01第一节假设检验的基本概念.docVIP

第七章 假设检验 统计推断的另一类重要问题是假设检验. 在总体分布未知或虽知其类型但含有未知参数的时候, 为推断总体的某些未知特性, 提出某些关于总体的假设. 我们要根据样本所提供的信息以及运用适当的统计量, 对提出的假设作出接受或拒绝的决策, 假设检验是作出这一决策的过程. 参数假设检验针对总体分布函数中的未知参数提出的假设进行检验, 后者针对总体分布函数形式或类型的假设进行检验, 本章主要讨论单参数假设检验问题. 第一节 假设检验的基本概念 内容分布图示 ★ 引言 ★ 引例 ★ 假设检验的基本思想 ★ 假设检验的两类错误 ★ 假设检验问题的提法 ★ 假设检验的一般步骤 ★ 例1 ★ 例2 ★ 多参数与非参数假设检验问题 ★ 内容小结 ★习题7-1 内容要点： 一、引例 设一箱中有红白两种颜色的球共100个, 甲说这里有98个白球, 乙从箱中任取一个, 发现是红球, 问甲的说法是否正确? 二、假设检验的基本思想 假设检验的基本思想实质上是带有某种概率性质的反证法. 为了检验一个假设是否正确, 首先假定该假设正确, 然后根据样本对假设作出接受或拒绝的决策. 如果样本观察值导致了不合理的现象的发生, 就应拒绝假设, 否则应接受假设. 假设检验中所谓“不合理”,并非逻辑中的绝对矛盾,而是基于人们在实践中广泛采用的原则, 即小概率事件在一次试验中是几乎不发生的. 但概率小到什么程度才能算作“小概率事件”, 显然, “小概率事件”的概率越小，否定原假设就越有说服力. 常记这个概率值为,称为检验的显著性水平. 对不同的问题, 检验的显著性水平不一定相同, 但一般应取为较小的值, 如0.1,0.05或0.01等. 三、假设检验的两类错误 当假设正确时, 小概率事件也有可能发生, 此时我们会拒绝假设, 因而犯了“弃真”的错误, 称此为第一类错误. 犯第一类错误的概率恰好就是“小概率事件”发生的概率, 即 P{拒绝|为真}=. 反之, 若假设不正确, 但一次抽样检验结果, 未发生不合理结果, 这时我们会接受, 因而犯了“取伪”的错误,称此为第二类错误. 记为犯第二类错误的概率, 即 P{接受|不真}=. 理论上, 自然希望犯这两类错误的概率都很小。 当样本容量n固定时, ,不能同时都小, 即变小时, 就变大;而变小时,就变大.。一般只有当样本容量n增大时，才有可能使两者变小。在实际应用中, 一般原则是: 控制犯第一类错误的概率, 即给定, 然后通过增大样本容量n来减小. 关于显著性水平的选取: 若注重经济效益, 可取小些, 如; 若注重社会效益, 可取大些,如;若要兼顾经济效益和社会效益, 一般可取. 四、假设检验问题的一般提法 在假设检验问题中, 把要检验的假设称为原假设(零假设或基本假设), 把原假设的对立面称为备择假设或对立假设, 记为. 例如, 有一封装罐装可乐的生产流水线, 每罐的标准容量规定为350毫升. 质检员每天都要检验可乐的容量是否合格, 已知每罐的容量服从正态分布, 且生产比较稳定时,其标准差毫升. 某日上班后, 质检员每隔半小时从生产线上取一罐, 共抽测了6罐, 测得容量(单位为毫升)如下: 353, 345, 357, 339, 355, 360. 试问生产线工作是否正常? 本例的假设检验问题可简记为: (1) 形如(1)式的备择假设, 表示可能大于, 也可能小于, 称为双侧(边)备择假设. 形如(1)式的假设检验称为双侧(边)假设检验. 在实际问题中, 有时还需要检验下列形式的假设: (2) (3) 形如(2)式的假设检验称为右侧(边)检验; 形如(3)式的假设检验称为左侧(边)检验; 右侧(边)检验和左侧(边)检验统称为单侧(边)检验. 为检验提出的假设, 通常需构造检验统计量, 并取总体的一个样本, 根据该样本提供的信息来判断假设是否成立.当检验统计量取某个区域W中的值时, 我们拒绝原假设,则称区域W为拒绝域, 拒绝域的边界占称为临界点. 五、假设检验的一般步骤 (1) 根据实际问题的要求,充分考虑和利用已知的背景知识, 提出原假设及备择假设; (2) 给定显著性水平以及样本容量n; (3) 确定检验统计量U, 并在原假设成立的前提下导出U的概率分布, 要求U的分布不依赖于任何未知参数; (4) 确定拒绝域, 即依据直观分析先确定拒绝域的形式,然后根据给定的显著性水平和U的分布, 由 P{拒绝