一. 制药公司称某种药物的治愈率为90%。
15*90%=13.5
100*90%=90
直观上感觉治愈率都小于90%,但事实真的是这样的吗?
分析医生A:
该分布为二项分布且成功率为0.9:
X~B(15,0.9)
原假设H0:p=90%
备选假设H1:p<90%
显著性水平为5%
P(x=r)=cCrPrqn-r
P(x<=11)=1-P(x>=12)=0.0555
由于p-value>5%,在接受域内,所以接受原假设。
医生A认为医药公司的治愈率90%是可靠的。
分析医生B:
X~B(100,0.9)
原假设H0:p=90%
备选假设H1:p<90%
显著性水平为5%
由于npq>5 而且np>5,所以可以用正太分布替代该二项分布:
X~N(np,npq)---X~N(90,9)
计算Z分:
Z=(x-90)/3, x取值80. Z=-3.33
对应5%的显著性水平的Z值为-1.64.
说明检验统计量小于-1.64,落在了拒绝域内,拒绝原假设。
医生B认为医药公司的治愈率不可信。
在假设检验的时候,你只能根据手头已有的证据做出决策,数据来源于样本,如果样本有偏,那么就会根据有偏数据做出错误的决策。
因此在假设检验的时候会有两类错误:
第一类错误α,原假设为真的时候拒绝了原假设;
第二类错误β,原假设为假是接受了原假设。