参数的假设检验.pptVIP

抽样分布的概念 样本统计量的概率分布称为抽样分布（sampling distribution） 样本是通过对总体的随机抽样获得的 样本统计量是随机变量，有一定的概率分布 抽样分布的概念 ?2 (chi-square)分布 定义 设随机变量X1, X2, ?, Xn彼此独立且都服从标准正态分布 N(0, 1)，则随机变量 ?2 分布 性质 ?2 分布随机变量的取值范围为（0，?） 若Y1 ~ ?2 (n)，Y2 ~ ?2 (m)，且相互独立，则 Y1 ± Y2 ~ ?2 (n ± m) ?2 分布为非对称分布，其分布曲线的形状由自由度决定，自由度越大，分布越趋于对称 当 n ? ?， ?2 (n) ? N(n, 2n) ?2 分布 ?2 分布上侧分位数表：附表3（p.277） t 分布 定义 设Z ~ N(0, 1)，Y ~ ?2 (n)，且相互独立，则 t 分布 性质 与标准正态分布相似 关于 t = 0对称 只有一个峰，峰值在t = 0 分布曲线受自由度影响，自由度越小，离散程度越大 当 n ? ?，t(n) ? N(0, 1) t 分布 t 分布 t分布双侧分位数表：附表4（p. 279） F 分布 定义 若 X ~ ?2 (m)，Y ~ ?2 (n)，且相互独立，则 F 分布 F 分布 性质 F分布随机变量的取值范围为（0，?） F分布的分布曲线受两个自由度的影响 若F ~ F(m, n)，则 1/F ~ F(n, m) 若X ~ t(n)，则 X2 ~ F(1, n) F 分布 F分布的上侧分位数表：附表5（p.281） 正态总体样本平均数的分布 正态总体样本平均数的分布 期望 正态总体样本平均数的分布 正态总体样本平均数的分布 正态总体样本平均数的分布 设样本来自正态总体 N(? , ? 2)，则样本平均数也服从正态分布，其总体均数为? ，方差为? 2/n。 中心极限定理 正态总体样本方差的 分布 正态总体样本方差的 分布 样本方差的分布 参数估计 参数估计的定义 以样本统计量对总体参数进行估计 基本形式 点估计（point estimation） 区间估计（interval estimation） 参数估计 - 点估计 参数估计 - 点估计 参数估计 - 点估计 参数估计 - 点估计 样本方差的期望 参数估计 - 点估计 参数估计 - 点估计 参数估计 - 区间估计 以一定的置信度对参数可能取值范围的估计 参数估计 - 区间估计 正态总体平均数的区间估计 参数估计 - 区间估计 正态总体平均数的区间估计 参数估计 - 区间估计 参数估计 - 区间估计 正态总体方差的区间估计 参数估计 - 区间估计 假 设 检 验 假设(hypothsis) 对总体的某些未知的或不完全知道的性质所提出的待考察的命题 假设检验 对假设成立与否做出的推断 假设检验的基本原理 问题的提出 例 ：某猪场称该场的猪在体重为100kg时的平均背膘厚度为9mm。 问题：此说法是否正确？有4种可能性(假设) 1）正确： ? ＝ 9 2）不正确： ? ? 9（| ? － 9| 0） 3）不正确： ? 9 4）不正确： ? 9 假设检验的基本原理 如何回答 随机抽取一个样本 计算该样本的平均数 比较样本平均数与9mm 难题 存在抽样误差 当样本平均数与9mm之差达到多大时可否 定? ＝ 9 假设检验的基本原理 解决的思路 针对要回答的问题提出一对对立的假设，并对其中的一个进行检验 找到一个样本统计量，它与提出的假设有关，其抽样分布已知 根据这个统计量观察值出现的概率，利用小概率事件原理对假设是否成立做出推断 假设检验的基本原理 小概率事件原理 小概率事件在一次试验中几乎不会发生 如果某事件在一次试验中发生了，我们可认为它不是一个小概率事件 如果在某个假设下应当是小概率的事件在一次试验中发生了，可认为该假设不能成立 假设检验的基本原理 假设检验的基本步骤 1）提出一对对立的假设 2）构造并计算检验统计量 3）确定否定域 4）对所作的假设进行推断 假设检验的基本原理 例（续） 设由该场随机抽取了10头猪，测得它们在体重为100kg时的平均背膘厚为8.7mm。已知该场猪的背膘厚服从正态分布，总体方差为? 2 ＝ 2.5mm2 1）提出假设 原假设(null hypothesis)： H0: ? = 9mm 备择假设(alternative hypothesis)： HA: ? ≠ 9mm 假设检验的基本原理 2) 构造并计算检验统计量 检验统计量：用于检验原假设能否成立的统计量，满足以下条件 必须利用原假设提供的信息 抽样分