误差理论教材8解析.docVIP

第八章 统计假设检验在测量中的应用 §8—1 假设检验的基本概念 一．假设检验的基本概念 在测量中，如果所建立的函数模型和随机模型与客观实际差异较大，则相应的解算结果是不可靠的。因此，需要对函数模型和随机模型的准确性进行检验。例如在相关分析和附加系统参数的平差中，应检验所选参数是否显著，及因变量与自变量的相关程度是否显著等。关于随机模型，应检验观测值误差的期望是否为零，或观测值中是否存在系统误差和粗差，观测值权的确定是否正确等。 对于函数模型与随机模型正确性检验的实际意义可能更加广泛。例如，对河流的水位长期进行测量，这种测量由于某种原因，如修建水坝等，水位测量值发生了改变。问这种测量值的改变是由于修建水坝引起的，还是测量误差本身引起的。这一类检验实际应用的例子还有很多。 现利用测距仪对某一已知长度为的基线测量了30次。测量的算术平均值为，基线长一次测量中误差为。问基线的测量值与基线长度本身的差异是否显著。由于测量中不可避免地含有偶然误差，出现差异是必然的。如果测量次数无限增加，则可以得到测量值的理论期望值。此时，可以做出准确的判断。如果理论期望值与基线长度真值不一致，则可以判断测量中存在系统误差。这种系统误差可能是测距仪本身的缘故，也可能是外界环境影响的缘故。由于实际当中观测次数是有限的，利用有限观测值进行判断，其局限性是不可避免的。因此，利用观测值进行某种判断时，同样需要用概率来描述判断的可靠性。在此例中，可以做一个原假设,认为距离测量值的期望与真值相等。原假设可以写成如下形式。 （8—1） 如果对这个假设予以否定，则意味着接受另一个结论。这个结论就是观测值母体均值不等于真值。这个结论称为备选假设，可以写成如下形式。 （8—2） 假设检验的任务就是在原假设和备选假设之间进行选择。 实际检验时，应选择一个统计量作为检验的依据，此统计量是观测值的函数。所选统计量应对所选择的检验敏感，且易于计算，并已知其分布。 此例中，应对观测值的期望进行检验。观测值算术平均值的期望等于观测值的期望，且较单个观测值能够更准确地反映观测值母体期望值，因此可以对平均值的期望进行检验。为了应用上的方便，可将平均值标准化，并利用如下形式的正态分布统计量作为检验时的依据。 （8—3） 原假设成立时，上述统计量为标准正态分布。选择一个小概率，称为显著水平，计算标准正态分布统计量的分位值，使得 （8—4） 如果统计量计算值落入上述区间内，称为接受域，即 （8—5） 表明大概率事件发生，因而是正常事件，不应否定原假设。此时，可以判定观测值的期望与的差异不显著，或认为这种偏差是由观测值的随机性所引起的。相对应，接受域外的区间称为拒绝域，如图8-1所示。 如果选择作为检验的统计量，原假设成立时下式成立。 （8—6） 当统计量计算值落入上述区间之外时拒绝原假设，认为观测值含有系统误差。由于（8-6）式的分位值是由（8-5）式的分位值转换而得，因而不论用统计量还是统计量进行检验，其结果是等价的。 二．弃真和纳伪的概率 在统计假设检验中，由于观测值的随机性，会使我们的判断出现错误。例如，在前面的例子中，做出判断认为原假设成立，其前提是统计量计算值落入接受域内。如果实际上观测值母体均值确实等于，则上述判断是正确的。但即便观测值母体均值为，如果以30次观测值为一组，共观测了100组，假设选择显著水平=0.05，则仍然会有5组观测值的统计量落在接受域外。此时会做出拒绝原假设而接受备选假设的判断。这种错误判断称为弃真错误，也称为第一类错误，弃真的概率为。 实际上观测值的母体均值不等于，但统计量计算值落入接受域内，则会做出接受原假设的错误判断，这种错误判断称为纳伪错误，也称第二类错误。如图8-2所示，接受域内实际统计量概率密度曲线下的面积等于纳伪的概率，概率大小为，即 （8—7） 为时的实际统计量。当时，做出正确判断的概率，即弃伪的概率为，称为检验的功效。 对于一定的观测值而言，如果使得选取的显著水平变小，则接受域变大，相应弃真概率会变小。但这会使得纳伪概率变大。也就是说，弃真和纳伪概率不能同时变小。所选的大小取决于实际应用时的情形，如人们对哪类错误更加不可接受。检验时的原则是，对于拒绝域的选择应在保持不变的情形下，使尽可能小。 三．单尾和双尾检验法 前述检验的备选假设为