邊檢定型別與假設檢定基礎概念解析

格式
pdf
大小
159.49 KB
頁數
3
作者
user
收藏 ⬇️ 下載檔案
提示: 文件格式为 pdf,轉換可能會出現排版或格式的些許差異,請以實際檔案為準。
此檔案建立於 2018-04-25,离现在 7 182 天,建議確認內容是否仍然適用。
PDF 加载中...
background image

Week 9-3 

邊檢定、右邊檢定和左邊檢定。假設檢定是那一種類型,主要是看對

立假設的型態。通常虛無假設是描述現有方法、程序、治療方式等,

而對立假設為虛無假設的對立面,通常表示新的方法、程序、治療方

式等。假設檢定就是用觀測的資料來對虛無假設做拒絕

(reject)或不

拒絕

(do not reject)判斷的決策方法。 

型一誤差

(Type I error):  當 H

0

為真,依觀測資料判斷而拒絕

H

0

(接受

H

1

)。 

型二誤差

(Type II error):  當 H

0

不真,依觀測資料判斷而不拒絕

H

0

(拒

H

1

)。 

顯著水準

 α (significance level α): 

(型一誤差)=

 P 

(拒絕 H

| H

0

為真

)。 

檢定力

(power): 1-

(型二誤差)=1-

 P 

(不拒絕 H

| H

0

不真

)=

 P 

(拒絕

H

| H

0

不真

)。 

p

-值(

p

-value):  在 H

0

為真之條件下,檢定統計量比其觀測值還要極端

的機率

=

 P 

(檢定統計量比其觀測值還要極端| H

0

為真

),

p

-值越小越

有足夠證據來拒絕

H

0

。由

p

-值的大小來做是否拒絕 H

0

的判斷,是比

較有彈性的決策。

 

檢定方法的要求與步驟

:  在顯著水準 α不大於某一小機率(例如 0.05

0.1)之下,檢定方法期盼型二誤差的機率, 

(不拒絕 H

| H

0

不真

), 

越小越好

(或檢定力, 

(拒絕 H

| H

0

不真

),    越大越好)。而檢定步驟 

background image

Week 9-4 

則是計算檢定統計量的觀測值,若它落在拒絕域

(rejection region)則

拒絕

H

0

,否則不拒絕

H

0

。也可計算

p

-值,由

p

-值大小來做是否拒絕

H

0

的決策。

 

1.  單母體平均數的檢定(母體變異數未知) 

(1)  資料來自常態分佈 

假設

X

1, 

X

2, 

,

X

n

 

是一組從

(母體)平均數 -∞< 𝜇 <∞和(母體)變異數

 𝜎

2

> 0 的常態分佈隨機變數

X

取出的隨機樣本

( 𝜇 和 𝜎

2

 均未知),並

給定檢定顯著水準

 α。 

(i)  雙邊檢定: H

0

:  𝜇 = 𝜇

0

  對  H

1

:  𝜇 ≠ 𝜇

0

 

H

0

為真,檢定統計量

T=

 

(𝑋−𝜇

0

)

𝑆/√𝑛

 

~ 𝑡

𝑛−1

,當檢定統計量觀測值

 

|

t

 |

=

( 𝑥−𝜇

0

)

𝑠/√𝑛

|

>𝑡

𝑛−1,1−𝛼/2

,則拒絕

H

0

,否則不拒絕,其中

  𝑡

𝑛−1,1−𝛼/2

代表

  𝑡

𝑛−1

分佈的

  1 − 𝛼/2分位值(即

(𝑡

𝑛−1

≤ 𝑡

𝑛−1,1−𝛼/2

=  1 −

𝛼/2)),在此稱為臨界值(critical value)。亦可計算

p

-值= 

2

(𝑡

𝑛−1

> |𝑡 |),由

p

-值大小來判斷是否拒絕 H

0

 

(ii)  右邊檢定: H

0

:  𝜇 = 𝜇

0

(或 𝜇 ≤ 𝜇

0

)  對  H

1

:  𝜇 > 𝜇

0

 

當檢定統計量觀測值

t

 

=

 

( 𝑥−𝜇

0

)

𝑠/√𝑛

>𝑡

𝑛−1,1−𝛼

,則拒絕

H

0

,否則不拒絕。

此時

p

-值=

(𝑡

𝑛−1

> 𝑡 )。 

(iii)  左邊檢定: H

0

:  𝜇 = 𝜇

0

(或 𝜇 ≥ 𝜇

0

)  對  H

1

:  𝜇 < 𝜇

0

 

background image

Week 9-5 

當檢定統計量觀測值

t

 

=

 

( 𝑥−𝜇

0

)

𝑠/√𝑛

<𝑡

𝑛−1,𝛼

= - 𝑡

𝑛−1,1−𝛼

,則拒絕

H

0

,否

則不拒絕。此時

p

-值=

(𝑡

𝑛−1

< 𝑡 )。 

(2)  資料不是來自常態分佈(一般利用中央極限定理來做近似顯著水

 α 的檢定) 

(i)  白奴利分佈 

假設

X

1, 

X

2, 

,

X

n

 

是一組從

(母體)平均數 

p

0<

 p

 <1,的白奴利隨機

變數

X

取出的隨機樣本,並給定檢定顯著水準

 α。 

雙邊檢定

: H

0

:  𝑝 = 𝑝

0

  對  H

1

:  𝑝 ≠ 𝑝

0

 

當樣本數

n

夠大

(10≤ 𝑛𝑝̂ ≤ 𝑛 − 10,𝑝̂=𝑋)且 H

0

為真,

U

𝑝�−𝑝

0

�𝑝�(1−𝑝�)/√𝑛

  ≈ 

N

(0, 1)。所以當檢定統計量

U

的觀測值

|

u

 |> 𝑧

1−𝛼/2

時,

則拒絕

H

0

,否則不拒絕,其中

𝑧

1−𝛼/2

代表

N

(0,1)分佈的  1 − 𝛼/2分位

值。此時

p

-值=2

(𝑁(0, 1) > |𝑢| )。 

右邊檢定

: H

0

:  𝑝 = 𝑝

0

(

 𝑝 ≤ 𝑝

0

)  對  H

1

:  𝑝 > 𝑝

0

 

當檢定統計量觀測值

u

 >𝑧

1−𝛼

,則拒絕

H

0

,否則不拒絕。此時

p

-值

=

(𝑁(0, 1) >  𝑢  )。 

左邊檢定

: H

0

:  𝑝 = 𝑝

0

(

 𝑝 ≥ 𝑝

0

)  對  H

1

:  𝑝 < 𝑝

0

 

當檢定統計量觀測值

u

 < 𝑧

𝛼

= - 𝑧

1−𝛼

,則拒絕

H

0

,否則不拒絕。此時

p

-值=

(𝑁(0, 1) < 𝑢  )。 

版權說明: 檔案資源由用戶上傳,僅供學習交流使用,尊重著作權。 若您認為內容涉及侵權,請點擊「侵權舉報」提交相關資料,我們將儘快核實並處理。