8.1 假设检验
本章目录 · 1 节
本章导读
【8.1 假设检验】假设检验根据样本评价一个关于总体分布或参数的原假设,并与事先提出的备择假设比较。结论是“拒绝”或“没有足够证据拒绝”。后者不等于已经证明原假设正确,也不等于备择假设被证明错误。
【例1 包装机的平均净重】题设袋装葡萄糖净重为正态总体,标准差已知且稳定为0.015千克。正常均值0.5千克。九袋数据为0.497,0.506,0.518,0.524,0.498,0.511,0.520,0.515,0.512千克。取、,事先选双侧显著性水平0.05。检验统计量
在下服从标准正态,拒绝域为。原始数据的准确均值为,得,双侧值约0.024804,所以拒绝均值等于0.5的原假设。书中先把均值舍为0.511得到2.2,决策未变,但计算应保留完整数据精度。本检验针对净重均值,不同时检验方差、每袋合格率或包装机的其他运行性能。(例完)
【检验统计量、拒绝域与临界值】检验统计量是从样本计算的量;拒绝域是统计量落入时拒绝的区域,边界称临界值。上例的统计量保留正负号,双侧拒绝才取绝对值。显著性表示统计量相对于原假设下的波动足够极端,不直接表示差异在业务上足够大。
【两类错误】当实际上成立却拒绝它,称第Ⅰ类错误;当参数处于而没有拒绝,称第Ⅱ类错误。显著性水平控制的是前一种错误概率,不是“本次拒绝结论出错的后验概率”。复合原假设含多个参数值时,要求对每个原假设参数都控制,写成
第Ⅱ类错误概率通常记为,取决于具体备择参数;功效是在该备择参数下拒绝原假设的概率。仅报告不能说明检验能以95%的概率发现任意大小的差异。
在固定样本量和同一类嵌套拒绝域中,收紧显著性水平通常减少拒绝机会,从而降低对某个备择的功效。增加合理设计的样本可帮助兼顾两类错误,但不会自动弥补偏选、相关或模型不符。非拒绝结果尤其要结合样本量、误差尺度和可检测的差异理解。
【双侧、右侧与左侧】双侧问题为对;右侧问题为对;左侧问题为对。方向由研究目的事先确定,不能看见样本偏大后临时改成右侧而仍沿用未经调整的显著性水平。
【已知方差的正态均值检验】设独立样本来自,已知,。双侧拒绝域;右侧拒绝域;左侧拒绝域。
右侧复合原假设的控制可直接验证:令标准误,拒绝阈值为。当时,拒绝概率为,最大值恰在边界取得。不是说中的所有均值都使统计量服从,只有边界标准化均值为0;左侧同理。
【例2 牛奶冰点均值的右侧检验】原书教学模型设天然牛奶冰点均值为摄氏度,已知标准差0.008摄氏度,掺水模型会使冰点升高。五次独立正态观察的均值为摄氏度。事先检验对,取。,右尾值约0.002594,故拒绝原假设。检验直接支持冰点总体均值升高,原因解释还依赖题设实验条件,而不是由一个统计量单独确定原因。(例完)
【处理步骤与报告】先明确总体、参数、原假设与备择,预定方向、显著性水平和抽样方案;检查模型与独立性,选择统计量及其原假设分布,确定拒绝域;最后用原始数据计算并报告统计量、分位数、结论和差异大小。值是原假设下得到至少同样极端统计量的尾部概率,本章后文专节讨论。没有拒绝时应写证据不足,不能写“因此均值必然不大于某值”。
