《概率论与数理统计》第七章_假设检验.docVIP

第七章 假设检验 学习目标 知识目标： 理解假设检验的基本概念小概率原理；掌握假设检验的方法和步骤。 能力目标： 能够作正态总体均值、比例的假设检验和两个正态总体的均值、比例之差的假设检验。 参数估计和假设检验是统计推断的两种形式，它们都是利用样本对总体进行某种推断，然而推断的角度不同。参数估计是通过样本统计量来推断总体未知参数的取值范围，以及作出结论的可靠程度，总体参数在估计前是未知的。而在假设检验中，则是预先对总体参数的取值提出一个假设，然后利用样本数据检验这个假设是否成立，如果成立，我们就接受这个假设，如果不成立就拒绝原假设。当然由于样本的随机性，这种推断只能具有一定的可靠性。本章介绍假设检验的基本概念，以及假设检验的一般步骤，然后重点介绍常用的参数检验方法。由于篇幅的限制，非参数假设检验在这里就不作介绍了。 第一节 假设检验的一般问题 关键词：参数假设；检验统计量；接受域与拒绝域；假设检验的两类错误 一、假设检验的基本概念 （一）原假设和备择假设 为了对假设检验的基本概念有一个直观的认识，不妨先看下面的例子。 例7.1　某厂生产一种日光灯管，其寿命服从正态分布，从过去的生产经验看，灯管的平均寿命为小时，。现在采用新工艺后，在所生产的新灯管中抽取25只，测其平均寿命为1650小时。问采用新工艺后，灯管的寿命是否有显著提高？这是一个均值的检验问题。灯管的寿命有没有显著变化呢？这有两种可能：一种是没有什么变化。即新工艺对均值没有影响，采用新工艺后，仍然服从。另一种情况可能是，新工艺的确使均值发生了显著性变化。这样，和之间的差异就只能认为是采用新工艺的关系。究竟是哪种情况与实际情况相符合，这需要作检验。假如给定显著性水平。 在上面的例子中，我们可以把涉及到的两种情况用统计假设的形式表示出来。第一个统计假设表示采用新工艺后灯管的平均寿命没有显著性提高。第二个统计假设表示采用新工艺后灯管的平均寿命有显著性提高。这第一个假设称为原假设（或零假设），记为：；第二个假设称为备择假设，记为：。至于在两个假设中，采用哪一个作为原假设，哪一个作为备择假设，要看具体的研究目的和要求而定。假如我们的目的是希望从子样观察值对某一陈述取得强有力的支持，则把该陈述的否定作为原假设，该陈述本身作为备择假设。譬如在上例中，我们的目的当然是希望新工艺对产品寿命确有提高，但又没有更多的数据可以掌握。为此，我们取“寿命没有显著性提高”作原假设，而以“寿命有显著性提高”作为备择假设。 （二）检验统计量 假设检验问题的一般提法是：在给定备择假设下对原假设作出判断，若拒绝原假设，那就意味着接受备择假设，否则就接受原假设。在拒绝原假设或接受备择假设之间作出某种判断，必须要从子样出发，制定一个法则，一旦子样的观察值确定之后，利用我们制定的法则作出判断：拒绝原假设还是接受原假设。那么检验法则是什么呢？它应该是定义在子样空间上的一个函数为依据所构造的一个准则，这个函数一般称为检验统计量。如上面列举的原假设：，那么子样均值就可以作为检验统计量，有时还可以根据检验统计量的分布进一步加工，如子样均值服从正态分布时将其标准化，作为检验统计量，简称检验量。或者在总体方差未知的条件下，作为检验量，称为检验量。 （三）接受域和拒绝域 假设检验中接受或者拒绝原假设的依据是假设检验的小概率原理。所谓小概率原理，是指发生概率很小的随机事件在一次实验中几乎是不可能发生的，根据这一原理就可以作出接受或是拒绝原假设的决定。如，一家厂商声称其某种产品的合格率很高，可以达到99﹪，那么从一批产品（如100件）中随机抽取一件，这一件恰好是次品的概率就非常之小，只有1﹪。如果把厂商的宣称，即产品的次品率仅为1﹪作为一种假设，并且是真的。那么由小概率原理，随机抽取一件是次品的情形就几乎是不可能发生的。如果这种情形居然发生了，这就不能不使人们怀疑原来的假设，即产品的次品率仅为1﹪的假设的正确性，这时就可以作出原假设为伪的判断，于是否定原假设。 接受域和拒绝域是在给定的显著性水平下，由检验法则所划分的样本空间的两个互不相交的区域。原假设为真时的可以接受的可能范围称为接受域，另一区域是当原假设为真时只有很小的概率发生，如果小概率事件确实发生，就要拒绝原假设，这一区域称为拒绝域（或否定域）。落入拒绝域是个小概率事件，一旦落入拒绝域，就要拒绝原假设而接受备择假设。那么应该确定多大的概率算作小概率呢？这要根据不同的目的和要求而定，一般选择或者，通常用表示。它说明用多大的小概率来检验原假设。显然愈小愈不容易推翻原假设，而一旦拒绝原假设，原假设为真的可能性就越小。所以在作假设检验时通常要事先给定显著性水平（称为置信水平）。图7-1所示检验时的拒绝域和接受域。 （四）假设检验中的两类错误 由前面已知，假设检验是在子样