å å设æ»ä½æ项å设æç«ï¼è®¡ç®å ¶ä¼å¯¼è´ä»ä¹ç»æ产çãè¥å¯¼è´ä¸åçç°è±¡äº§çï¼åæç»åå çå设ãè¥å¹¶ä¸å¯¼è´ä¸åççç°è±¡äº§çï¼åä¸è½æç»åå å设ï¼ä»èæ¥ååå å设ã
ããï¼2ï¼å®åä¸åäºä¸è¬çåè¯æ³ãæè°ä¸åçç°è±¡äº§çï¼å¹¶éæå½¢å¼é»è¾ä¸çç»å¯¹çç¾ï¼èæ¯åºäºå°æ¦çåçï¼æ¦çå¾å°çäºä»¶å¨ä¸æ¬¡è¯éªä¸å ä¹æ¯ä¸å¯è½åççï¼è¥åçäºï¼å°±æ¯ä¸åççãè³äºææ ·æç®æ¯âå°æ¦çâå¢ï¼é常å¯å°æ¦çä¸è¶ è¿0.05çäºä»¶ç§°ä¸ºâå°æ¦çäºä»¶âï¼ä¹å¯è§å ·ä½æ å½¢èå0.1æ0.01çãå¨å设æ£éªä¸å¸¸è®°è¿ä¸ªæ¦ç为αï¼ç§°ä¸ºæ¾èæ§æ°´å¹³ãèæåå 设å®çå设æ为åå设ï¼è®°ä½H0ãæä¸H0ç¸åçå设称为å¤æ©å设ï¼å®æ¯åå设被æç»æ¶èåºæ¥åçå设ï¼è®°ä½H1ã
ããå设çå½¢å¼
ããH0ââååè®¾ï¼ H1ââå¤æ©å设
ããå侧æ£éªï¼H0:μ = μ0 ï¼H_1:\mu\ne\mu_0
ããå侧æ£éªï¼H_0:\mu\ge\mu_0 ï¼H1:μ < μ0 æ H_0:\mu\le\mu_0ï¼ H1:μ > μ0 å设æ£éªå°±æ¯æ ¹æ®æ ·æ¬è§å¯ç»æ对åå设ï¼H0ï¼è¿è¡æ£éªï¼æ¥åH0ï¼å°±å¦å®H1ï¼æç»H0ï¼å°±æ¥åH1ã
ããå设æ£éªçç§ç±»
ããä¸é¢ä»ç»å ç§å¸¸è§çå设æ£éª
ãã1. Tæ£éª
ãã亦称student tæ£éªï¼Student's t testï¼ï¼ä¸»è¦ç¨äºæ ·æ¬å«éè¾å°ï¼ä¾å¦n<30ï¼ï¼æ»ä½æ åå·®Ïæªç¥çæ£æåå¸èµæã
ããç®çï¼æ¯è¾æ ·æ¬åæ° æ代表çæªç¥æ»ä½åæ°Î¼åå·²ç¥æ»ä½åæ°Î¼0ã
ãã计ç®å ¬å¼ï¼
ããtç»è®¡éï¼t=\frac{|\overline{X}-\mu_0|}{S_{\overline{X}}}=\frac{\bar{X}-\mu_0}{s/\sqrt{n}}
ããèªç±åº¦ï¼v=n - 1
ããéç¨æ¡ä»¶ï¼
ãã(1) å·²ç¥ä¸ä¸ªæ»ä½åæ°ï¼
ãã(2) å¯å¾å°ä¸ä¸ªæ ·æ¬åæ°åè¯¥æ ·æ¬æ å误ï¼
ãã(3) æ ·æ¬æ¥èªæ£ææè¿ä¼¼æ£ææ»ä½ã
ããTæ£éªçæ¥éª¤
ãã1ã建ç«èæ å设H0:μ1 = μ2ï¼å³å åå®ä¸¤ä¸ªæ»ä½å¹³åæ°ä¹é´æ²¡ææ¾èå·®å¼ï¼
ãã2ã计ç®ç»è®¡éTå¼ï¼å¯¹äºä¸åç±»åçé®é¢éç¨ä¸åçç»è®¡é计ç®æ¹æ³ï¼
