应用数理统计,假设检验解决方案.pptVIP

统计推断：由样本信息去推断总体的性态。 参数估计：构造统计量 作为未知参数的估计量或置信区间； 假设检验：先对总体作出假设H，再构造统计量 来推断H是否合理。 二者关系类似于方程求根和验证是否为根。 【例3.1】 某厂家向一百货公司长期供应某种货物,双方根据厂家的传统生产水平,定出质量标准,即若次品率超过3％,则百货商店拒收该批货物。今有一批货物，随机抽取43件发现了2件次品，问应如何处理这批货物？ 按参数估计，2/433%，是否该拒收？因为抽样具有很大的随机性。 问题：即使真实的次品率3%，但“抽到2件以上次品”的概率仍会很大。 一般作法：先假设次品率p3%，再通过抽样计算来说明这一假设是否合理。 【例3.2】 某研究所推出一种感冒特效新药，为证明其疗效，选择200名患者为志愿者。将他们均分为两组，分别不服药或服药，观察三日后痊愈的情况，得出下列数据： 商店依据：小概率事件在一次试验中不可能发生，（但在大量重复试验中，却几乎肯定会发生。） 顾客依据：随机事件 假设检验的理论依据：“小概率原理”。α:显著性水平。 §3．2 正态总体的参数检验 设X为一总体，其分布函数为F(x； ),其中 §3.3 非正态总体的参数估计 对总体（非正态总体）均值 的检验： 当 时， 可取统计量 由中心极限定理可知，当n充分大时(一般要求n30)，u近似服从N (0, 1)，因此问题归结为u检验； (一) 总体X服从两点分布 其分布律为P{X=0}=1-p, P{X=1}=p. E(X)= p, D(X)=p(1-p). H0: p= p0; H1: p≠p0 基于大样本，可取统计量 (近似) （例3.8P88） (二) 总体服从参数为λ的泊松分布 X~?(?) ,则 E(X)= ? , D(X)= ?. 可取统计量 (三)指数总体的参数检验 样本 由习题1.8的结论， 作为检验统计量。 §3.4 检验的实际意义及两类错误 检验方法的评价问题：按什么标准来提出原假设? 由于对于相应的问题检验方法不唯一,最优的方法是什么?检验的优劣与显著性水平a的关系如何?以及结论的实际意义是什么? 3.4.1 检验结果的实际意义 (a)检验的原理“小概率事件在一次试验中不发生”。 此结论只是在概率意义下成立，并不是严格成立的。 如摸奖问题(例3.3，P72）,因此当摸奖人事实上确实未作弊时，商店的统计推断就犯了错误, “小概率事件在一次试验中可能发生”. (b)原假设与备择假设的地位是不对称的, 当 “小概率事件”未发生时，就不能拒绝原假设 但不等于逻辑上证明了 成立，只能说没有充分的证据拒绝。即 受保护. 3.4.2 检验中的两类错误 所谓犯错误是指检验的结论与实际情况不符。 两类错误： （1）H0 成立，而检验结果表明其不成立——“弃真”； （2）H0不成立，而检验结果表明其成立——“取伪”。 3.4.3 样本容量确定问题 从例3.12看出，当样本容量固定时，若要控制第一类错误的概率，就不能使第二类错误的概率任意小。但从（3.10）式看出，固定α，使n增大，可使β任意小。 但实际中，样本的采集是有成本的，或根本无法获得大样本。 引出问题：能否确定一个最小的n使得两类错误的概率都在控制的范围。 (一) 正态总体 ， 已知； 的u检验。 SPSS?软件：参数检验之均值检验 Means过程 对准备比较的各组计算描述指标，进行预分析，也可直接比较。 One-Samples T Test过程 进行样本均数与已知总体均数的比较。 Independent-Samples T Test过程 进行两样本均数差别的比较，即通常所说的两组资料的t检验。 Paired-Samples T Test过程 进行配对资料的显著性检验，即配对t检验。 One-Way ANOVA过程 进行两组及多组样本均数的比较，即成组设计的方差分析，还可进行随后的两两比较。 当等式右端不是整数时,取不小于右端的最小的整数 (二) 正态总体 ， 未知，考虑 的 检验。 隐式解,通过给定的α和β试算确定n. 例