ch2假设检验.pptVIP

(三) σ12,σ22未知,且σ12?σ22 ,但n1=n2,μ1-μ2的假设检验: 通常采用配对试验的t检验法 令 则 可看作是来自总体 的一个样本 检验假设 用统计量 (四) σ12,σ22未知,且σ12?σ22 ,但n1n2,μ1-μ2的假设检验: 则 其中 可看作如下总体的样本 检验假设 取统计量 (五)未知μ1,μ2，方差比σ12/σ22的假设检验: (2)选择检验统计量: (3)查临界值: X f(x) α/2 α/2 λ1 λ2 得否定域为Fλ1或F λ2 (4)将样本观测值代入F, 若Fλ1或F λ2否定原假设; 否则,接受原假设. (1)提出原假设和备择假设: H0:σ12/σ22=1; H1: σ12/σ22 ≠1 单正态总体参数的假设检验 双正态总体的假设检验 小结: 期望假设检验 方差的假设检验 σ2已知 σ2未知 均值差的假设检验 方差比的假设检验 两个方差都已知 两个方差未知但相等 U T F 双侧 单侧 双侧 单侧 U T (1)检验的命名依据的是所用检验统计量的概率分布,无论是哪种检验,都要用到相应分布的分位数,各种分布的分位数记号一定要清楚; (2)无论是双侧检验还是单侧检验,对同一类检验问题,所选用的统计量都是一样的,所不同的是否定域,要很好地掌握确定否定域的方法; (3)方差未知时,对两总体均值的比较,应当先进行方差的比较(F-检验),得到两总体方差相等的结论后,再进行均值的比较(t-检验). 注意: 本章小结 第2章 假设检验 2.1 假设检验的基本概念 2.2 一个正态总体的假设检验 2.3 两个正态总体的假设检验 第2.1节 假设检验的基本概念  众所周知,总体 的全部信息可以通过其分布函数 反映出来,但实际上,参数 往往未知,有时甚至 的表达式也未知.因此需要根据实际问题的需要,对总体参数或分布函数的表达式做出某种假设(称为统计假设),再利用从总体中获得的样本信息来对所作假设的真伪做出判断或进行检验. 1. 问题的提法 统计检验(假设检验) 这种利用样本检验统计假设真伪的过程叫做 在许多实际研究中,都有需要做出检验的问题.如:某批产品能否出厂? 某次水平考试是否正常?某煤矿煤层厚度是否服从正态分布？等等,都需要做出检验. 假设检验 参数假设检验 非参数假设检验: X~F(x,θ),θ为参数 假设 θ=θ0 例X~F(x)，F(x)未知 假设 F(x)=F0(x) 例1.用精确方法测量某化工厂排放的气体中有害气 体的含量服从正态分布N(23,22),现用一简便方法测量6次得一组数据23,21,19,24,18,18(单位:十万分之一),若用简便方法测得有害气体含量的方差不变,问用该方法测得有害气体含量的均值是否有系统偏差? 假设 H0: μ=23, 解:由题意得:用简便方法测得有害气体含量X~N(μ,22), 若H0成立,则 若取α=0.05,则 P{|U|z1-α/2}=α, 即: P{|U|1.96}=0.05, 在假设成立的条件下,|U|1.96为概率很小事件,一般认为:小概率事件在一次实验中是不会发生的, 将样本观测值代入U得 |u|1.96, 小概率事件在一次实验中发生了, 否定原假设,简便方法测得均值有系统偏差. 故假设不合情理,即: 2. 假设检验的基本思想 (1)小概率原理(实际推断原理)认为概率很小的事件在一次试验中实际上不会出现,并且小概率事件在一次试验中出现了,就被认为是不合理的. (2)基本思想:先对总体的参数或分布函数的表达式做出某种假设,然后找出一个在假设成立条件下出现可能性甚小的(条件)小概率事件.如果试验或抽样的结果使该小概率事件出现了,这与小概率原理相违背,表明原来的假设有问题,应予以否定,即拒绝这个假设.若该小概率事件在一次试验或抽样中并未出现,就没有理由否定这个假设,表明试验或抽样结果支持这个假设,这时称假设与实验结果是相容的,或者说可以接受原来的假设. 另一方面,当原假设不成立时,却作出接受原假设的结论,造成犯“取伪”的错误,称为第二类错误, 3. 假设检验的两类错误 在假设检验中,否定原假设的理由是小概率事件在一次试验中出现了,但小概率事件并不是不会出现,只是出现的可能性较小,即出现的概率不超过很小的正数 , 就是犯第一类错误的概率的最大允许值. 一般用 表示犯第二类错误的概率. 因此,根据小概率原理否定原假设,有可能把本来客观上正确的假设否定了,造成犯“弃真”的错误,称为第一类错误, 在进行假设检验时,我们采取的原则是: 控制犯第一类错误(即 事先给定且很小)的同时使犯第二类错误的概率达