ãã1ï¼å¦æè¦è¯æä¸ä¸ªæ»ä½ä¸çå°æ ·æ¬å¹³åæ°ä¸æ»ä½å¹³åå¼ä¹é´çå·®å¼ç¨åº¦ï¼å ¶ç»è®¡éTå¼ç计ç®å ¬å¼ä¸ºï¼
ããT=\frac{\bar{X}-\mu_0}{\frac{S}{n-1}}
ãã2ï¼å¦æè¦è¯æ两ç»æ ·æ¬å¹³åæ°ä¹é´çå·®å¼ç¨åº¦ï¼å ¶ç»è®¡éTå¼ç计ç®å ¬å¼ä¸ºï¼
ããT=\frac{\bar{X}_1-\bar{X}_2}{\sqrt{\frac{\sum x_1^2+\sum x_2^2}{n_1+n_2-2}}\times\frac{n_1+n_2}{n_1\times n_2}}
ãã3ãæ ¹æ®èªç±åº¦df=n-1ï¼æ¥Tå¼è¡¨ï¼æ¾åºè§å®çTç论å¼å¹¶è¿è¡æ¯è¾ãç论å¼å·®å¼çæ¾è水平为0.01级æ0.05级ãä¸åèªç±åº¦çæ¾èæ°´å¹³ç论å¼è®°ä¸ºT(df)0.01åT(df)0.05
ãã4ãæ¯è¾è®¡ç®å¾å°çtå¼åç论Tå¼ï¼æ¨æåççæ¦çï¼ä¾æ®ä¸è¡¨ç»åºçTå¼ä¸å·®å¼æ¾èæ§å ³ç³»è¡¨ä½åºå¤æã
ããTå¼ä¸å·®å¼æ¾èæ§å ³ç³»è¡¨
ããT På¼ å·®å¼æ¾èç¨åº¦
ããT\ge T(df)0.01 P\le 0.01 å·®å¼é常æ¾è
ããT\ge T(df)0.05 P\le 0.05 å·®å¼æ¾è
ããT < T(df)0.05 P > 0.05 å·®å¼ä¸æ¾è
ãã5ãæ ¹æ®æ¯ä»¥ä¸åæï¼ç»åå ·ä½æ åµï¼ä½åºç»è®ºã
ããTæ£éªçåºç¨é¢åï¼
ããTæ£éªå¯ç¨äºæ¯è¾è¯ç©æ²»çç»ä¸å®æ °åæ²»çç»ç 人çæµéå·®å«ã
ãã2. zæ£éªï¼Uæ£éªï¼
ããZæ£éªæ¯ä¸è¬ç¨äºå¤§æ ·æ¬(å³æ ·æ¬å®¹é大äº30)å¹³åå¼å·®å¼æ§æ£éªçæ¹æ³ãå®æ¯ç¨æ åæ£æåå¸çç论æ¥æ¨æå·®å¼åççæ¦çï¼ä»èæ¯è¾ä¸¤ä¸ªå¹³åæ°çå·®å¼æ¯å¦æ¾èã
ãã第ä¸æ¥ï¼å»ºç«èæ å设 H0:μ1 = μ2 ï¼å³å åå®ä¸¤ä¸ªå¹³åæ°ä¹é´æ²¡ææ¾èå·®å¼ï¼
ãã第äºæ¥ï¼è®¡ç®ç»è®¡éZå¼ï¼å¯¹äºä¸åç±»åçé®é¢éç¨ä¸åçç»è®¡é计ç®æ¹æ³ï¼
ãã1ãå¦ææ£éªä¸ä¸ªæ ·æ¬å¹³åæ°ï¼\bar{X}ï¼ä¸ä¸ä¸ªå·²ç¥çæ»ä½å¹³åæ°(μ0)çå·®å¼æ¯å¦æ¾èãå ¶Zå¼è®¡ç®å ¬å¼ä¸ºï¼
ããZ=\frac{\bar{X}-\mu_0}{\frac{S}{\sqrt{n}}}
ããå ¶ä¸ï¼
ãã\bar{X}æ¯æ£éªæ ·æ¬çå¹³åæ°ï¼
ããμ0æ¯å·²ç¥æ»ä½çå¹³åæ°ï¼
ããSæ¯æ ·æ¬çæ åå·®ï¼
ããnæ¯æ ·æ¬å®¹éã
