统计假设检验要点.pptVIP

2:σ2未知,求μ的置信度为1-α置信区间： 3:求σ2置信度为1-α的置信区间： 第八章 假设检验 一、假设检验的基本原理 例3 根据长期经验和资料的分析, 某砖瓦厂生产砖的“抗断强度”x服从正态分布, 方差s2=1.21. 从该厂产品中随机抽取6块, 测得抗断强度如下(单位: kg/cm2): 32.56, 29.66, 31.64, 30.00, 31.87, 31.03;检验这批砖的平均抗断强度为32.50kg/cm2 是否成立(a=0.05)? 2.方差σ2未知, 对期望μ的检验（t检验） (1) 提出待检假设H0:m=m0( 未知);(2) 选取样本(X1,...,Xn)的统计量, 如H0成立,则 例4 从1975年的新生儿中随机地抽取20个, 测得其平均体重为3160克, 样本标准差为300克. 而根据过去统计资料, 新生儿平均体重为3140克. 问现在与过去的新生儿体重有无显著差异(假设新生儿体重服从正态分布)?(a=0.01) 3.关于方差σ2的检验( 检验) (1) 建立待检假设H0:s2=s02; (2) 如H0成立, 则 1.方差已知,对期望值的检验步骤(u 检验) (1) 提出待检假设H0:m=m0( 已知); (2) 选取样本(X1,...,Xn)的统计量, 如H0成立,则 四、一个正态总体的假设检验 (3) 根据检验水平a, 查表确定临界值 , 使 P(|U| )=a, 即F ( )=1-a/2； (4) 根据样本观察值,计算统计量U的值u并与临界值 比较； (5) 若|u| ,则否定H0, 否则接收H0 。 对给定的a=0.05,要使P(|U| )=a,即F ( )=1-a/2; 查表得 =1.96.计算出样本值U为： 拒绝原假设！ 解：设H0:m=32.50. 若H0正确, 则 样本(X1,..., X6)来自正态总体N(32.50, 1.12), 令 即这批砖的平均抗断强度 为32.50不成立。 (3) 根据检验水平a, 查表确定临界值ta, 使 P(|T|ta)=a; (4) 根据样本观察值计算统计量T的值t并与临界值ta比较; (5) 若|t|ta则否定H0, 否则接收H0 。 故接受原假设：体重无差异。 如果H0成立, 则 解：假设H0:m=3140. (3) 由给定的检验水平a查表求ca2,cb2满足: (4) 计算c2的值与ca2,cb2比较; (5) 若c2cb2或c2ca2拒绝H0否则接收H0. * * HGJHG 设总体X~N(μ,σ2), X1,X2,…,Xn 为一组样本， 1:σ2已知,求μ的置信度为1-α置信区间： (1)选择包含μ的分布已知的函数: (2)构造U的 一个1-α区间: (3)变形得到μ的1-α置信区间: 置信区间求解步骤： (4)带入数值, 得到具体的区间. (1)选择包含μ的分布已知函数: (2)构造T的 一个1-α区间: (3) 得到μ的1-α置信区间: (4)带入数值, 得到具体的区间. (1)选择包含σ2的分布已知函数: (2)构造 的 一个1-α区间: (3)变形得到σ2的1-α置信区间: (4)带入数值, 得到具体的区间. 一、假设检验的基本原理 二、假设检验的一般步骤 四、一个正态总体的假设检验 三、假设检验的两类错误 此时常常作出适当的假设,然后进行试验或 观测,得到统计样本,构造统计方法进行判断,以 在实际工作中常会遇到这样的问题： （1）某药物在改进工艺后的疗效是否有提高？ （2）假定总体服从某种分布是否成立？ 如何通过抽检的样本对上述问题做出判断？ 决定是否接受这个假设. 假设检验就是这样一种统计推断方法， 根据样本提供的信息对所提出的假设作出 判断: 是接受, 还是拒绝. 假设检验 参数假设检验 非参数假设检验 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 且只考虑正态总体期望方差的检验. 我们讨论对参数的假设检验 , 请看下面的例子 生产流水线上罐装可乐不断地封装，然后装箱外运. 怎么知道这批罐装可乐的容量是否合格呢？ 罐装可乐的容量服从正态分布, 标准容量为350毫升,标准差为2. 通常的办法是进行抽样检查. 很明显，不能由5罐容量的数据，在把握不大的情况下就判断生产 不正常,停产损失很大. 当然也不能总认为正常，有了问题不能及时发现，这也要造成损失. 如何处理这两者的关系，