第八章 第一节 假设检验的基本概念.pptVIP

* 概率统计 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 根据样本的信息检验关于总体 的某个假设是否正确。 第八章 假设检验 假设检验问题: 假设检验问题分类: 一. 假设检验的基本思想 设总体 X 含有未知参数 (或总体分布函数 F(x) 未知) 检验下述假设: 假设 或 是某个已知常数 (或 是某个已知的分布函数)。则抽取容量为 n 的样本，利用样本提供的信息对假设 作出判断，从而确定是否接受 第一节 假设检验 其中： 例如: 根据上一章的讨论，显然 是可以被接受的， 因为 是总体 X 的待估计参数 的无偏估计。 二. 判断 “假设” 的根据 小概率事件原理 小概率事件在一次试验中是几乎不可能发生的 未知 检验假设： 如果在假设 成立的条件下某事件是小概率事件,但在一次试验中却发生了,于是就可怀疑假设 的正确性从而拒绝 不是一定不发生 概率反证法的逻辑是：如果小概率事件在一次试 验中居然发生了，则就可以以很大的把握否定原 假设，否则就不能否定原假设。 一般的反证法要求在原假设成立的条件下导出的 结论是绝对成立的，如果事实与之矛盾，则完全 绝对地否定原假设。 在假设检验中，常称这个小概率为显著性水平， 用 表示。 三. 假设检验的两类错误 1. 第一类错误 (弃真): 如果 是正确的，但却被错 误地否定了。 2. 第二类错误 (取伪): 如果 是不正确的，但却被 错误地接受了。 若设 犯两类错误的概率分别为: P { 拒绝H0 | H0为真 } = P { 接受 H0 | H0 不真 } = 则显著性水平 为犯第一类错误的概率。 两类错误是互相关联的， 当样本容量 n 固定 时，一类错误概率的减少必导致另一类错误 概率的增加。 要同时降低两类错误的概率 ，或者要 在 不变的条件下降低 ，需要增加样本容量 n 注： 先对犯第一类错误（弃真）的概率加以控制，同时再考虑使犯第二类错误（取伪）的概率 尽可能的小。 在实际问题中，通常的做法是： 四. 假设检验的具体做法 例1. 罐装可乐容量的检验问题 在一条生产可乐的流水线上罐装 可乐不断地封装，然后装箱外运。 罐装可乐的容量按标准应在 350 毫升和 360 毫升之间。 试问：如何检验这批罐装可乐的 容量是否合格呢？ 分析： 若把每一罐可乐都打开倒入量杯, 看看容量是否合于标准。这显然是不可行的。 每隔 1小时，抽查 5 罐，得 5个容量的值：X1，…，X5 ，根据这些值来判断生产是否正常. 如发现不正常则应停产，找出原因，排除故障，然 后再生产；如生产正常，就继续按规定时间再抽样，以此监督生产，保证质量。 通常的办法是： 进行抽样检查. 显然：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，因为停产的损失是很大的；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. 即，每隔一定时间，抽查若干罐 。 如： 如何处理这两者的关系？ 现用假设检验的方法来处理这对矛盾 在正常生产条件下，由于种种随机因素的 影响，每罐可乐的容量应在 355 毫升上下 波动. 这些因素中没有哪一个占有特殊重 要的地位. 因此，根据中心极限定理，假 定每罐容量服从正态分布是合理的. 注意到： 故: 可以认为样本是取自正态总体 现抽查了n 罐，测得容量为： 当生产比较稳定时， 是一个常数. 现在要检验的假设是： 它的对立假设是： 称 H0 为原假设（或零假设 称 H1 为备择假设（或对立假设）. 在实际问题中，往往把不轻易 否定的命题作 为原假设. H0： H1： 那么，如何判断原假设H0 是否成立呢？ 由于 是正态分布的期望值，它的无偏估计量是样本均值 ，因此可以根据 与 的差距 来判断 H0 是否成立. 而较大、较小是一个相对的概念，那么它应由什么 原则来确定？ 对差异作定量的分析，以确定其性质. 问题归结为： 当差异是由