概论论第八章.pptVIP

容量选取 图8-8 图8-9 双侧假设检验的拒绝域见图8-6． 图8-6 ? ? ?0 ? ??0 ? ? ?0 ? ? ?0 ? ?0 ? ?0 U 检验法 (?2 已知) 原假设 H0 备择假设 H1 检验统计量及其 H0为真时的分布 拒绝域 U 检验法 ? ? ?0 ? ??0 ? ? ?0 ? ? ?0 ? ?0 ? ?0 T 检验法 (?2 未知) 原假设 H0 备择假设 H1 检验统计量及其 H0为真时的分布 拒绝域 T 检验法 ? 2?? 02 ? 2? 02 ? 2? 02 ? 2?? 02 ? 2=? 02 ? 2?? 02 原假设 H0 备择假设 H1 检验统计量及其在 H0为真时的分布 拒绝域 检验法 ( ? 已知) （2）关于 ? 2 的检验 X2检验法 ? 2?? 02 ? 2? 02 ? 2? 02 ? 2?? 02 ? 2=? 02 ? 2?? 02 原假设 H0 备择假设 H1 检验统计量及其在 H0为真时的分布 拒绝域 ( ? 未知) (二)两个正态总体均值差的检验 1. 两总体方差已知，关于均值差的检验(z检验) 图8-7 * 第八章 假设检验 在实际工作中，经常遇到这样的情况：人们对所考察的总体的分布虽然缺乏确切的了解，但由于问题的实际意义、历史资料或实践经验，能对总体的某种统计特征做出一定的推测．比如，某总体的均值为 或方差为 ；两个总体的均值或方差相同；总体服从某一已知的分布等等．那么自然要问，这种推断或假设是否合理或正确呢？又当如何去检验呢？这便是统计推断的另一类基本问题——假设检验． 假设检验可分为参数检验和非参数检验．当总体分布形式已知，只对某些参数做出假设，进而做出的检验为参数检验；对其它假设做出的检验为非参数检验． 一种合理、科学的方法是：从总体中随机抽样，然后运用概率论的知识，对所提出的推测或假设做出适当的判断．凡是有关总体分布的统计特征的假设，称为统计假设，通常记作 ，而通过抽样的方法来判断统计假设的合理性、正确性的工作，称作统计假设检验，简称假设检验． 一、假设检验的统计思想 无论是参数检验还是非参数检验，其原理和步骤都有共同的地方，我们将通过下面的例子来阐述假设检验的一般原理和步骤．先看一个简单的例子． 某企业自称其某种产品的合格率为99%，如何来判断这一说法的正确性？ 自然地，可以从其产品中随机抽取一些，根据所得的次品数多少作出适当的判断．为简单起见，假定只抽取一件产品，并根据抽样的结果作出判断．一般人的判断通常是这样的： (1) 如果得到的是次品，则会否定或拒绝其说法．因为如果其假设正确，即次品率为1%，直观地说，任意抽取一件产品得到次品，这是百次一遇的事件．而现在竟然在一次试验中便发生了，这种可能性太小． (2) 相反地，如果得到的是合格品，就接受其说法，因为没有充足的理由否定其假设． 从例子中可以看到，当否定或拒绝假设时，并不是认为它绝对不正确．事实上，如果次品率为1%，虽然很小，但在一次试验中仍然有发生的可能，之所以否定假设，是因为“抽到次品”这一事件发生的概率太小．这里，用于否定假设的主要依据是“实际推断原理”——小概率事件在一次试验中几乎不可能发生． 根据这个原理，可得到一般的推断方法：在某假设为真的条件下，事件A是一个小概率事件，现进行一次试验，如果事件A发生了，则自然有理由否定此假设，也就是拒绝此假设．这便是假设检验的基本思想． 我们当然希望犯两类错误的概率要尽可能地同时小，最好都是零．但是，进一步研究讨论可知，当样本容量n固定时，若减少犯一类错误的概率，则犯另一类错误的概率往往增大．若要使犯两类错误的概率都减小，则只有增加样本容量． 图8-1 注意： 原假设究竟是真实还是不真实，事实上是不知道的．在参数的假设检验中，不论是接受原假设或拒绝原假设都可能犯错误，总是要承担一定的风险． 在作检验决策的时候，当然希望所有真实的原假设都能得到接受，尽量避免真实的假设被拒绝，少犯或不犯第一类错误．也希望所有不真实的原假设都被拒绝，尽量避免不真实的假设被接受，少犯或不犯第二类错误．因此需要对可能犯两类错误的概率作分析．请看下面的例子． 二、检验的两类错误分析 三、假设检验的主要步骤与方法 综上讨论，以双侧检验为例，假设检验的具体步骤如下