概率教案5-1.pptVIP

* * 第五章 假设检验 引言：与点估计一样，假设检验也是一种重要的统计推断方法。在点估计中，我们利用样本信息给出待估参数的一个估计值；而假设检验则是先对总体的未知参数提出某种假设，然后再利用样本信息验证此假设是否成立。 例如：食盐工厂要求食盐包装是500克一包，在一批产品生产出来之后，先要通过抽样检验是否是500克一包，只有确认了是500克一包之后才能出厂，否则只好收回重包。 这个问题也就是利用样本信息检验假设 H0 ： ?=500是否成立（若用X表示食盐重量，假设X～N(?,?2) ) 。 一、假设检验的定义 假设检验就是先对总体的未知参数提出某种假设，然后再利用样本信息验证此假设是否成立。 为了说明上述原则，我们举个例子。 例子：某厂有产品200件，按国家规定次品率p不超过1%才能出厂。今在其中任抽5件产品发现有次品，问这批产品能否出厂？ 若H0成立，则200件产品中至多含2件次品。 二、 假设检验的原理 实际推断原则：小概率事件在一次试验中几乎是不可能发生的。 解：假设H0 ： 任抽的5件产品中不含次品的概率p为： 由此可见在任抽的5件产品中不含次品的概率大于0.95,而含次品的概率小于0.05,这就是说在任抽的5件产品中含次品是小概率事件。 根据实际推断原则：小概率事件在一次试验中几乎是不可能发生的。如果发生了，我们就认为是不合理的。现在的问题是小概率事件在一次试验中竟然发生了，我们认为这是不合理的,而导致这种不合理现象发生的原因在于假设H0 ，因而我们认为假设H0 是不可接受的，故这批产品不能出厂。 由于我们是根据小概率事件在一次试验中是否发生作出拒绝假设H0 或是接受假设H0 的，而小概率事件在一次试验中也不是绝对不发生,因而我们在利用假设检验进行统计推断时会犯两方面的错误。 P{接受H0|H0不真}=β 三、两类错误 （1）第一类是“弃真”错误 P{拒绝H0|H0为真}=α 若H0为真, 由于在一次试验中小概率事件发生了，我们就认为这是不合理的，从而拒绝假设H0 ，所以弃真概率α即为小概率事件发生的概率 。 （2）第二类是“纳伪”错误 在实际应用中，这两类错误都会带来损失，我们自然希望犯这两类错误的概率越小越好，但这又是不可能的。由于犯第二类错误的概率计算较复杂 ，通常我们总是控制犯第一类错误的概率，这种只控制犯第一类错误的概率而不考虑犯第二类错误的检验称为显著性检验，数α称为显著性检验水平。 由此可知:显著性检验水平数α即为小概率事件发生的概率 。 例子： 以医生误诊为例，我们看一下这两类错误哪一个更严重些. H0 ：有病 H1: 无病 医生犯第一类错误： P{拒绝H0|H0为真}=α “此时有病判无病” 医生犯第二类错误： P{接受H0|H0不真}= β ， “此时无病判有病” 弃真错误的概率即为小概率事件发生的概率 例如:一个盒子里装有99个红球和1个白球 H0 :红球多(H0为真) 犯第一类错误是指:P{拒绝H0|H0为真}=α， 如若摸到一只白球(小概率事件发生,其概率为0.01), 我们说“白球多”,这时我们所犯的是第一类错误，而犯第一类错误的概率恰是小概率事件出现的概率0.01。 说明： §2 一个正态总体参数的假设检验 一、均值μ的假设检验 二、方差σ2的假设检验 1.方差σ2已知的情况 2.方差σ2未知的情况 一、均值μ的假设检验 关于总体平均值μ的假设有三种提法: 第一种类型的假设检验称为双边检验,第二、三种类型的检验称为单边检验. ① H0 :?= ?0 H1 : ?≠ ?0 ② H0 :?= ?0 H1 : ? ?0 ③ H0 :?= ?0 H1 : ? ?0 假设检验的思想和方法 设该天包装机包装的糖的袋重为X，则 X～N(?,?2) 讨论的问题为?是否等于额定标准值?0=500. 作假设 H0: ?= ?0 H1: ?≠ ?0 原假设 备择假设 判定假设的正确性 由于样本均值　　是总体均值μ的无偏估计，如果H0正确，则 应较小 如果 较大，则有理由 怀疑H0的正确性，从而拒绝H0。 H0与H1是对立的，拒绝H0意味着接受H1. 由于当H0为真（即正确）时，有 故可以把对 的大小的衡量归结为对 的大小的