ch假设检验解说.pptx

　第4章 假设检验;主要内容; 由样本到总体的推理称为统计推断。英国统计学家R.A.费希尔认为常用的统计推断有三种基本形式，它们是 　　● 抽样分布; 　　● 参数估计,又可分为点估计与区间估计; 　　● 假设检验,又可分为参数检验与非参数检验。 其中抽样分布与参数估计在前几章已有叙述,今后还会不断补充。从这一章开始将叙述假设检验,并讨论假设检验与区间估计,确定样本量之间的关系。 ; 假设检验是统计学中最具特色的部分,其统计味甚浓。从建立假设,寻找检验统计量,构造拒绝域(或计算p值),直到最后作出判断等各个步骤上都能体现多种统计思想的亮点。假设检验的思维方式也独具一格,从其他数学分支学不到这种判断问题的思路。不犯错误、不冒风险的判断是不存在的,问题在于设法控制犯错误的概率。 ; 4.1 假设检验的概念与步骤;例4.1.1 某厂生产的化纤长度X服从正态分布N(μ,0.042),其中正态均值μ的设计值为1.40。每天都要对“μ=1.40”作例行检验,以观察生产是否正常进行。若不正常,需对生产设备进行调整和再检验,直到正常为止。 某日从生产线上随机抽取25根化纤,测得其长度值为x1,x2,…,xn(n=25),算得其平均长度 =1.38,问当日生产是否正常? ;几点评论: 　　● 这不是一个参数估计问题。 　　● 这里要对命题“μ=1.40”给出回答:“是”或“否”。 　　● 若把此命题看做一个假设,并记为“H0:μ=1.40”,对命题的判断转化为对假设H0的检验,此类问题称为(统计)假设检验问题。 　　● 假设检验问题在生产实际和科学研究中常会遇到,如新药是否有效?新工艺是否可减少不合格品率?不同质料鞋底的耐磨性是否有显著差异?这类问题都可归结为某个假设的检验问题。 ;4.1.2 假设检验的步骤; 在参数假设检验中,假设都是参数空间Θ内的一个非空子集。在例4.1.1中平均长度μ的参数空间为Θ={μ:-∞μ∞},其原假设H0:μ∈Θ0,其中Θ0={μ:μ=1.40}是单元素集,又称为简单假设。备择假设H1:μ∈Θ1,其中Θ1={μ:μ≠1.40}是多元素集,又称为复杂假设。一般来说,参数空间Θ中任意两个不相交的非空子集都可组成一个参数假设检验问题。 对备择假设还有??点要说明:假如备择假设H1位于原假设的右侧或左侧，则称该检验问题为单侧检验问题。假如备择假设H1位于原假设H0的两侧则称其为双侧检验问题。 ;2.选择检验统计量,确定拒绝域的形式 在H0对H1的检验问题中涉及正态均值μ,样本均值 是μ的最好估计,且 ~N(μ,σ2/n)。由于 的方差σ2/n比 的方差σ2缩小n倍,使用 的分布更容易把 与μ0=1.40区分开来(见图4.1.1)。 ; 在σ已知为σ0和原假设H0:μ=μ0为真的情况下,经标准化变换可得 　 (4.1.4) 这里的u就是今后使用的检验统计量，而且|u|的大小可以用来区分是否拒绝H0,即 　　|u|越大,应倾向于拒绝H0 　　|u|越小,应倾向于不拒绝H0 为便于区分拒绝H0与不拒绝H0,需要在u轴上找一个临界值c,使得 　　当|u|≥c时,拒绝H0 　　当|u|c时,不拒绝H0 并称u轴上的区域{u:|u|≥c}={|u|≥c}为该双侧检验问题的拒绝域,记为W。 ; 我们为什么把注意力放在拒绝域上呢?如今我们手上只有一个样本，相当于一个例子，用一个例子去证明一个命题(假设)成立的理由是不会充分的，但用一个例子(样本)去推翻一个命题是可能的，理由也是充足的，因为一个正确的命题不允许有任何一个例外。基于此种逻辑推理，我们应把注意力放在拒绝域方面，建立拒绝域。事实上，在拒绝域与接受域之间还有一个模糊域，如今把它并入接受域，仍称为接受域。;接受域 中有两类样本点: 　　● 一类样本点使原假设H0为真,是应该接受的； 　　● 另一类样本点所提供的信息不足以拒绝原假设H0,不宜列入W,只能保留在 内,待有新的样本信息后再议。 因此, 的准确称呼应是“不拒绝域”,可人们不习惯此种说法。本书中约定:“不拒绝域”与“接受域”两种说法是等同的，指的就是 ,它含有“接受”与“保留”两类样本点,要进一步再区分“接受”与“保留”已无法由一个样本来确定。 ;4.1.2 假设检验的步骤;3.给出显著性水平α,定出临界值 在假设检验中可能犯的错误有如下两类(见图4.1.2)。 第Ⅰ类错误(拒真错误)：原假设H0为真，但由于抽样的随机性，样本落在拒绝域W内，从而导致拒绝H0，其发生概率记为 α,又称为显