假设检验介绍ppt课件

完成本章节学习后，学员能够 对抽样对象总体的均值，方差，比例进行假设检验。,假设检验 学习目标,缺陷品之数量,流程A 流程B,这个差距是否真实？,为什么进行假设检验？,Line 1 和 Line 2 生产的产品的平均宽度存在差异吗?,它们真的存在差异吗?,在回答“两条线有区别？”时你可能会犯两个错误，哪两个错误呢？,如果变成这样，你的决定是？为什么？,当分布重叠时,如何下结论?,突破性改善,特性化,优化,测量,分析,改善,控制,确定原因是否真实,验证解决方案是否有效,确定重大改变发生的时间,定义,六西格玛路线图 假设检验,假设是对于一些未知事实的陈述或声明。 统计假设是就对象总体特性（例如均值，方差和比例）的声明或陈述。 在许多问题中，都需要对一个参数的陈述作出接受或者否决的判定。 传统的决策方式是基于具有高风险的主观意识，统计检验为我们提供了一个客观的解决方案。 假设检验为我们的决策将一个实际问题转换成一个统计问题。,什么是假设？,A工厂的不良率比B工厂的低。 流程A中次品的数量比流程B中的多。 完成任务的平均时间少于30天。 A类汽油和B类汽油的平均里程不同。,假设举例,9,实际进行假设检验时，假设包含两个互补的陈述，即 零假设(H0 ) 备选假设(Ha) 备选假设也叫研究假设 例子 H0 氧化物平均厚度等于200 angstroms Ha 氧化物平均厚度不等于200 angstroms,零假设和备选假设,我们对抽样中的数据进行分析，区分很容易出现的结果和很难出现的结果。如果很难出现的结果出现了，我们可以这样解释,出现了罕见的结果，或者 事物并不是我们想象的那样,统计推论指导,如果从1000个学生的抽样中得到下列结果，你会对以上声明的正确性得出什么结论？,假设有人声称报考音乐学院 的女生会比男生多。,505 个女生? 980 个女生?,假设检验推论举例,505 个女生 通常都是在1000个学生中有500个女生 505个女生跟500非常相近，我们不会支持报考音乐学院的女生比男生多的声明。,就结果进行解释,980个女生 一般不会发生1000个学生中有980个女生的情况。 这种情况有两种解释： 一是一般不会发生的异常事件发生了， 或者是更让人信服的解释，报考音乐学院的女生的确比男生更多的声明是正确的。,如果报考音乐学院的学生不存在性别上优先选择，那将与抽样结果是否有显著的不同呢？,抽样结果 505 out of 1000,通常的情况 500 out of 1000,显著的区别,建立零假设和备选假设 决定显著性水平 随机抽取具有代表性的样本 计算P值 比较P值和显著水平 得出结论,进行假设检验的步骤,零假设 关于一个总体参数（如均值）的 一个陈述 必须包含等号 举例：Ho: = 40mm （流程均值同目标相等）,零假设和备选假设,备选假设 如果零假设不正确，则该陈述必须成立 通常是我们要证明的假设 举例：H1: 40mm（流程均值同目标不相等）,小组讨论 - 零假设和备选假设,交货时间 以前，A型产品的交货时间平均为39天。 改善措施实施后，收集新的数据，平均天数为33天。营运经理声称流程已经得到了改变。 什么是零假设？ 什么是备选假设？,当检验总体均值时,抽样数据是否有足够的证据确保否定零假设？,作为假设检验的结果，我们或者 否定零假设 无法否定零假设,决定,H1: A B (存在差别),两个工厂平均机器设定时间存在差别,H0: A = B (工厂A和 工厂B的机器设定时间不存在差别),H0: A B 材料A的寿命等于或少于材料B,用材料A的电池平均寿命比用材料B的电池长,H1: A B 材料A的寿命比材料B长,陈述零假设和备选假设,H1: PA PB（两者有所不同）,两个部门的服务投诉率有所不同,H0: PA = PB （两个部门的服务投诉率没有不同 ）,A的方差大于或等于B的方差,用配方A的润滑油的粘度比用配方B的更稳定,A的方差小于B的方差,更多举例,根据提供的例子，陈述零假设和备选假设。 练习1：缺陷比例,练习 - 零假设和备选假设,某个产品有两条生产线，你想找出两条生产线的缺陷率是否不同。写出比例的假设声明：P（A）代表生产线A的缺陷率；P（B）代表生产线B的缺陷率： H0: H1:,练习2：塑料强度 你将测试塑料A的样本以确认它的压力强度大于30kg/cm2。 H0: H1:,练习 - 零假设和备选假设,目标尺寸850mm 样本平均值 851.6 mm,声明：流程偏离了目标！,这个声明正确吗？ 数据在 Metal Cylinder.MTW,金属管例子,零假设：流程均值与目标相同 备选假设 ：流程均值与目标不相同,抽样数据是否有足够的证据否定零假设？,?,850 851.6,Target,Average of Sample,流程是否偏离目标？,近年来, 用P值进行假设检验得到越来越多的认同。,P值是在假定原假设为真时，得到的检验统计量等于或远大于/小于来自样本数据的统计量的概率。,如果P值大于或等于，不能否认H0 如果P值小于，否认H0,P值,假如流程均值与目标值相同，只有1.7%的机会得到这种样本数据。,H0：流程均值等于目标值 Ha：流程均值不等于目标值,?,850 851.6,目标值,样本均值,P- value = 0.017 拒绝零假设!,解释P值,从假设检验中得到两个结论: 如果P值比小就否定零假设 声明应该同下列陈述相似：“在水平有足够的证据证明备选假设是正确的。” 如果P值比大就无法否定零假设： 声明应该同下列陈述相似：在水平没有足够的证据证明备选假设是正确的。,假设检验理解,选择何种检验决定于数据的分布类型和比较的类型,假设检验类型,只要进行假设检验，在决策时就会有风险。两种错误（风险）： I类错误（也叫作风险）- 当零假设正确时，否定零假设的概率 II类错误（也叫作风险）- 当归零检验错误时，肯定零假设的概率,风险,不否定零假设,否定零假设,真实情况,I 类和II类错误,决策,在法庭上，首先假设被告无罪，直到证明他有罪。假设检验类似于： H0: 被告无罪 H1: 被告有罪,错误举例,我们的法律系统也曾经作出错误的判决。理想的情况是，真正有罪的时候，我们就宣布有罪，无罪的时候就宣布无罪。,以下情况是什么类型错误 当被告无罪的时候，陪审团得出有罪结论？ 当被告有罪的时候，陪审团得出无罪结论？,零假设真,零假设伪,不否定零假设,拒绝原假设,决策,正确决策,I类错误,II类错误,正确决策,H0: 被告无罪 H1: 被告有罪,真实情况,I类错误和II类错误,当零假设真时，否定零假设的错误。,I类错误发生的概率叫做显著水平，由代表。 常见设定: = 0.05,I类错误发生的概率,检出能力是正确否定错误的零假设的概率 检出能力是1减