假设检验课件【荐】.ppt

类似于前面的讨论，采用单边检验，对于给定的检验水平?，查t(n-1)表得 使得 即得 是一个小概率事件 由样本值算出 然后与 相比较,做出判断: 若 则拒绝假设H0,接受H1 ; 则接受假设H0. 若 3. 未知方差?2， 检验假设 H0:?=?0; H1:??0 (事先算出样本值 ,才提这样的检验假设) 与2类似，略。 以上三种检验法均采用了t分布，故又名t检验法. 通常总体的方差?2是未知的，所以用本法对均值 ?进行检验及求均值?的置信区间具有更大的使用价值. 例2 在某砖厂生产的一批砖中，随机地抽取6块进行抗断强度试验，测得结果(单位：kg/cm2)如下: 32.56 29.66 31.64 30.00 31.87 31.03 设砖的抗断强度服从正态分布,问这批砖的平均抗断强度是否为32.50(kg/cm2)?取?=0.05. 解：(1)假设H0:?0=32.50 (2)计算统计量T的值， (3)当?=0.05时，查t分布表得 (4)比较|T|与 的大小。 现在 ，故拒绝假设H0 (5)结论：这批砖的平均抗断强度不是 32.50(kg/cm2) ?2检验法 三. (单个)正态总体方差的假设检验 已知条件,总体X~N(?,?2),x1,x2,?,xn为来自于总体X的样本, 检验假设H0: 分析：s2比较集中地反映了?2的信息,若 则s2与 应接近,因此 不能太大或太小.如果 太大或太小,应拒绝H0. 由第七章定理三知 于是我们选取统计量 作为检验函数 在H0为真的条件下 因而检验步骤如下 (1) 提出检验假设H0: (2)选取统计量 (3)给定水平?，查?2(n-1)表得 使得 于是拒绝域 于是 是小概率事件 (4)根据样本值x1, x2, ?, xn算得?2的值 否则接受假设H0 . 若 或 则拒绝假设H0； (5)结论. 例6 某厂生产螺钉,生产一直比较稳定,长期以来,螺钉的直径服从方差为?2=0.0002(cm2)的正态分布.今从产品中随机抽取10只进行测量,得螺钉直径的数据(单位:cm)如下 1.91 1.21 1.21 1.18 1.17 1.20 1.20 1.17 1.19 1.18 问是否可以认为该厂生产的螺钉的直径的方差为0.0002(cm2)?(取?=0.05) 解: (1)检验假设H0:?2=0.0002 (2)统计量 故 (4)查?2分布表,得 (3)由样本值得 现在 (5) 接受假设 H0: ?2=0.0002 例7：设维尼纶纤度在正常生产条件下服从正态分布N(1.405,0.0482)，某日抽取5根纤维，测得其纤度为：1.32,1.36 1.55 1.44 1.40 问这一天生产的维尼纶的纤度的方差是否正常(?=0.10)？ 解： 因 故 假设检验的提出以及基本思想 一.问题的提出 在实际中存在着许多不同于参数估计的问题，请看下面的例子 例1. 某厂有一批产品,按国家规定标准,次品率不得超过4％才能出厂。现从中任取10件进行检验(每次取1件，取后放回)，发现有4件次品，问该批产品能否出厂？ 从频率的角度来看，这批产品不能出厂，但我们现在所关心的问题是如何根据抽样得到的次品率4/10来推断整批产品的次品率是否超过4% 第九章 假设检验 一般的方法是：首先假设该批产品的次品率p?4%，然后利用抽样的结果来判断这一假设是否成立。 若以X表示折断力，那么这个例子的问题就化为：如何根据抽样的结果来判断等式：“EX＝570”是否成立。 例2.某车间生产的一种铜丝，其折断力服从N(570, 64)。现改变生产工艺，并从新产品中抽取10个样品进行测量，得 ＝575.2(N),问折断力大小与原来是否相同？(假定方差不会改变)。 例3.某厂生产的一种钢筋，其抗断强度一直服从正态分布，今换一批材料生产，问其抗断强度是否仍服从正态分布？ 更一般的问题是：如何根据抽样的结果来判断总体X的分布函数F(x)是否等于给定的函数F0(x)。 上述例子所代表的问题是很广泛的，它们的共同特点是：先对总体的参数或总体的分布函数的形式作某种假设H0，然后由抽样结果对假设H0是否成立进行推断。为此需要建立检验假设的方法。在数理统计学中，称检验假设H0的方法为假设检验。 在假设检验中，通常把所作的那个需要我们去检验是否为真的假设H0称为原假设或者零假设。如例1中的假设H0：p?4%，例2中的假设H0：EX＝570,等等。其中，例1，例2是对总体参数的假设进行判断，这类问