1.原假设和被择假设:
原假设通常是指研究者想收集证据予以反对的假设,也称为零假设,H0。
被择假设通常是研究者想收集证据予以支持的假设,也称研究假设,H1。
原则:原假设和被择假设是一个完备的事件组,而且相互独立;在建立假设时,通常是先确立原假设,再确立被择假设;在假设检验中,“=”一般都放在原假设上;假设内容具有一定的主观色彩,不同的研究者建立截然相反的假设也是合理的;假设检验的目的主要是收集证据来拒绝原假设,原假设最初被假设是成立的;假设检验的结论通常有两种:“拒绝原假设”和“不拒绝原假设”。不拒绝原假设≠接受原假设。
2.检验统计量:
检验统计量必须为标准化后的统计量,可以反映点估计量与假设的总体参数相比相差多少个标准差,同时必须为随机变量,根据观测结果不同,具体数值也不同。
检验统计量可以用来建立一个准则,根据这个准则和计算得到的检验统计量值可以为研究者判断和决策提供依据。
3.两类错误:
第一类错误是指原假设为真而拒绝原假设;第二类错误是原假设为假时,没有拒绝原假设。
只有当原假设被拒绝时,才会犯第一类错误α;只有当原假设未被拒绝时,才会犯第二类错误β。两类错误概率存在的关系是:当α增大时,β减小;当β增大时,α减小。
4.显著性水平:
假设检验中犯第一类错误的概率被称为显著性水平。
显著性水平常被用于检验结论可靠性的度量。意味着“非偶然性”。如果样本提供的证据拒绝原假设,则
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
明检验的结果实现自主的,如果不拒绝原假设,则表明检验的结果是不显著的。
5.P值:
如果原假设H0为真时,所得到的样本结果会像实际观测结果那样极端或更极端的概率,称为P值。
P值是关于数据的概率,告诉我们,在某个总体的许多样本中,某一类数据出现的经常程度,是当原假设正确时,得到观测数据不可能的程度。作为显著性的测量工具,P值越小,检验的结果越显著。
6.统计学上的显著性是指样本结果不是偶然得到的。
7.单侧检验与双侧检验的区别;
双侧检验中,原假设为“=”,而被择假设为“≠”,其显著性的边界值一般有两个,确定的拒绝域分布在抽样分布的两侧;而单侧检验中的被择假设一般为“<”或“>”,拒绝与分布在左侧或者右侧。临界值只有一个。
8.大样本情况下,抽样分布近似于正态分布,总体均值检验统计量为:当σ2已知时,z=(x—μ0)/(σ/√n),当σ2未知时,z=(x—μ0)/(s/√n),
9.大样本情况下,双侧检验的拒绝域为;绝对值Z>Zα/2,单侧检验时,右侧:Z>Zα/2左侧:Z<-Zα/2
10.小样本情况下, 当样本方差σ2已知时,检验统计量公式仍然服从标准正态分布, z=(x—μ0)/(σ/√n),当样本方差σ2未知时,t=(x—μ0)/(s/√n),
11. 小样本情况下,当样本方差σ2已知时,双侧检验的拒绝域为;绝对值Z>Zα/2,单侧检验时,右侧:Z>Zα/2左侧:Z<-Zα/2;当样本方差σ2未知时,双侧检验的拒绝域为;绝对值t>tα/2(n-1),单侧检验时,右侧: t>tα/2(n-1)左侧: t<-tα/2(n-1);
12.总体比率中,大样本是指:区间p±2√p(1-p)/2中不包含0或1,或者要求np≥5; n(1-p)≥5,检验统计量的形式z=(p-π0)/(√π0(1-π0)/n).
13.假设检验的一般步骤:
A.陈述原假设H0和被择假设H1
B.从研究的总体中抽出一个随机样本
C.确定一个适当的检验统计量,并利用样本数据算出其具体数值。
D.确定一个适当的显著性水平α,并计算出其临界值,指定拒绝域。
E.将统计量的值与临界值进行比较,并作出决策;若统计量的值落在拒绝域内,拒绝原假设H0,否则不拒绝原假设H0
14.进行两个总体均值之差的假设检验时,需要考虑两类情况:一是独立样本,在大样本条件下,根据正态分布建立拒绝域,在小样本下依据t分布建立拒绝域(方差未知时需要假定两个总体服从正态分布);二是匹配样本,同样,在大样本条件下,依据检验统计量近似服从正态分布建立拒绝域,在小样本下则以t分布为基础(方差未知时需要假定两个总体服从正态分布)建立拒绝域。