07应用统计学.doc

第七章 假 设 检 验 参数估计和假设检验是推断统计的两个重要内容。参数估计是利用样本数据的信息对总体的参数做出推断，在作出推断之前总体参数是未知的。与参数估计不同的是，假设检验事先对总体参数作出相应的假设，然后利用样本数据的信息推断先前做出的假设是否成立。 例如，某大米生产企业利用自动包装机包装大米。在正常情况下，每袋大米的重量是25kg，某日从生产的大米中随机抽取20袋，测得这20袋大米的平均重量是24.8kg。从抽取的样本数据我们是不是可以判断自动包装机出现问题了呢？事实上，抽取样本的平均重量比正常情况下的重量少0.2kg，可能由以下几个方面的原因造成的：第一个原因是由于抽样的随机性造成的，也就是说当日生产的大米平均重量仍然是25kg，只不过由于抽样的随机性，导致我们抽取的20袋大米的重量比正常情况下的要轻一些，这属于正常情况；第二个原因是由于自动包装机确实出现了问题，导致当天生产的大米比正常情况下的要轻一些。 自动包装机是不是出了问题，或者说每袋大米的重量是否发生了变化，我们可以采用假设检验的方法来回答这个问题。首先，我们假设每袋大米的重量未发生变化，然后，根据抽取的20袋大米的样本数据检验上述假设是否成立。如果成立，说明每袋大米的重量未发生变化，抽取的20袋大米的平均重量与总体的差异是由于抽样随机性造成的；如果不成立，说明每袋大米的重量确实发生了变化，这是由于自动包装机出现问题导致的。 定义7.1 假设检验是对总体分布或总体分布中的某些参数作出相应的假设，然后利用样本数据所提供的信息，检验这种假设是否成立。 第一节 假设检验的相关概念 在进行假设检验时，首先要对要检验的总体参数作出两类相反的假设，通常把这两类相反的假设称为原假设（null hypothesis）和备择假设（alternative hypothesis）。 一、原假设与备择假设 定义7.2 原假设又称为零假设，是指待检验的假设，通常用H0表示。 例如，在上面的例子中，我们关心的是每袋大米的重量是不是发生了变化，假设用(表示每袋大米的平均重量，则对该问题我们可以构造如下的原假设：。表示如果原假设成立的话，意味着当天的每袋大米的重量仍然是25kg。但如果确实是由于装袋机出现了问题，导致当天每袋大米的重量发生了变化，则原假设不成立，即拒绝原假设。此时，需要在另一个相反的假设中作出选择，我们将该假设称为备择假设。 定义7.3 备择假设是指拒绝原假设可供选择的其他假设，通常用H1表示。 对于一个完整的假设检验过程，我们既要给出原假设，同时也要给出备择假设。原假设和备择假设通常包括如下三种类型。 1．双侧检验 所谓双侧，是针对备择假设而言的，即当利用样本数据得到的检验统计量如果落入两侧小概率事件中，则认为原假设不成立。以检验总体均值(为例，双侧检验的原假设和备择假设可表示成如下的形式： ， 2．左侧检验 当我们关心的是总体的参数是否显著地低于某一个给定的值，比如工商管理部门检验某品牌奶粉中蛋白质含量是否低于国家规定的标准，随机从该品牌奶粉中抽样进行检验，构造的原假设和备择假设的形式如下： ， 上述检验中，备择假设的逻辑关系用“”表示，因此成为左侧检验。 3．右侧检验 当我们关心的是总体的参数是否显著地高于某一个给定的值，比如工商管理部门检验某食品中对人体有害的某种物质含量是否超标，则构造的原假设和备择假设的形式如下： ， 假设通过抽样得到的相应的样本统计量超过给定显著性水平下的临界值，我们就可以认为该种食品中包含的对人体有害的物质是超标的，属于不合格产品。 通常我们将左侧检验和右侧检验统称为单侧检验。构造单侧检验的经验做法是，尽量构造有利于拒绝原假设的检验。比如，利用样本数据计算的样本统计量的值如果大于要进行检验的假定总体参数时，建立右侧检验。否则，建立左侧检验。之所以这样构造原假设和备择假设，是因为假设检验的基本原理是小概率事件不可能发生。因此，当小概率事件发生时，我们要拒绝原假设，此时发生错误的概率较小，得到的结论较可靠。于是，在假设检验时，我们尽量向有利于拒绝原假设的方向上构造原假设和备择假设。 二、显著性水平和两类错误 在进行假设检验时，我们要根据样本数据的信息作出接受原假设和拒绝原假设的判断。由于作出判断时是采用样本数据，即总体中的部分样本，因此这种判断可能是正确的，也可能是错误的。即在假设检验的过程中，存在犯错误的可能，这通常包括两种错误。一类是总体参数的原假设H0本来是正确的，根据样本数据提供的信息我们却作出了拒绝原假设的判断，我们将其称之为第一类错误，也称之为弃真错误。弃真错误的概率为(，表示总体为真时拒绝原假设的概率为(，(是个较小的数，称为显著性概率，表示犯第一类错误的概率。因此，在假设检验时，如果拒绝原假设，得出的检验结