5.2讲假设检验.pptVIP

* * 若对 参数 有所 了解 但有怀 疑猜测 需要证 实之时 用假设 检验的 方法来 处理 若对参数 一无所知 用参数估计 的方法处理 第五章 假设检验 假设检验是指施加于一个或多个总体的概率分布或参数的假设. 所作假设可以是正确的,也可以是错误的. 为判断所作的假设是否正确, 从总体中抽取样本,根据样本的取值,按一定原则进行检验(对总体参数的取值或总体的行为所作的预先假设进行验证), 然后作出接受或拒绝所作假设的决定. 何为假设检验? 假设检验的内容 参数检验 （§5.3） *非参数检验(检验总体的分布) 总体均值, 均值差的检验 总体方差, 方差比的检验 注：本章仅涉及正态分布参数的假设检验问题。 例1 从2000年的新生儿中随机抽取20个，测得其平均体重为3450克，而由以往统计资料，新生儿平均体重为3300克，标准差为300克，假定新生儿体重服从正态分布，问现在与过去的新生儿体重有无显著差距？ 若将全体2000年新生儿体重视为一个总体X,问题即为判断 是否成立？ 例2 在10个相同的地皮上对甲、乙两品种水稻进行试验，得如下资料： 甲：454 ，466 ，438 ，442 ，447 乙：419 ，445 ，428 ，430 ，435 假定产量服从正态分布，问两种水稻产量有无显著差异？ 此问题实质上是比较两个正态总体的期望值是否相等？设甲种水稻产量服从 ，乙种水稻产量服从 ，问题化为判断 是否相等？ 假设检验所以可行,其理论背景为实际 推断原理,即“小概率原理” 假设检验的理论依据 这种作为检验对象的假设称为待检假设，习惯用 表示，统计假设有两个二者必居其一的假设 和 ，或者 成立 不成立，或者 成立 不成立，通常将其中一个称为原假设，记为 ，另一个称为对立假设，记 为 。 例如在例2中，可记原假设为 ： ，其对立假设为 ： 。 例3 某产品出厂检验规定: 次品率p不 超过4%才能出厂. 现从一万件产品中任意 抽查12件发现3件次品, 问该批产品能否出 厂？若抽查结果发现1件次品, 问能否出厂？ 解 假设 这是 小概率事件 , 一般在一次试验中 是不会发生的, 现一次试验竟然发生, 故认 为原假设不成立, 即该批产品次品率 , 则该批产品不能出厂. 这不是小概率事件,没理由拒绝原假设, 从而接受原假设, 即该批产品可以出厂. 若不用假设检验, 按理不能出厂. 注1 直接算 注2 本检验方法是 概率意义下的反证法， 故拒绝原假设是有说服力的, 而接受 原假设是没有说服力的. 因此应把希 望否定的假设作为原假设. 例4 某厂生产的螺钉,按标准强度为68/mm2, 而实际生产的强度X 服N(?,3.62 ).现从整批螺钉中取容量为36的样本,其均值为68.5,问 这批螺钉是否符合要求.为此提出如下假设: H0 : ? = 68 称为原假设或零假设 原假设的对立面: H1 : ? ? 68 称为备择假设 假设检验 的任务 必须在原假设与备择假设 之间作一选择 若原假设正确, 则 因而 ,即 偏离68不应该太远, 故 取较大值是小概率事件. 可以确定一个常数c 使得 因此, 取 ,则 由 为检验的接受域。 现 落入接受域,则接受原假设 即区间( ?? ,66.824 ) 与 ( 69.18 , +? ) 为检验的拒绝域 称 的取值区间 ( 66.824 , 69.18 ) H0:? = 68 由引例4可见,在给定?的前提下, 由于接受还是拒绝原假设完全取决于样本，故总有可能做出错误的判断， 当假设H0为真是，我们可能拒绝H0,称这一类错误为第一类错误，或称为“弃真” 错误，当H0不真是，我们可能接受H0,称这一类错误为第二类错误 ，或称为“取伪”错误 正确 正确 假设检验的两类错误 犯第一类错误的概率通常记为 ? 犯第二类错误的概率通常记为 ? H0 为真 H0 为假 真实情况 所作判断 接受 H0 拒绝 H0 第一类错误 (弃真) 第二类错误 (取伪) 任何检验方法都不能完全排除犯错 误的可能性.理想的检验方法