统计学12-教学方案解析.docVIP

教 学 方 案 授课题目 参数假设检验 第一节 假设检验的基本原理 课 型 讲授 课 次 12 教学目的、要求： 通过本次教学，使学生掌握假设检验的基本原理。 教学重点及难点： 重点：假设检验的基本原理 难点：假设检验的基本原理 教学过程设计： 回顾上节课的主要知识内容及体系 承接上节内容，引入本节内容 讲授 第一节 假设检验的基本原理 一﹑ 假设检验的基本思想 关于假设检验的思想方法，没有参数估计那么直观，下面结合实际例子，来阐明假设检验这种统计方法的基本思想及主要步骤。 假定某人拿着装有100个球的袋子，并说：“袋中的球99个是白色的而只有1个是黑色的”。如果从袋中任摸一个球竟是黑球，我们自然会觉得这个人的说法不可靠。 这里作出判断的主要依据及推理的思想方法归纳如下： 1判断的理论依据：假设检验的理论依据是小概率事件原理。所谓小概率事件原理是：小概率事件（即概率很小的事件）在一次试验中几乎是不可能发生的。 2推理的思想方法：当对总体所做的某一假设成立时，事件A是一个小概率事件，则按小概率事件原理在一次试验中事件A几乎是不可能发生的。现在进行一次试验，如果在这一试验中事件A竟然发生了，则按小概率事件原理这是不合理的，于是拒绝原来的假设。如果在这一试验中事件A没有发生，即没有出现不合理现象，这时就不能拒绝原来的假设。这就是假设检验方法的基本思想。 某农场用自动打包机将小麦装入麻袋，以便外运。额定标准为每袋净重200斤，根据长期经验知道，所装小麦的净重服从正态分布，标准差是2.2斤，某日开工后，为检验打包机工作是否正常，抽测了9袋，净重如下（单位：斤）： 198.1 197.3 201.2 198.4 197.6 196.4 199.1 200.4 200.2 试问该日打包机工作是否正常？ 这里所关心的问题是打包机工作是否正常，即装出的每袋净重是否符合标准200斤。由于自动打包机装袋的重量服从正态分布，假设这天打包机所装小麦的袋净重为X，则X～N()，由于=2.2为已知，因此我们可以用假设H0: =200表示打包机工作正常, 称其为原假设;用假设 H1: ≠200表示打包机工作不正常, 称其为备择假设。 归纳出假设检验问题的基本步骤： （1）提出假设：原假设H0及备择假设H1 如例5-1提出假设：H0:=200; H1: ≠200 (2)选择适当的检验统计量，并指出H0成立时该检验统计量所服从的抽样分布 如例5-1中选择检验统计量Z=在H0成立下，Z=～N(0 ,1) (3)根据给定的显著性水平，查表确定相应的临界值，并建立相应的小概率事件， 如例5-1中，=0.05查标准正态分布函数表确定临界值=1.96，使P（|Z|≥1.96）=0.05，建立的小概率事件是|Z|≥1.96。 (4)根据样本观察值计算检验统计量的值 如例5-1中，计算得Z==≈-1.718 (5)将检验统计量的值与临界值比较，当检验统计量的值落入拒绝域时拒绝H0而接受H1；否则不能拒绝H0，可接受H0 。 如例5-1中，|Z|=1.718= 1.96 , 落入接受域，接受H0 ，故可以认为打包机工作正常。 以上五个步骤是一般假设检验问题的基本步骤。在下面所讨论的假设检验问题中，尽管具体情况各有不同，但基本上是按这五个步骤进行的。所不同的是讨论的情况不同时所选取的检验统计量及相应的拒绝域不同。 需要注意的是：在每一次假设检验的考察中，当我们在样本信息的基础上接受一个假设时，实际上是没有统计证据去拒绝它，这并不是说原假设是真实的, 这时由于没有拒绝它的证据，只好把它当作是真实的。惟一证明原假设的方法是要知道总体参数是什么，那是不可能用抽样方法求得的。 二﹑假设检验的两类错误 假设检验是通过对样本数据的分析来进行的，由于有抽样误差的风险，所以就会产生两种类型的错误。 我们知道，小概率事件在一次试验中几乎不可能发生，但却不是绝对不可能发生。因此，当H0本来是正确的，而这时我们却由于小概率事件的发生而拒绝了H0, 这就犯了一种错误。我们把这种“弃真”的错误称为第一类错误。正是由于小概率事件的发生使我们犯了第一类错误，因而犯第一类错误的概率为，即 P(拒绝H0 /H0正确)= 所以是用来控制犯第一类错误的。显然,如果取值越大，犯第一类错误的可能性就越大。 另一类错误是，当H0不正确时，我们也可能接受H0，这同样是犯了错误，我们称这种“取伪”的错误为第二类错误。通常把犯第二类错误的概率记为β，即 P (接受H0 /H0不正确)=β 自然，人们希望犯两类错误的概率越小越好。但对于一定的样本容量，不能同时做到使犯这两类错误的概率都很小。如果减