415-参数估计（parameter estimation）对于未知的总体参数利用样本统计.pptVIP

第7章　假设检验 参数估计(parameter estimation) 对于未知的总体参数利用样本统计量进行估计；假设检验(hypothesis testing) 首选对总体参数提出一种假设，然后利用样本信息去检验这个假设是否成立。　　如何利用样本信息对相应的假设成立与否做出一个判断。 §7.1　假设检验的基本概念 7.1.1 假设检验的基本思想 任何一个有关随机变量未知分布的假设称为统计假设或简称假设。　　 “假设”只是一种设想，在建立假设时并不知道其是否成立，其成立与否需要进一步考察。 对一个样本进行考察，从而决定它是否能够合理地认为与假设相符合—假设检验。 判别参数假设的检验称为参数假设检验。 检验是一种决定规则，它具有一定的程序。 　 通过这个程序对假设成立与否作出判断。 假设检验的原理－小概率原理 　　首先假设H0是真实成立的，然后考虑在H0成立的条件下已经观察样本信息出现的概率: 　　如果这个“样本信息”出现的概率很小，反过来就说明了这个“概率很小的事件”在这次抽样中出现了。 小概率原理认为: 小概率事件在一次试验中是几乎不可能发生的。 但是如果用“样本信息”计算时发现这个小概率事件出现了, 反过来证明了H0是不正确的。 例 某经销商承诺其产品的不合格品率不超过1‰,　 　即平均1000件产品中至多只有1件不合格品。 为检验经销商的说法是否可靠, 从产品中随机抽取1件. 7.1.2 两类错误 　 要判断原假设H0的“正确”或“错误”, 就必须要建立一个判别规则。 　　由于是利用部分随机样本对总体的参数进行推断，因而可能会有错误的判断, 有两种可能: 第一类错误(?类错误, I型错误, 或弃真错误) ： 原假设H0成立但是被拒绝, 其发生的概率为?; 第二类错误(?类错误, II型错误, 或取伪错误) ： 原假设H0不成立但是被接受,其发生的概率为?. 　假设检验中各种可能结果的概率 一种水剂疫苗冷藏两年的有效率为25%, 通过改进配方,希望该疫苗经过两年冷藏后的有效率提高到原来的1倍。 为检验新配方的改进效果, 随机确定20名受试者, (1)如果20名受试者中至少9人注射后发生作用, 则可认 为改进的配方是成功的;若低于9人以下, 则可认为改进不成功; (2)如果20名受试者中至少12人注射后发生作用, 则可认为改进的配方是成功的;若低于12人以下, 则可认为改进不成功。 试确定在两种条件下犯两类错误的概率。 提出假设 H0: p=25% H1: p=50% (1) 第一类错误的概率 提出假设 H0: p=25% H1: p=50% (2) 第一类错误的概率 假设检验的显著性水平? 由于在一定样本容量 n 的条件下，检验发生错误判决的两类概率不可能同时达到最小化的要求，因此应该合理地处理两类检验错误： (1) 优先考虑第一类错误: 在实际问题中, 第一类错误的控制是相对重要的. (2) 当固定了第一类错误的大小之后, 要尽可能使得第二类错误的概率达到最小化: 在第一类错误水平一定的条件下的各种检验规则中寻找或选择使第二类错误的概率达到最小化的检验规则. 显著性水平 ? 的确定需要根据实际需要确定。 统计假设检验的结果的解释 (1) 由于拒绝或接受一个假设都有可能犯错, 因此在对假设检验的结果进行判断时应该进行合理的陈述。 (2) 相对而言，做出拒绝假设的判断，其理由常常会充分一些, 而接受假设的理由则并不完全充分。 假设检验是利用类似于“反证法”的原理构造的一种检验方法, 因此如果当前的样本就能说明假设是不成立的, 则拒绝该假设的说服力明显要高一些, 而接受假设只是表明当前的样本不中以判断假设不成; (3) 随着显著性水平值的减小，拒绝假设的理由将会变得更加充分。 7.1.3 假设检验问题的相关概念 (一) 原假设与备择假设的提出 例1. 抛一牧硬币100次,其中出现“正面”有40次, 问这牧硬币是否匀称? 分析: 设“?=1”表示“出现正面”,“?=0”表示“出现反面”, 上述问题可表述为: 检验?是否服从p=0.5的0-1分布? 即　 　　　原假设　H0: p=0.5 　　　备择假设H1: p?0.5 例2. 在10块相同的地块上对甲、乙两种玉米进行品种比较试验,如下资料(单位:kg) 　　 甲　951　966　1008　1082　983