其他分布参数的假设检验教材.ppt

例7.3.6 设 是来自b(1,? )的样本， 要检验如下假设： 若取显著性水平为? ，则在得到观测值 后，我们只需要计算概率: 这就是检验的p 值。譬如 若取? =0.05，由于p ? ，则应拒绝原假设。 例7.3.7 某工厂两位化验员甲、乙分别独立地用 相同方法对某种聚合物的含氯量进行测定。甲 测9次，样本方差为0.7292；乙测11次，样本方 差为0.2114。假定测量数据服从正态分布，试 对两总体方差作一致性检验: 检验统计量为 ，在原假设成立下， F ? F (8,10) ，拒绝域为 如今我们不是把拒绝域具体化，而是由观测值算得F=0.7292/0.2114=3.4494,再去计算该检验的p 值。 或 首先，我们用F 分布算得 其次考虑到双侧检验的拒绝域W分散在两端，且两端尾部概率相等（见图7.3.2），据此可定出p 值为 此p 值不算很小，若? =0.05，则接收两方差相等的假设。 在这种双侧检验情况下， 如何由观测值 F= 3.4494 算得 p 值呢？ 图7.3.2 观测值F =3.4494对应的p值 由两端尾部概率之和确定 第七章 假设检验 * 第*页 第七章 假设检验 §7.1 假设检验的基本思想与概念 §7.2 正态总体参数假设检验 §7.3 其它分布参数的假设检验 §7.4 似然比检验与分布拟合检验 §7.5 正态性检验 §7.3 其他分布参数的假设检验 7.3.1 指数分布参数的假设检验 设 x1, x2 , …, xn 是来自指数分布的样本，关于? 的如下检验问题： (7.3.1) 拒绝域的形式是 。 在?=?0的情况下，因诸 xi 均服从参数为 的指 数分布，即 , 故有密度 从而 具有如下密度 即 所以拒绝域为 由诸xi 的独立性及伽马分布的可加性知 即 由此 对于其他类型的假设检验问题，大家完全类似的可以构造相应的拒绝域。大家试试看。 合理性？ 对于 有 而 故 合理性得到保障 对于 有 对于 有 他们的合理性仍然可以通过 与 的大小比较得出。 小样本情形下，指数分布的总体的参数的区间估计问题能不能解决？如何解决？ 思考： 例7.3.1 设我们要检验某种元件的平均寿命不小于6000小时，假定元件寿命为指数分布，现取5个元件投入试验，观测到如下5个失效时间: 395, 4094, 119, 11572, 6133。 解：待检验的假设为 检验统计量为 拒绝域为 故接受原假设，可以认为平均寿命不低于6000小时. 经计算得 若取 ?=0.05，则检验拒绝域为: 7.3.2 比例的检验 比例 p 可看作某事件发生的概率。作 n 次独立试验，以 x 记该事件发生的次数，则 。我们可以根据 x 检验关于 p 的一些假设: (1) 直观上看拒绝域为: ，由于x 只 取整数值，故c 可限制在非负整数中。 这是在对离散总体作假设检验中普遍会遇到的问题. 一般情况下，对给定的? ，不一定能正好取到一个正整数c 使下式成立: 一般较常见的是找一个c0，使得 (2) 检验的拒绝域为: c 为满足 的最大正整数。 而 c可取为c0+1. (3) 检验的拒绝域为: 或 其中c1为满足下式的最大正整数: c2为满足下式的最小正整数: 在单侧检验问题当中，我们所构造的拒绝域是否合理？真能满足显著性水平的要求吗？ 思考： 可考虑二项分布与参数p的关系 例7.3.2 某厂生产的产品优质品率一直保持在 40%，近期对该厂生产的该类产品抽检 20 件，其中优质品7件，在 下能否认为 优质品率仍保持在40%？ 解：以p 表示优质品率，x 表示20件产品中的优质 品件数，则 ，待检验的假设为 拒绝域为 或 由于 下求c1与c2: 故取 c1=3，又因为 从而c2=12，拒绝域为 或 附带指出，该拒绝域的显著性水平实际上不是0.05，而是0.0160+0.021=0.0370 。 由于观测值没有落入拒绝域，故接受原假设。 7.3.3 大样本检验 在二点分布参数 p 的检验问题中，临界值的确定比较繁琐，使用不太方便。如果样本量较大，我们可用近似的检验方法——大样本检验。 大样本检验一般思路如下：设 是来自某 总体的样本，又设该总体均值为? ，方差为? 的函数，记为 ，譬如，对二点分布b(