假设检验的概念.pptVIP

例2 公司从生产商购买牛奶. 公司怀疑生产商在 牛奶中掺水以谋利. 通过测定牛奶的冰点， 可以检 验出牛奶是否掺水. 天然牛奶的冰点温度近似服从 正态分布， 温度， 测得生产商提交的5批牛奶的冰点 商在牛奶中掺了水？ 问是否可以认为生产 牛奶掺水可使冰点温度升高而接近于水的冰 解 按题意需检验假设 (即设牛奶未掺水) (即设牛奶已掺水) 这是右边检验问题， 其拒绝域为 现在 z的值落在拒绝域中， 即认为牛奶商在牛奶中掺了水. 补充例题 四、小结 假设检验的基本原理、相关概念和一般步骤. 真实情况 (未知) 所 作 决 策 接受 H0 拒绝 H0 H0 为真 正确 犯第I类错误 H0 不真 犯第II类错误 正确 假设检验的两类错误 假设检验 参数假设检验 总体分布已知， 检验关于未知参数 的某个假设 非参数假设检验 总体分布未知时的 假设检验问题 这类问题称作假设检验问题. 在本章中，我们将讨论不同于参数估计的另一类重要的统计推断问题. 这就是根据样本的信息检验关于总体的某个假设是否正确. 第一节 假设检验 二、假设检验的相关概念 三、假设检验的一般步骤 一、假设检验的基本原理 四、小结 一、假设检验的基本原理 还是拒绝. 在总体的分布函数完全未知或只知其形式、 但不知其参数的情况下, 为了推断总体的某些性 质, 提出某些关于总体的假设. 例如, 提出总体服从泊松分布的假设; 假设检验就是根据样本对所提出的假设作出 判断: 是接受, 假设检验问题是作出这一决策的过程. 如何利用样本值对一个具体的假设进行检验? “一个小概率事件在一次试验中几乎是不可能发生的” 。 假设检验问题是统计推断的另一类重要问题. 通常借助于直观分析和理论 分析相结合的做法, 其基本原理就 是人们在实际问题中经常采用的 所谓实际推断原理，小概率事件原理: 小概率事件在一次试验中基本上不会发生. 下面我们用一例说明这个原则. 这里有两个盒子，各装有100个球. 99个白球 一个红球 …99个 …99个 99个红球 一个白球 现从两盒中随机取出一个盒子，问这个盒子里是白球99个还是红球99个？ 小概率事件在一次试验中基本上不会发生. 现在我们从中随机摸出一个球，发现是 此时你如何判断这个假设是否成立呢？ 小概率事件在一次试验中基本上不会发生. 我们不妨先假设：这个盒子里有99个白球. …99个 假设其中真有99个白球，摸出红球的概率只有1/100，这是小概率事件. 这个例子中所使用的推理方法，可以称为 小概率事件在一次试验中竟然发生了，不能不使人怀疑所作的假设. 带概率性质的反证法 不妨称为概率反证法. 小概率事件在一次试验中基本上不会发生. …99个 例1 某车间用一台包装机包装葡萄糖, 袋装糖的 净重是一个随机变量, 它服从正态分布. 0.497 0.506 0.518 0.524 0.498 0.511 当机器正 常时, 其均值为0.5kg, 标准差为0.015kg. 某日开工 后为检验包装机是否正常, 随机地抽取它所包装 的糖9袋, 称得净重为(kg): 问机器是否正常? 0.520 0.515 0.512, 下面结合实例来说明假设检验的基本思想. 由长期实践表明标准差比较稳定, 我们提出两个相互对立的假设 为此， 和 然后， 我们给出一个合理的法则， 根据这一法则 问题 分析 工作是正常的, 即认为机器 否则, 认为是不正常的. 反之， 拒绝域： 接收域： 如果H0成立，但统计量的实测值落入否定域，从而作出否定H0的结论，那就犯了“以真为假”的错误. 如果H0不成立，但统计量的实测值未落入否定域，从而没有作出否定H0的结论，即接受了错误的H0，那就犯了“以假为真”的错误. 如何选取k? 与假设检验要犯的两类错误有关。 假设检验的两类错误 H0为真 实际情况 结论 拒绝H0 接受H0 H0不真 第一类错误 正确 正确 第二类错误 P{拒绝H0|H0为真}= , P{接受H0|H0不真}= . 记犯两类错误的概率为: 希望犯两类错误的概率都越小越好，但是当样本容量固定时，一类错误概率的减少导致另一类错误概率的增加. 要同时降低两类错误的概率 ，或者要在 不变的条件下降低 ，需要增加样本容量. 为此，通常先控制犯第一类错误的概率，即根据实际情况指定一个很小的数（如0.05，0.01等）作为 的值，就可以确定上述的临界点值k. P{拒绝H0|H0为真}= , 于是 得 且 P{拒绝H0|H0为真}= 于