概率统计：09.1.pptVIP

§9.1 假设检验的基本概念 假设是指施加于一个或多个总体的概率分布或参数的判断. 所作的假设可以是正确的, 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, 按一定的原则进行检验, 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” 假设检验的内容 参数检验 非参数检验 总体均值、均值差的检验 总体方差、方差比的检验 分布拟合检验 秩和检验 假设检验的理论依据 某厂生产的螺钉,按标准强度为68克/mm2, 而实际生产的螺钉强度 X 服从 N (?,3.62 ). 若 E(X )=? =68, 则认为这批螺钉符合要 求,否则认为不符合要求.为此提出如下假设: H0 : ? = 68 H1 : ? ? 68 引 例 现从该厂生产的螺钉中抽取容量为 36 的样本, 其样本均值为 问原假设是否正确? 称为原假设或零假设 称为备择假设 原假设的对立面: 若原假设正确, 则 偏离较远是小概率事件, 由于 因而 即 偏离68不应该太远, 故 取较大值是小概率事件 对于较小的正数?（通常取? = 0.05, 0.01,…） 有 即事件 发生的概率很小（为? ） 例如,取? = 0.05 , 则 为检验的接受域 (实际上没理由拒绝), 故接受原假设 H0: ? = 68 ( 69.18 , +? )与( ?? ,66.824 ) 则 ( 66.824 , 69.18 ) 为检验的拒绝域 现 落入接受域, 的概率很小 的概率很小 即 称 的取值区间 称 的取值区间 由引例可见,在给定 ? 的前提下,接受还是 拒绝原假设完全取决于样本值, 因此所作检验可能导致以下两类错误的产生： 第一类错误 弃真错误 第二类错误 取伪错误 H0 为真 H0 为假 真实情况 所作判断 接受 H0 拒绝 H0 正确 正确 第一类错误 (弃真) 第二类错误 (取伪) 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 ? 希望所用的检验方法尽量少犯错误,但不能完全排除犯错误的可能性.理想的检验方法应使犯两类错误的概率都很小,但在样本的容量给定的情形下, 不可能使两者都很小,降低一个, 往往使另一个增大. 假设检验的指导思想是控制犯第一类错误的概率不超过 ?,然后, 若有必要,通过增大样本容量的方法,减少 ? . =P(拒绝H0|H0为真) 若H0为真, 则 所以,拒绝 H0 的概率为 ?, ?又称为显著性水平, ? 越小,犯第一类错误的概率越小. 本引例中 犯第一类错误的概率 ● 69.2 66.8 ● ● 69.2 66.8 ● ?/2 ?/2 ? H0 真 H0 不真 一般,作假设检验时,先控制犯第一类 错误的概率 ?, 在保证 ? 的条件下使 ? 尽量地小.要降低 ? 一般要增大样本容量. 备择假设可以是单侧的,也可以是双侧的.引例中的备择假设是双侧的.如果根据以往的生产情况, ?0 = 68.现采用了新工艺,关心的是新工艺能否提高螺钉强度, ? 越大越好.此时, 可作如下的假设检验: 原假设 H0 : ? = 68； 备择假设 H1 : ? 68 注 1o 注 2o 当原假设H0 : ? = ?0 = 68 为真时, 当备择假设H1: ? 68 为真时, 给定显著性水平? , 根据 可确定拒绝域 取较大值的概率较小 取较大值的概率较大 因而, 接受域 称这种检验为右边检验. 原假设 H0: ? ? 68 备择假设 H1: ? 68 另外, 可设 关于零假设与备择假设的选取 H0与H1地位应平等,但在控制犯第一类错误 的概率 ? 的原则下,使得采取拒绝H0 的决 策变得较慎重,即H0 得到特别的保护. 因而,通常把有把握的、有经验的结论作为 原假设,或者尽可能使后果严重的错误成为 第一类错误. 注 3o 如：某厂生产一种铜丝，其折断力(大了质量好)服从正态分布N(570,82).现改进了工艺，抽取10个样品，测得其平均值为575.2。 问：改进工艺是否提高了产品质量。 原假设 H0: ? = 570 备择假设 H1: ? 575.2 则可设： 假设检验的步骤 根据实际问题所关心的内容, 建立 原假设 H0与备择假设H1 在 H0为真时,选择一个合适的检验统 计量V ,它的分布是已知的,由H1确定 拒绝域的形式 给定显著性水平? , 对应的拒绝域 双侧检验 右边检验 左边检验 根据样本值计算出统计量的值,若在拒绝域内则拒