ãã2ãå¦ææ£éªæ¥èªä¸¤ä¸ªç两ç»æ ·æ¬å¹³åæ°çå·®å¼æ§ï¼ä»èå¤æå®ä»¬åèªä»£è¡¨çæ»ä½çå·®å¼æ¯å¦æ¾èãå ¶Zå¼è®¡ç®å ¬å¼ä¸ºï¼
ããZ=\frac{\bar{X_1}-\bar{X_2}}{\sqrt{\frac{S_1}{n_1}+\frac{S_2}{n_2}}}
ããå ¶ä¸ï¼
ãã\bar{X_1},\bar{X_2}æ¯æ ·æ¬1ï¼æ ·æ¬2çå¹³åæ°ï¼
ããS1,S2æ¯æ ·æ¬1ï¼æ ·æ¬2çæ åå·®ï¼
ããn1,n2æ¯æ ·æ¬1ï¼æ ·æ¬2ç容éã
ãã第ä¸æ¥ï¼æ¯è¾è®¡ç®æå¾Zå¼ä¸ç论Zå¼ï¼æ¨æåççæ¦çï¼ä¾æ®Zå¼ä¸å·®å¼æ¾èæ§å ³ç³»è¡¨ä½åºå¤æãå¦ä¸è¡¨æ示ï¼
ããZå¼ä¸På¼å ³ç³»
ãããã\left| Z \right| På¼ å·®å¼ç¨åº¦
ãã\ge2.58 \le0.01 é常æ¾è
ãã\ge1.96 \le0.05 æ¾è
ãã<1.96 >0.05 ä¸æ¾è
ãã第åæ¥ï¼æ ¹æ®æ¯ä»¥ä¸åæï¼ç»åå ·ä½æ åµï¼ä½åºç»è®ºã
ãã3. Fæ£éª
ãã4. å¡æ¹æ£éª
原假设的设法则根据题目要求做出假设,且必须保证等号放在原假设。
假设检验分为双侧假设检验和单侧假设检验,双侧假设检验所针对的问题是证明总体某个参数是否等于某个特定值,而单侧检验假设是证明是否大于或是否小于某一固定数值,其基本原理是先假设总体某项假设成立,若导致结果不合理的现象产生,则拒绝原假设,若不导致不合理的现象产生,则接受原假设。
假设检验中所谓“小概率事件”,并非逻辑中的绝对矛盾,而是基于人们在实践中广泛采用的原则,即小概率事件在一次试验中是几乎不发生的,但概率小到什么程度才能算作“小概率事件”,显然,“小概率事件”的概率越小,否定原假设H0就越有说服力,常记这个概率值为α(0<α<1),称为检验的显著性水平。
对于不同的问题,检验的显著性水平α不一定相同,一般认为,事件发生的概率小于0.1、0.05或0.01等,即“小概率事件”
扩展资料:
注意问题
1、作假设检验之前,应注意资料本身是否有可比性 。
2、当差别有统计学意义时应注意这样的差别在实际应用中有无意义 。
3、根据资料类型和特点选用正确的假设检验方法 。
4、根据专业及经验确定是选用单侧检验还是双侧检验 。
5、判断结论时不能绝对化,应注意无论接受或拒绝检验假设,都有判断错误的可能性 。
原假设是想证否的一个假设,根据所考察问题的要求提出原假设和备择假设,为了检验原假设是否正确,先假定原假设是正确的情况下,构造一个小概率事件,然后根据抽取的样本去检验这个小概率事件是否发生。
一般检验程序是实证分析中常被采用的设定原假设和检验式的方法。前者的基本思想是通过分析样本序列的趋势图,确定原假设和检验式是否含有漂移或趋势项,后者是直接设定原假设和检验式为一般形式,然后通过检验检验式中漂移和趋势项的显著性,修正原假设和检验式。
它们的共同特点是依据样本序列的特征直接设定原假设和检验式,以DF临界值为检验标准进行ADF(DF)和PP检验。
