第七节 假设检验.pptVIP

二、怎样进行假设检验 1、理论依据——小概率事件原理 ——某些事情是可能发生的，但因其发生的概率很小，因而在一次试验中几乎不可能发生。 2、基本方法 例： 已知σ=3.6 ，μ0 =68 H0:μ= μ0，H1: μ≠μ0, μ= μ1。若取接受域为（67，69），求下列三种情况下的?、 ? 1） μ1 =70，n=36； 2） μ1 =70，n=64； 3） μ1 =68.5，n=64 解：1） σ 已知，选择统计量 ?1=P{X67}+ P{X 69} (标准化)=P{u -1.67}+P{u 1.67}=0.095 ?1= P{67 X 69} (标准化)=P {-5 u-1.67}=0.0475 ?1= 0.095, ?1 =0.0475 ?2= 0.0264, ?2 =0.0132 ?3= 0.0264, ?3 =0.8665 比较1）与2）两类错误都减少，是由于n2 n1 比较2）与3） ?2= ?3， ?3 ?2，是由于μ1与μ0 相差太小，可分辨性差， 加大了犯第二类错误的可能性 六、非正态总体参数的假设检验 1、实践中常用的两个概念 小样本——样本容量较小，一般n50. 在总体分布服从正态分布的情况下，一般采用小样本。 大样本——样本容量较大，一般n50. 在总体不服从正态分布或不知道服从何种分布的情况下，一般采用大样本，然后按正态分布处理。 例5 某车间承担了生产额定抗拉强度为105× 107 Pa的合金线的任务，从该车间生产出的合金线成品中随机抽出100根，测得抗拉强度的均值X=104.5 × 107 Pa，标准差为S=1.8 × 107 Pa。问：这批合金线是否符合标准？α=0.05 解：H0 : μ=105，H1 : μ105. 由于n=100， 故可选择统计量 式中σ用S代替 H0的拒绝域为：U-Zα=-Z 0.05=-1.645 而U=-2.778 -1.645 故拒绝H0，接受H1，即认为这批合金线不符合标准。 例6 有一大批产品，从中任取100件，经检验合格品92件，问能否说这批产品的合格率高于90%？ α=0.05 解：这是总体为（0—1）分布的参数p的假设检验问题。 解：H0 :p=0.9 ，H1 :p 0.9. 由于n=100， 故可选择统计量 H0的拒绝域为：U Zα=Z 0.05=1.645 而U=0.6667 1.645 故接受H0，即不能说这批产品的合格率高于90% 。 作业：P69-70 思考与练习[2-5] 、 [2-6] 例如要确定： 1) 某批钢珠的直径是否服从正态分布； 2) 某种新药对某疾病有没有疗效？ 3) 两台机床生产同一型号的零件，质量是否一样？ 4) 两种汽车的安全性是否一样？ 5) 经过改进生产工艺，某电器零件的平均电阻是否有显著变化 6) 某厂生产的产品能否正常出厂？ 7)某种设备的寿命是否服从?=20000的指数分布 等等------ 第七节 过程参数的假设检验 假设检验 参数假设检验 非参数假设检验 总体分布已知， 检验关于未知参数 的某个假设 总体分布未知时的 假设检验问题 问题2)、3)、4)、5)、6)等 问题1)、7) 等 让我们先看一个例子. 流水生产线上罐装可乐不断地封装，然后装箱外运. 怎么知道这批罐装可乐的容量是否合格呢？ 把每一罐都打开倒入量杯, 看看容量是否符合标准. 这样做显然不行！ 罐装可乐的容量按标准应在 350毫升和360毫升之间. 很明显，不能由5罐容量的数据，在把握不大的情况下就判断生产 不正常，因为停产的损失是很大的. 当然也不能总认为正常，有了问题不能及时发现，这也要造成损失. 如何处理这两者的关系，假设检验面对的就是这种矛盾. 每隔一定时间，抽查若干罐 . 如每隔1小时，抽查5罐，得5个值X1，…，X5，根据这些值来判断生产是否正常. 通常的做法是进行抽样检查. 一、基本概念 (1) 参数假设检验 1．假设检验 ——无论总体的分布形式是已知还是未知，先假定总体的分布形式或总体的某些参数具有某种统计特征，然后通过样本的信息检验原假设是否合理。若合理，则承认原假设是正确的，否则否定原假设。 2. 显著性检验——基于小概率原理的假设检验。小概率?称为显著性水平。 3．原假设、备择(对立)假设 (只有两种可能) 两者必居其一的统计假设，其中一个为原假设(一般含等号的假设)，另一个为备择假设。 原假设——希望被接受的假设，或假设中含等式 在实际工作中，往往把不轻易否定的命题作为原假设 4. 拒绝域