概率统计补充材料.docVIP

假设检验 假设检验的基本概念 X的分布函数为F(x)，F(x)一般完全或部分未知，对未知的总体分布所作假设称为一个统计假设。当总体分布的类型已知，对分布的一个或几个未知参数的值作出假设，或者对总体分布函数的类型或某些特征提出某种假设，这种假设称为待检假设或零假设，通常用H0H1。H0与H1是互不相容的。 在参数模型下，如果总体的分布类型已知，仅是某个参数未知，只要对未知参数作出假设就可确定总体的分布。这种仅涉及到总体分布的参数的统计假设称为参数假设。若是对总体的分布类型或某些特征提出假设，这称为非参数假设。 例1 海达手表厂生产的女表表壳，在正常情况下，其直径（单位：mm）服从正态分布N(20，1)。为了检查该厂某天生产是否正常，对生产过程中的手表表壳随机的抽查了5只，测的表面直径分别为19，19.5,19,20,20.5。问这天生产是否正常? ? 是否为20？即提出假设H0? 0 = 20及备择假设H1? 0 ? 20。这样，问题就转化为如何利用抽查得到的样本去检验零假设? 0 = 20的真伪。因此，这就需要设置一种检验的规则以及如何根据规则进行检验作进一步的讨论。 1.2 检验法则 H0与H1之间作出抉择，而对一个假设的确定只有接受和拒绝两种，例如在例1中，如果我们接受H0H0，亦即接受 H1，则表示该天生产不正常。为此，必须设计一种合理的法则，根据这一法则，就可利用已得到的样本作出判断。在例1中，由于要检验的假设涉及总体均值? 这一统计量来进行判断。这是因为是 ? 的无偏估计，样本均值的大小在一定的程度上反映了? 的大小。因此，当假设H0为真时，则观测值与? 0 = 20的偏差--过分大，我们就应怀疑假设H0的正确性并拒绝H0。而衡量-的大小归结为衡量统计量 的大小，在H0为真时统计量 基于上面的设想，我们可适当限定一正数k，使得当满足不等式 时就拒绝H0。反之，若 时则接受H0。正数k的每一个选择都对应着一个不同的检验法则。 在给定的一个检验法则中，以表示在此检验法中引起拒绝H0的所有可能的样本观察值的集合，并称为此检验法的拒绝域，而它的余集称为接受域。显然，检验法与拒绝域是一一对应的。 1.3 两类错误 H0为真时，仍可能做出拒绝H0的判断，这类错误称为犯第Ⅰ类错误，也称为“弃真”或“拒真”；也可能在H0不真时，却接受H0，称为犯第Ⅱ类错误，也称为“取伪”或“受伪”。犯第一类错误的概率为 P{拒绝H0|为真} ? （0? 1），并使 P{拒绝H0| H0}? ? ? 一般称为检验水平。下面我们将作进一步的讨论。 1.4 水平为 犯两类错误的大小自然就决定着相应的检验法则的优劣，但在样本容量固定的条件下可以证明犯两类错误的概率不可能同时达到很小。通常H0是比较重要的假设，因此如何犯第Ⅰ类错误的概率控制在小概率的范围内就显得非常重要。其做法如下：给定? （0? 1），构造一个检验的拒绝域，使其犯第Ⅰ类错误的概率不超过? ，即P{拒绝H0| H0}? ? 。例如在例1中，为了检验H0? 0 = 20，我们构造了一个统计量 ? = 0.05，并使犯第I类错误的概率最大为? : 并使 这里z? /2可由标准正态分布表查得 这时可得拒绝域为 
 这种把犯第Ⅰ类错误的概率控制在不超过给定的? 的检验法称为显著性水平为? 的检验，并称? 为显著性水平，或简称为水平。 通过上面的例子，我们给出构造检验的一般方法。 例2 设X1，X2，…，X n为来自总体X, X ? N(? ，? 02)，其中? 02? 未知。给定显著性水平为? （0? 1），试构造检验假设为  
 的水平为? 的检验 解 考虑? 的无偏估计，且知道 当H0为真时, 于是的值应落在? 0的附近。所以当H0为真时，取较大值应为小概率事件。由此选择H0的拒绝域为 这里k为某待定正常数。 当检验水平为? 时， k应满足 故 即  因此所取得水平为? 的拒绝域为 
由此例可见，统计量 在检验的构造过程中起着关键作用，一般称其为检验统计量。我们要求在H0为真时，检验统计量的分布应是确定的(已知)的，且不含任何未知参数。例如在例1中，其检验统计量为 ? =0.05时，拒绝域为 由样本算得 代入检验统计量中可得 这表明样本值落在接受域内，故应接受H0，从而认为该天生产的女表表壳可得直径的均值是20，亦即认为该天的生产是正常的。 3 安装一台新仪器要求元件尺寸的均值保持在原有仪器的水平。已知原有仪器的元件尺寸均值为3.278cm，均方差为0.002cm。现测量10个新元件，得尺寸数据(单位:cm)为 3.277 3.281 3.278 3.278 3.286 3.279 3.278 3.281 3.279 3.280. ? =0.05） 解 设元件