1. 假设检验概述
1.1. 基本概念
-
原假设 (Null Hypothesis) $H_0$: $\mu = \mu_0$
-
备择假设
Alternative Hypothesis( $H_1$) $\mu \not= \mu_0$: -
显著性水平
Significance Level( $\alpha$) 小概率水平: -
确定假设的界限 $\mathcal{K}$
-
假设检验的拒绝域 $\mathscr{D} \subseteq \mathbb{X}^n$
1.2. 两种错误
1. 第一类错误
2. 第二类错误
1.3. 显著性水平与p值
1. 使用p值进行假设检验的基本法则是:
若 $p$ 值小于 $\alpha $ , 则拒绝 $H_0$
$p$ 值越小
1.4. 单边与双边检验
1. 双边( Two-Tail) 检验
2. 单边( One-Tail) 假设
1.5. 基本步骤
-
建立原假设和备选假设
选择合适的 $p$ 值, -
对总体抽样
获取总体样本值, -
选取统计量
其抽样分布要明确( 不含参数, ) -
分两种
或同时( 方法进行决策判断)
<1> 利用 $\alpha$ 决定什么是拒绝域
<2> 利用样本数据计算 $p$ 值
2. 参数假设检验
(先假定分布形式
再来估计参数) ,
2.1. Z 检验 (大样本或方差已知)
-
建立有关均值的备择假设和原假设
选择合适的显著性水平 $\alpha$, -
建立统计量 $Z\sim \mathbb{N}(0,\ 1)$
计算统计量数值 $z$, -
根据统计量数值和显著性水平 $\alpha$ 决定拒绝域
-
判断是否落入拒绝域
有需要的话再考察 $p$ 值,
2.2. t 检验 (小样本且 $\sigma^2$ 未知)
-
建立有关均值的备择假设和原假设
选择合适的显著性水平 $\alpha$, -
建立统计量 $t\sim t(n')$
计算统计量数值 $t$, -
根据统计量数值和显著性水平 $\alpha$ 决定拒绝域
-
判断是否落入拒绝域
有需要的话再考察 $p$ 值,
2.3. $\chi^2$检验 (判断方差变化是否显著)
-
建立有关均值的备择假设和原假设
选择合适的显著性水平 $\alpha$, -
建立统计量 $\chi^2\sim \chi^2(n')$
计算统计量数值 $\chi^2$, -
根据统计量数值和显著性水平 $\alpha$ 决定拒绝域
-
判断是否落入拒绝域
有需要的话再考察 $p$ 值,
2.4. F检验 (判断方差比变化是否显著)
-
建立有关均值的备择假设和原假设
选择合适的显著性水平 $\alpha$, -
建立统计量 $F\sim F(n_1,\ n_2)$
计算统计量数值 $F$, -
根据统计量数值和显著性水平 $\alpha$ 决定拒绝域
-
判断是否落入拒绝域
有需要的话再考察 $p$ 值,
3. 非参数假设检验( 对总体分布形式未知)
3.1. 符号检验( Sign Test)
3.2. 秩和检验( Wilcoxon Rank-Sum)
1. 秩( Rank) 指的是两组数据混合排序后的序号均值
定理7.1: 大样本逼近
当两样本容量较大时
则
所以秩和检验的拒绝域为 $|U|>z_{\frac{\alpha}{2}}$
3.3. 偏度峰度检验
1. 偏度与峰度
偏度
峰度