1. 首頁 > 云知道 > >

簡述假設檢驗的步驟，matlab中指數分布的假設檢驗命令是什么

云知道假設檢驗

1，matlab中指數分布的假設檢驗命令是什么不管是什么分布，期望是mean(x), 方差是std(x)在matlab中使用kstest可以實現假設檢驗

簡述假設檢驗的步驟，matlab中指數分布的假設檢驗命令是什么


2，簡述假設檢驗的步驟一、假設檢驗的基本思想與步驟如何被統計學家費舍爾提出：奶茶先加茶和先加奶的口味是不同的 。于是科學家有一個原假設：該女士不具備區分奶茶與茶奶的能力 。假設檢驗的基本思想就是小概率事件不會發生，當小概率事件發生時，我們更傾向認為原假設是錯誤 。引入問題：某牛奶生產商在其一份研究報告中聲稱“中國人的平均身高不高于160 厘米，因而必須喝牛奶”假設所有國人的平均身高服從正態分布N(μ，)，如何檢驗牛奶商關于身高的聲稱是否成立？（一）估計與假設檢驗的區別上面不是一個參數估計的問題，必須采用假設檢驗的方法 。假設檢驗（hypothesis testing）與參數估計（estimation）的思想是不同的 。參數估計是指利用抽樣數據對總體參數進行直接估計，并得出總體參數的具體估計值；而假設檢驗則分為假設與檢驗兩步，先形成一個對總體參數的假設，然后再利用抽樣數據判斷這個假設是否成立 。上題中，參數估計是通過抽樣調查部分中國人身高，計算出樣本均值，并以此估計全國人的平均身高μ；而假設檢驗則是先形成一個命題如：“中國人的平均身高μ不高于160 厘米”，然后通過抽樣數據判斷該命題是否成立 。（二）假設檢驗的基本思想基本思想是“小概率事件不會發生” 。假設抽樣了一萬人發現平均身高是180，，基本可以判斷前述是錯誤的命題 。然而如果發現均值是161時那么結論就沒那么顯然了，就必須利用到概率分布與顯著性相關的信息 。（三）假設檢驗的步驟（1）建立需檢驗的假設（2）選擇合適的檢驗統計量，并確定其服從的概率分布（3）選擇判斷假設是否成立的顯著性水平（4）給出決策準則（decision rule），即拒絕域的形式（5）收集數據，并計算檢驗統計量（6）做出判斷（7）根據判斷進行投資決策二、假設檢驗的相關概念（一）原假設（Null Hypothesis）與備擇假設（Alternative Hypothesis）假設檢驗的第一步就是建立假設 。通常將被檢驗的假設稱為原假設（null hypothesis），記為；當被拒絕時而接受的假設稱為備擇假設，記為或.原假設與備擇假設通常成對出現 。身高問題中原假設與備擇假設可以用如下方式表示：假設檢驗一般有兩種結果：第一種是原假設“不正確”，稱為拒絕（reject）原假設；第二種是原假設“正確”，稱為無法拒絕（can not reject）原假設 。在建立原假設與備擇假設時，有幾個細節要注意：（1）當原假設“正確”時，一般稱“無法拒絕原假設”而不是“接受原假設”，這是因為此時原假設并不是數學意義上的恒成立，而只是統計意義上的成立 。（2）如果假設涉及不等式時，習慣將等號放在原假設（3）在構建原假設備擇假設時，習慣將想要得到的結論放在備擇假設（二）檢驗統計量（Test Statistic）及其分布在抽樣樣本檢驗原假設通常是通過一個統計量來完成的，這個統計量稱為檢驗統計量（test statistic） 。檢驗統計量通常服從某個概率分布，于是可以通過計算檢驗統計量是否超過某一關鍵值來判斷是否拒絕原假設 。在本書中，檢驗統計量通常以公式的形式出現：（11.1）如身高問題中，檢驗統計量就可以通過樣本均值來構建 。由中心極限定理，服從正態分布N(μ，/n)，按照（11.1）標準化后就服從標準正態分布 。（三）顯著性水平（Significance Level）與關鍵值（Critical Value）有了檢驗統計量后，結合顯著性水平就可以計算出關鍵值（Critical Value）及其拒絕域（rejection region） 。關鍵值是判斷是否拒絕原假設的臨界值 。拒絕域是由原假設被拒絕的樣本觀測值所組成的區域 。在例題中，假設顯著性水平為5%，的標準化后服從標準正態分布，那么檢驗統計量的關鍵值就是1.65？根據正態分布95%置信區間對應的標準差不是1.96倍標準差嗎？為啥是1.65而不是1.96，是正數而不是負數？需要涉及單尾檢驗與雙尾檢驗 。（四）雙尾檢驗（Two-Tailed Test）與單尾檢驗（One-Tailed Test）假設檢驗通常有三種基本形式：其中，θ表示總體參數，θ0表示當成立時總體參數的取值 。第一種形式稱為雙尾檢驗，第二種與第三種形式稱為單尾檢驗 。無論是單尾還是雙尾檢驗所采用的檢驗統計量都是相同的，差別主要體現在拒絕域上 。因此，區分單尾檢驗與雙尾檢驗對確定關鍵值（critical value）以及拒絕域（rejection region）至關重要 。（五）p值（p-value）除了比較檢驗統計量與關鍵值，另一種判斷是否拒絕原假設的方法就是p值（p-value） 。p值指拒絕原假設的最小顯著水平 。根據p值定義，在給定顯著水平α的情況下，如果pα，則無法拒絕原假設 。例如，我們要進行顯著性水平為5%的雙尾檢驗，已知p值=2.14%，這就意味著，左側對應的尾部面積為1.07%，即統計量絕對值大于，應該要拒絕原假設 。當然，也可以利用p值進行判斷，p值=2.14%

推薦閱讀