医药应用统计5n.pptVIP

第五章 假设检验 第三节 两个正态总体参数的假设检验 * * * 学习目标： 1.理解假设检验的概念与基本原理； 2.掌握假设检验的基本步骤； 3.掌握单个正态总体均值的z检验与t检验； 4.理解单个正态总体方差的 2检验； 5.理解两个总体方差比较的F检验； 6.掌握两个正态总体均值比较的t检验； 7.理解总体率（大样本）的z检验。 第一节 假设检验的基本概念 一、假设检验问题 为考察假设检验问题，我们先来看两个假设检验的案例。 案例5.1 某药厂用自动包装机包装的葡萄糖重量服从正态分布N ?,?2 ，按规定的标准重量为500克，由以往标准知总体方差?2 6.52，且保持不变，某日从生产线上随机抽取6袋，称得净重为（单位：克）： 498，516，507，492，502，512 问题：该日自动包装机包装的葡萄糖平均重量是否还是500克？ 案例5.2 根据国家有关质量标准，某厂生产的某种药品的次品率P不得超过0.6%。现从该厂生产的一批药品中随机抽取150件进行检测，发现其中有2件次品。 问题：该批药品的次品率是否已超标？（? 0.05） 在假设检验中，通常将所要进行检验的假设称为原假设 或零假设 ，用H0表示；而将原假设的对立面称为备择假设 或对立假设 ，用H1表示。 例如对案例5.1，有原假设H0:? 500；备择假设H1:?≠500。 而案例5.2同样也是一个假设检验问题，应检验的原假设H0:P≤0.006；备择假设H1: P 0.006。 二、假设检验的基本思想与方法 假设检验的基本思想就是所谓概率性质的反证法，这即为了检验原假设是否正确，首先假定原假设H0成立，在原假设H0成立的条件下根据抽样理论和样本信息进行推断，如果得到矛盾的结论，就推翻原假设，否则，则接受原假设。这里我们在概率性质的反证法中运用了小概率原理，即小概率事件在一次试验中几乎不可能发生。 案例5.1是正态总体均值?的参数检验问题，在方差?2已知和原假设H0成立下，考虑?的无偏估计量的抽样分布，有 ， 故可以取 作为检验统计量。 下面我们就可利用上述原理来解决案例5.1的问题 案例5.1（续） 解：应检验原假设H0:? 500；备择假设H1:?≠500。 由题中条件得 504.5，?0 500，?2 6.52。 则检验统计量Z的观测值为 再由标准正态分布分位数表（附表4）查得临界值 Z?/2 Z0.025 1.96， 由于|z| 1.696 1.96，即小概率事件在一次抽样试验中没有发生，故没有导出矛盾，所以可接受原假设H0: ? 500，即认为该日自动包装机包装的平均重量还是500克。。 如图所示，如果由样本值所得到的检验统计量的值落在拒绝域中，则认为原假设H0不成立，则拒绝原假设H0；否则，则接受原假设H0。 三、假设检验的两类错误 抽样的随机性使得假设检验有可能发生以下两类错误： 第一类错误：当原假设H0为真时，拒绝H0，此类错误又称拒真错误。发生第一类错误的概率就是显著性水平?。 第二类错误：当原假设H0为假时，接受H0，此类错误又称取伪错误。发生第二类错误的概率一般记为?。 我们总希望犯两类错误的概率?、?都很小，但在样本容量n确定时，同时使?、?都很小是不可能的。故在实际应用中，通常先限制犯第一类错误的概率?，再适当增加样本容量来减少犯第二类错误的概率?。一般选取? 、0.1。 四、假设检验的一般步骤 综上所述，我们可得到进行假设检验的一般步骤： 1 建立原假设H0和备择假设H1； 2 确定检验统计量及其分布，并由给定样本值计算检验统计量的值； 3 根据显著性水平?，确定拒绝域； 4 作出统计判断,若统计量的值落在拒绝域内，则拒绝原假设H0，接受备择假设H1；否则，就接受原假设H0。 第二节 单个正态总体参数的假设检验 一、方差?2已知时，检验正态总体的均值 一 已知方差?2，检验H0: ? ?0；H 1: ?≠?0（双侧检验） 检验步骤为： （1）建立原假设H0:? ?0；备择假设H1:?≠?0。 （2）在H0:? ?0 成立时，构造检验统计量 并计算Z检验统计量的观测值z； （3）对于给定的显著性水平?，查N 0,1 分位数表（附表4），得到临界值z?/2，使得 ，（对应地，有） （4）统计判断：当|z| z?/2时，拒绝H0，接受H1，即认为?与?0有显著差异； 当|z|≤z?/2时，接受H0，认为?与?0无显著差异。 该检验运用服从标准正态分布N 0,1 的检验统计量Z，故称为Z检验（Z test ）或U检验 U test 。 在上述检验中，原假设是H0: 0， 而备择H1: ≠ 0则等价于 0或 0，即不论 ＜ 0 ＞ 0 0，相应的两个拒绝域为 z ﹣