请教一个假设检验的问题，达人指点一下。

个人认为，这里无论是取哪个作为原假设，你都要从假设出发构造一个小概率事件，然后通过样本看看这个小概率事件是否发生，进而判断是否接受原假设。

例如

 

 

具体的我给你发到信箱了

公式我不会发！

以下是引用wtnuhai在2009-5-24 13:26:00的发言：个人认为，这里无论是取哪个作为原假设，你都要从假设出发构造一个小概率事件，然后通过样本看看这个小概率事件是否发生，进而判断是否接受原假设。

前面讨论的重点显然是：

如果原假设是不等式，可否“构造一个小概率事件”，如何“构造一个小概率事件”？

如果原假设是不等式，原假设将对应无穷多的分布（这些分布很可能是不可数的），这需要我们一一去“构造小概率事件”吗？

上面说了这么多理论，都胡了吧！

我滴经验：等于号一般都在原假设里。

既然命题为“为某店的平均送货时间小于30分钟”，即命题为u<30，没等号

所以 H。：u>=30           H1：u<30

这只是拿来应付做题的。o(∩_∩)o...哈哈

[此贴子已经被作者于2009-5-24 17:30:42编辑过]

> #   H0: u=30；   H1: u＜30
> xbar=28.5;n=36;sd=3.5
> x=(xbar-30)/(sd/sqrt(n));x
[1] -2.571429
> pnorm(x,0,1)
[1] 0.005063995
>
> #p值即是pnorm(x,0,1),是正态分布下x<=-2.571429的概率。
> #所以0.005063995＜0.01故拒绝原假设，接受备择假设。

[此贴子已经被作者于2009-5-24 20:01:30编辑过]

滴

H0: u=30；   H1: u＜30

> xbar=28.5;n=36;sd=3.5
> z=(xbar-30)/(sd/sqrt(n));z
[1] -2.571429
> pnorm(z,0,1)
[1] 0.005063995
>

刚刚发帖忘记给结论了，现在补充

H0: u=30；   H1: u＜30
xbar=28.5;n=36;sd=3.5
z=(xbar-30)/(sd/sqrt(n));z
pnorm(z,0,1)
所以0.005063995＜0.01故拒绝原假设，接受备择假设。

解答：第一个问题——更换零假设和备择假设原则上是可行的，对问题的结果没有实质性的影响，因为假设检验问题，本质上是检验样本方差或均值相对于总体方差或均值的偏离量是否在合理的范围（显著性水平所限定的范围）之内的问题。题目中如果只更换零假设和备择假设，假设检验过程并没有发生变化，对比的仍然是原假设和备择假设是否在要求的范围之内，符合则接受，否则拒绝。然而，在实际的处理中通常把拒绝零假设作为目标，这里的零假设就是通常所说的小概率事件，因此题目中把 u≥30作为零假设是没有问题的。

       原理：由于样本均值xbar是总体均值u的无偏估计量，因此当原假设为真是，xbar的观测值应该在u附近，其偏离量|xbar-u|应该很小。当偏离量过分大时我们就认为差异显著而拒绝原假设，这里需要给出一个明确的数量界限k(k>0)以判断偏差是否过大，如果对于给定的较小的实数p（|xbar-u|>=k）=显著性差异，则认为原假设不能成立，从而拒绝原假设接受备择假设。

      第二个问题——双尾检验与单尾检验不同之处有两点，第一，原假设与备择假设不同，前者一个假设为不等于形式；其二 ，假设检验过程不同，例如对于|xbar-u|后者应去掉绝对值号。

该检验的统计假设有两种等价写法：
H0: u≥30；  H1: u＜30。或  H0: u=30； H1: u＜30
> xbar=28.5;n=36;sd=3.5
> z=(xbar-30)/(sd/sqrt(n));z
[1] -2.571429
> pnorm(z,0,1)
[1] 0.005063995
所以0.005063995＜0.01故在0.01的显著性水平上，拒绝原假设，接受备择假设。
其实我也不太懂，大家指正下吧！！