§8.1假设检验的基本概念.pptVIP

* * 假设检验是统计推断的另一主要内容 它是在总体分布完全未知或只知道其形式但不知道其中参数的的情况下, 为了推断总体的某些特性,提出关于总体的假设; ch8 假设检验 然后通过试验,抽取样本,根据样本信息对“假设”的正确性进行检验. §8.1 假设检验的基本概念 一. 问题的提出 例8.1.1 某厂生产的一种保健食品.已知在正常的情况下,每瓶保健品的重量(单位:千克)服从均值为25.0,方差为0.1的正态分布.某天开工后,随机抽取9瓶,测得其平均重量为24.94,试问该天生产是否正常? H1: ? ?25 H0:p?0.05; H0:? =25; 例8.1.2 H1: p0.05 单边检验问题 双边检验问题 例8.1.3 参数假设检验 H0: X服从正态分布 假设:原假设 假设:备择假设 非参数假设检验 二. 假设检验基本思想 据报载,某商店为搞促销,对购买一定数额商品的顾客给予一次摸球中奖的机会,规定从装有红、绿两色球各10个的暗箱中连续摸10次(摸后放回),若10次都是摸得绿球,则中大奖.某人按规则去摸10次,皆为绿球,商店认定此人作弊,拒付大奖,此人不服,最后引出官司. 我们在此并不关心此人是否真正作弊,也不关心官司的最后结果,但从统计的观点看,商店的怀疑是有道理的. 因为,如果此人摸球完全是随机的,则要正好在10次摸球中均摸到绿球的概率为(1/2)10=1/1024 =0.0009765625 ,这是一个很小的数, 一个统计的基本原理是在一次试验中所发生的事件不应该是“小概率事件”. 现在既然这样小概率的事件发生了,就应当推测出此人摸球不是随机的,换句话说有作弊之嫌. 上述的分析包含了假设检验的大致过程： 1. 提出假设 H0:此人未作弊 (摸球是完全随机的) H1:此人作弊 2. 抽样, 对样本进行加工(构造统计量) (本例的样本就是摸到的10个绿球) 3. 定出一个合理的界限, 得出假设是否合理的结论 定界限就是确定“小概率事件”. 在一个问题中,通常是指定一个正数?,认为概率不超过?的事件是在一次试验中不会发生的事件,这个?称为显著性水平(Level of significance).对于实际问题应根据不同的需要和侧重，指定不同的显著性水平.通常可选取? =0.01, 0.05, 0.10等. 究竟多大概率的事件为小概率事件？ 下面我们用假设检验的语言来模拟商店的推断： 1. 提出假设 H1:此人作弊 H0:此人未作弊 2. 构造统计量 我们取10次模球中摸得绿球的个数X作为统计量 因为X~B(10, 1/2), 此人摸到的绿球数应该在平均数5个附近, 所以对H0不利的小概率事件是:“绿球数大于某个较大 的数,或小于某个较小的数.” 3.求出在H0下统计量的分布,构造对H0不利的小概率事件： 在此问题中,若此不成立,即此人作弊的话,因不可能故意少摸绿球,因此只需考虑事件“大于某个较大的数”,这个数常称为临界值,即某个分位数. 4. 给出显著性水平?,确定临界值 即取x=x(?), 使得P(X x)=? 如取? =0.01 得到临界值x?9 所以小概率事件是{X9} ——拒绝域 5. 判断 由于样本观察值X=109, 可见小概率事件发生了, 应拒绝原假设H0,接受备择假设H1,即认为此人作弊 这一推断过程,也是假设检验的一般步骤,在这些步骤中,关键的技术问题是确定一个适当的用以检验假设的统计量,这个统计量至少应该满足在H0成立的情况下,其抽样分布易于计算（查到） 三. 假设检验基本步骤 (1) 根据实际问题提出原假设和备择假设 (2) 根据原假设构造一个合适的统计量,满足原假设为真时,统计量的分布已知且与参数无关 (3) 根据给定的显著性水平，确定临界值和拒绝域 (4) 根据样本观察值，计算统计量的值 (5) 做出判断 用例8.1.1来说明假设检验的基本步骤： 1. 提出假设 H0:? = 25; H1: ? ?25 2. 构造统计量 H0为真时, U~N(0,1) 给定一个小概率? (显著性水平), 可以得到等式: 对应的小概率事件为 抽取一次样本, 得到一组样本观察值x1,x2,…,xn 若U的观察值u满足： 则认为小概率事件发生了,于是就拒绝H0 *