测量数据处理中的假设检验问题的讨论.docVIP

测量数据处理中的假设检验问题的讨论 测量数据处理的统计处理 测量数据处理的对象观测量总是不可避免地带有误差，通常将经过系统误差改正和粗差剔除的仅含偶然误差的观测量作为随机变量来处理。未知变量服从某种特定的分布，实际测量工作得到的观测量就是总体的随机抽样。数理统计就是利用随机抽样和各种先验信息对总体进行统计推断和统计假设。因此，测量数据处理中真值的估计和精度评定的全过程实质就是统计推断问题，而测量数据处理中的质量控制，包括参数估计正确性的检验与评价等，其本质就是数理统计中的假设检验问题。综上，可以认为数理统计学是测量数据处理的理论和基础。本文将主要讨论测量数据处理中的假设检验问题。 测量数据处理中单边检验的危险性问题 假设检验的理论基础是小概率事件在一次试验中不可能发生的原理。结合其一般步骤，我们来讨论下面一个关于测量数据中参数正确性检验问题。 某用户使用的经纬仪因故送去检修，已知仪器正常使用时测角方差为25（）。经检修合格后，又投入使用。为了比较，按相同操作规程进行了20个测回，计算的测角中误差=，假设观测值均是正态变量，试在的条件下，检验该经纬仪测角精度是否有显著提高。 解： 为检修前测角方差， 为检修后样本方差 对检修后测量方差进行检验，分两种情况： 由 得拒绝域为 20.25 10.117 接受 （2） 拒绝域为 20.25 30.144 20.25 接受 综上，可知同一问题的两种单边检验出现相互矛盾的结果。即在（1）中 接受，认为 ，在（2）中 接受，认为。 显然，这种结果是由假设检验的机制造成的。因为作出判断原假设是否为真的依据是一个样本或者说是样本的一个函数（统计量），而由于样本的随机性，当为真时，检验统计量会落入拒绝域内，当为假时，检验统计量也会未落入拒绝域内，数理统计中称这两种错误分别为弃真、取伪。在假设检验中，我们的做法是控制弃真的概率，使P{当为真时拒绝}。这意味着在显著性水平下，是受到保护的，也表明，的地位是不对等的。这就解释了为什么单边检验中变换原假设与备选假设会出现相互矛盾的检验结果。下面从单个总体N（），已知，关于的检验讨论单边检验危险性问题。 假设（1） ， 假设（2） ， ，由 (1) (3) (2) 由图形可看出区域（2）为假设（1）的拒绝域，区域（1）为假设（2）的拒绝域。当统计量落入（1）或（2）时，单边检验将会得到一致的检验结果，当统计量落入区域（3）时，两种单边检验将会产生矛盾的结果，即假设（1）、（2）中同时接受，此时（1）、（2）中的是对立的。这就是单边检验中的危险性问题，区域（3）也就称为危险性区域。 单边检验危险性问题的解决办法 由上述讨论，可知在单边检验中是受到保护的。于是在一对对立假设中，选哪一个作为需小心。例如上述例题，考虑仪器测角精度是否提高，这里可能出现两种错误：（1）将低精度仪器误作为高精度仪器，则冒着危害参数估计和精度评定的有效性和准确性的风险；（2）将高精度仪器误作为低精度仪器，则可能导致增加观测结果不确定度的后果。因此，我们选取假设“ （精度未提高）， （精度提高）”来做单边检验以避免错误判断导致的较严重的后果。在两类错误中，如果没有一类错误的后果严重需要避免时，常常取为维持现状，即取为“无效益，无改进，无价值等”。该结论使用于测量数据处理中参数估计结果正确性的检验和评价，观测模型和随机模型的模型误差估计分析与检验，系统误差和粗差的发现处理等等。