Chap 8 假设检验.pptVIP

第八章 假 设 检 验Hypothesis testing 目的: 根据样本提供的信息来推断总体分布是否具有某种指定特征? 处理方式: 先对问题提出一个假设(叫原假设或零假设, 用 H0 表示; 与之相反的假设叫备择假设或对立假设, 用 H1 表示), 然后利用样本提供的信息对其进行检验. 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 假设检验 参数假设检验 非参数假设检验 §8.1 假设检验的基本思想与概念 一、基本思想 例 有一包装机, 包得的袋装糖重服从正态分布; 当机器正 常时, 其均值为0.5kg, 标准差为0.015kg; 某日开工后随机 地抽取9袋, 得重(kg)为: 0.497, 0.506, 0.518, 0.524, 0.498, 0.511, 0.520, 0.515, 0.512. 问包装机工作是否正常? 问题 以 X 表示袋装糖重, 已知 ( X1 , X2 ,…, Xn ) 为一样本, ( x1 , x2 ,…, xn ) 为样本值, 检验 H0 : 根据实际问题, 提出原假设H0 及备择假设H1 问题 以 X 表示袋装糖重, 已知 ( X1 , X2 ,…, Xn ) 为一样本, ( x1 , x2 ,…, xn ) 为样本值, 检验 H0 : 可借助 进行判断: 若 的取值较大, 如果假设 H0 成立, 则 的取值 应集中在 附近; 因而 则否定假设 H0; 若 的取值较小, 则表明 与 的差异不显著, 因而不能轻易地否定假设 H0; 一般也就认为假设 H0成立. 故统计学中, 通常将对假设 H0作出接受或拒绝的判断, 叫做对H0作显著性检验. 若 较大、较小是一个相对的概念，为此需确定一合理的界限 则否定假设 H0; 则接受假设 H0 . 由于判断是根据某一样本值作出的, 因而有可能在假设H0 实际成立时, 作出否定H0 的判断, 这是一种错误, 应对犯这类错误的概率加以控制, 故 由下式确定: P{否定H0 | H0为真} (其中 是一小概率, 叫做显著性水平.) 上式右端一般取等号处理. 这样处理也是符合实际推断原理的. 若 给出 显著性水平 对给定的 , 要确定 使 而 H0 成立时, f (x) x . . 若 |Z| 的取值 则拒绝假设 H0; 若 |Z| 的取值 则接受假设 H0; 区域 叫做假设 H0 的拒绝域. ( Z 叫做检验统计量), 确定检验统计量, 及在H0成立时它的分布 给出H0 的拒绝域 ( 也叫临界点或临界值) 再由样本值进行计算, 作出决策. 综述之: 设总体 已知 ( X1 , X2 ,…, Xn ) 为一样本, ( x1 , x2 ,…, xn ) 为样本值, 取 H0 成立 对 , 查表得 使 得假设 H0 的拒绝域为 检验 由样本值算出 若 则拒绝假设 H0; 否则就接受假设 H0 . 本例中: 若 查表得 H0 的拒绝域为 在显著性水平 下拒绝 H0 . 若 则 H0 的拒绝域为 表明假设检验的判断是在显著性水平 下作出的, 的选取会影响结果: 对卖方(企业), 越小越好, 越小 越不容易显示差异; 而对买方(消费者), 越大越好. 在显著性水平 下接受 H0 . 二、两类错误 第一类错误: “以真为假”的错误 (H0实际上是真的，但根据样本值作出了否定H0的结论) 第二类错误: “以假为真”的错误 (H0实际上是不真的，但根据样本值作出了接受H0的结论) 犯第一类错误的概率: P{拒绝H0|H0为真} 犯第二类错误的概率: P{接受H0|H0不真} 两类错误是互相关联的，当样本容量固定时, 一类错误 概率的减少会导致另一类错误概率的增加. 要同时降低两类 错误的概率，则需要增加样本容量. 为保护原假设的主要地位, 在一般情况下, 我们总是控制犯第一类错误的概率. 三、单边(侧)检验与双边检验 参数假设检验 双边假设检验 单边假设检验 左边检验 右边检验 (拒绝域取在两侧) (拒绝域在左侧) (拒绝域在右侧) 设总体 已知 ( X1 , X2 ,…, Xn ) 为一样本, ( x1 , x2