基本概念—概率论与数理统计王松桂程维虎等科学出版社分析.ppt

第八章 假设检验 第一节 基本概念 假设检验 参数假设检验 非参数假设检验 这类问题称作假设检验问题 . 总体分布已知， 检验关于未知参数 的某个假设 总体分布未知时的 假设检验问题 在本讲中，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. 让我们先看一个例子. 这一讲我们讨论对参数的假设检验 . 某工厂生产10欧姆的电阻.根据以往生产的电阻实际情况,可以认为其电阻值 X～N(? , ?2),标准差σ=0.1.现在随机抽取10个电阻,测得它们的电阻值为: 9.9, 10.1, 10.2, 9.7, 9.9, 9.9, 10, 10.5, 10.1, 10.2. 试问:从这些样本,我们能否认为该厂生产的电阻的平均值?为10欧姆? 例1 (一) 一个例子 确定总体:记X为该厂生产的电阻的测量值.根据假设,X ～ N(? , ?2),这里 ?=0.1. 明确任务: 通过样本推断X的均值μ是否等于10欧姆. Hypothesis:上面的任务就是要通过样本去检验“X的均值μ=10”这样一个假设是否成立.(在数理统计中把“X的均值μ=10”这样一个待检验的假设记作“H0:μ=10”称为 “原假设”或 “零假设” 问题怎么建立: 原假设的对立面是“X的均值μ≠10” 记作“H1:μ≠10”称为“对立假设”或“备择假设”.把它们合写在一起就是: H0:μ=10 H1:μ≠10 解决问题的思路分析: ∵样本均值是μ的一个良好估计.∴如果μ=10,即原假设成立时,那么: 应该比较小.反之,如果它过于大, 那么想必是原假设不成立. 的大小可以用来检验原假设是 否成立. 这里的问题是,我们如何确定常数c呢 合理的思路是找出一个界限c, 细致的分析: 根据定理6.4.1, ∵ n=10 ?=0.1 时,我们就接受原假设H0 , 当 而当 时,我们就拒绝原假设H0 . 于是,当原假设 H0:μ=10 成立时,有: 为确定常数c,现在我们考虑一个相当小的正数?(理由下面讲).例如? =0.05. 于是,当原假设 H0:μ=10 成立时,有: 我们就拒绝原假设 H0:μ=10. 我们就接受原假设 H0:μ=10. 现在我们就得到检验准则如下: 用以上检验准则处理我们的问题. ∴接受原假设 H0:μ=10. 我们的原假设是 H0:μ=10 由上面分析,当H0成立时,有: ∵?相当小.这就是说:如果H0这个假设是正确的话,检验统计量落入拒绝域就是一个发生的概率很小的事件. 过去我们提到过,通常认为:小概率事件在一次试验中基本上是不会发生的. (我们把它称做实际推断原理.) (II)道理 那么如果小概率事件发生了,即: 我们就拒绝,这时我们说:“H0不成立.” 下面我们指出这很符合人们的逻辑,实际上这种思维也叫: 带概率性质的反证法 通常的反证法设定一个假设以后,如果出现的事实与之矛盾,(即如果这个假设是正确的话,出现一个概率等于0的事件)则绝对地否定假设. 带概率性质的反证法的逻辑是: 即如果假设H0是正确的话,出现一个概率很小的事件,则以很大的把握否定假设H0. ∵检验一个H0时是根据检验统计量来判决是否接受H0的,而检验统计量是随机的,这就有可能判决错误.这种错误有以下两类: H0事实上是正确的,但被我们拒绝了,称犯了“弃真”的(或称第一类)错误. H0事实上是不正确的,但被我们接受了,称犯了“采伪”的(或称第二类)错误. (III)两类错误与显著性水平 假设检验的两类错误 H0为真 实际情况 决定 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}= . 犯两类错误的概率: 显著性水平 为犯第一类错误的概率. * * * *