在确立原假设与备择假设时应遵循以下两个原则:
(1)原假设是在一次试验中有绝对优势出现的事件,而备择假设在一次试验中不易发生(或几乎不可能发生)的事件。因此,在进行单侧检验时,最好把原假设取为预想结果的反面,即把希望证明的命题放在备择假设上。
(2)将可能犯的严重错误看作第一类错误,因为犯第一类错误的概率可以通过a的大小来控制。犯第二类错误的概率夕是无法控制的。
如医生对前来问诊的病人作诊断时,可能会犯“有病看成无病”或者“无病看成有病’的错误,相比较而言,“无病看成有病“的错误更严重,故应将“问诊人有病”作为原假设。而在某项疾病普查中,将“被检查人有病’作为原假设就不恰当了。
参考资料来源:百度百科-原假设
本回答被网友采纳所提出的假设称为原假设(或称为零假设),记为H0。对立于原假设的假设称为备择假设(或称为对立假设),记为H1。
在总体的分布完全未知,或只知其分布但不知其参数的情况下,为了推断总体的某些性质,提出关于总体的某些假设,称为统计假设。
原则
原假设是在一次试验中有绝对优势出现的事件,而备择假设在一次试验中不易发生(或几乎不可能发生)的事件。因此,在进行单侧检验时,最好把原假设取为预想结果的反面,即把希望证明的命题放在备择假设上。
假设检验是统计分析的一种重要方法,正确的理解假设检验过程中由于文换原假设与备择很设所引发的结论的差异,对于我们理解假设检验的思想以及掌握其方法都是十分重要的。
以上内容参考:百度百科-原假设
本回答被网友采纳原假设的设定是单位根检验的首要问题。通过剖析以往单位根检验原假设设定存在的缺陷,在同时考虑原假设的可信度和检验可靠性的前提下,靳庭良提出了单位根检验原假设的一种合理的设定策略及改进的检验程序。
该单位根检验程序中原假设的设定、检验式和临界值的确定均以样本序列的数据生成过程为依据,与传统单位根检验程序相比更具有科学性,同时也提高了检验的可靠性。
其缺陷是数据生成过程模型的估计对检验结果可能产生一定的影响,因此,研究新检验程序的检验结果对数据生成过程模型估计的敏感性对进一步完善单位根检验理论无疑具有重要意义。
原假设在某种意义上是“无效”的,因为它通常代表着一种“现状”。它通过 “断言”一个总体参数或总体参数的组合具有一定的值来形式化。在例子中,零假设是“整个州的平均汽油价格就是1.15美元”。零假设写作H0,那么H0:µ=1.15。
扩展资料
先假定原假设是成立的,这样正常情况之下,计算的统计量应该是落在两根线之间的区域的,而如果计算的统计量超出了这个区域,那么说明原假设是有问题的。
这里利用了小概率原理:概率很小的事情,在一次试验中,一般不会发生,如果你买过彩票,应该很容易理解这句话。对应于图中就是,红色部分的数值出现的概率很小,出现了就不正常,就要否定原假设,接受备择假设。
判断方法:
第一种判断方法就是,用计算的统计量和两个临界值(两根线的位置)比较,如果超出,则拒绝原假设。
第二种方法,如果一个统计量要落在两根线的两边,概率是多少呢,是 0.05,如果再往两边靠呢,那就小于 0.05 了。所以当概率值 p 小于 0.05 时,统计量也超出 95% 的区域了,也要拒绝原假设。
参考资料来源:百度百科-原假设
本回答被网友采纳