数理统计7.1节.pptVIP

* * 假设检验是指施加于一个或多个总体的概率分布或参数的假设. 所作假设可以是正确的,也可以是错误的. 根据抽取的样本观测值，运用数理统计的分析方法，检验这种假设是否正确，从而决定接受假设或拒绝假设，这一统计推断过程就是所谓的假设检验。 何为假设检验? 假设检验之所以可行,其理论背景是实际推断原理,即“小概率原理(p0.1)” (概率意义下的反证法)。 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 符号检验 秩和检验 假设检验的理论依据 这是小概率事件 , 一般在一次试验中 是不会发生的, 现一次试验竟然发生, 故认 为原假设不成立, 即该批产品次品率 故该批产品不能出厂. 引例1 某产品出厂检验规定: 次品率p不 超过4%才能出厂. 现从一万件产品中任意 抽查12件发现3件次品, 问该批产品能否出 厂？若抽查结果发现1件次品, 问能否出厂？ 解 假设 这不是小概率事件,没理由拒绝原假设, 从而接受原假设, 即该批产品可以出厂. 若不用假设检验, 按理不能出厂. 注1 直接算 注2 本检验方法是概率意义下的反证法， 故拒绝原假设是有说服力的, 而接受 原假设是没有说服力的. 因此应把希 望否定的假设作为原假设. 对总体 提出假设 要求利用样本观察值 对提供的信息作出接受 (可出厂) , 还 是拒绝 (不准出厂) 的判断. 出厂检验问题的数学模型 某厂生产的螺钉,按标准强度为68/mm2, 而实际生产的强度X 服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 称为原假设或零假设 原假设的对立面: H1 : ? ? 68 称为备择假设 引例2 假设检验 的任务 必须在原假设与备择假设 之间作出选择 现从整批螺钉中取容量为36的样本,其均值为 ,问原假设是否正确? 从抽样结果知样本均值 ???????????，显然样本均值与假设的总体均值68之间存在差异，对于这样的差异有两种可能： (1) 原假设? = 68是正确的，由于抽样的随机性，?与? 之间的差异是可以接受的； (2) 原假设是不正确的，即总体均值?≠68 ，因此二者差异不是随机性的，即?与? 之间存在实质性、显著性的差异。 在原假设 正确的条件下，合理地构造小概率事件A，再对一次试验的结果考察A有没有出现，若A出现，则说明 ??不正确，若A没有出现，则没理由认为 ???不正确。 若原假设正确, 则 因而 ,即 偏离68不应该太远, 故 取较大值是小概率事件. 可以确定一个常数c 使得 因此, 取 ,则 由于0.05很小，所以 为小概率事件，根据小概率原理，在原假设成立的条件下这样的事件在一次试验中是不会发生的。但根据抽样结果 小概率事件竟然在一次试验中发生了，所以我们有理由怀疑原假设的正确性，从而拒绝原假设H0，即认为?≠68 拒绝域 从而当 时，或 时，拒绝原假设H0，即认为这批螺钉不符合要求，反之则接受原假设。 拒绝域 拒绝域的余集称为接受域。 而对应的小概率称为显著性水平。 由引例2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 错误的产生两类错误： 第一类错误 拒真错误 第二类错误 受伪错误 正确 正确 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 ? H0 为真 H0 为假 真实情况 所作判断 接受 H0 拒绝 H0 第一类错误 (拒真) 第二类错误 (受伪) 任何检验方法都不能完全排除犯错 假设检验的指导思想是控制犯第一类 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,但在样本容量给定的 情形下,不可能使两者都很小,降低一个, 往往会使另一个增大. 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来减少第二类错 误 ? . 当样本容量确定后,犯两类错误的 命题 概率不可能同时减少. 此时犯第二类错误的概率为 证 设 在水平 给定下,检验假设 又 由此可见,当 n 固定时 1) 若 2) 若 P(拒绝H0|