3.1 假设检验1.pptVIP

第三章 假设检验 第一节 假设检验的提出 例1 某企业生产一种零件，以往的资料显示零件平均长度为4cm，标准差为0.1cm。工艺改革后，抽查100个零件发现其平均长度为3.94cm。问：工艺改革后零件长度是否发生了显著变化？ 例2 某厂有一日共生产了200件产品，按国家标准,次品率不得超过3%才能出厂. 现从该批产品中随机抽取10件，发现其中有2件次品, 问:这批产品能否出厂? 这两个例子中都是要对某种“陈述”做出判断： 例1要判明工艺改革后零件平均长度是否仍为4cm； 例2要判明该批产品的次品率是否低于3%。 进行这种判断 的信息来自 所抽取的样本 要回答此类问题，有必要引入假设检验！ 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 所谓假设检验，就是事先对总体参数或总体分布形式作出一个假设，然后利用样本信息来判断原假设是否合理，即判断样本信息与原假设是否有显著差异，从而决定是否接受或否定原假设. 让我们先看一个例子. 这一讲我们讨论对参数的假设检验 . 例 8.1 某厂生产干电池，根据长期的资料知道，干电池的寿命服从正态分布，且标准差 小时. 规定要求平均寿命(即均值) 小时. 今对一批产品抽查了10个样品，测得寿命的数据如下(小时)： 201 208 212 197 205 209 194 207 199 206 问这批干电池的平均寿命是否是 200 小时？ 设干电池的寿命为X , , 现在的问 题是 吗？ 它的对立假设是： 称H1为备选假设（或对立假设）. H1： 在实际工作中，往往把不轻易否定的命题作为原假设. H0： （ = 200） 记 H0 就是我们要检验的内容，称为原假设或零假设 那么，如何判断原假设H0 是否成立呢？ 较大、较小是一个相对的概念，合理的界限在何处？应由什么原则来确定？ 由于 是正态分布的期望值，它的估计量是样本均值 ，因此可以根据 与 的差距 来判断H0 是否成立. - | | 较小时，可以认为H0是成立的； 当 - | | 生产已不正常. 当 较大时，应认为H0不成立，即 - | | 问题是：如何给出这个量的界限？ 这里用到人们在实践中普遍采用的一个原则： 小概率事件在一次试验中基本上不会发生 . 现在回到我们前面干电池的例中： 在提出原假设H0后，如何作出接受和拒绝H0的结论呢？ 在假设检验中，我们称这个小概率为显著性水平，用 表示. 常取 的选择要根据实际情况而定。 提出假设 选检验统计量 ~ N(0,1) H0： = 200 H1： ≠ 200 由于 已知， 它能衡量差异 大小且分布已知 . 对给定的显著性水平 ，可以在N(0,1)表中查到分位点的值 ，使 故我们可以取拒绝域为： 也就是说,“ ”是一个小概率事件. W： 如果由样本值算得该统计量的实测值落入区域W，则拒绝H0 ；否则，不能拒绝H0 . 不否定H0并不是肯定H0一定对，而只是说差异还不够显著，还没有达到足以否定H0的程度 . 所以假设检验又叫 “显著性检验” 如果显著性水平 取得很小，则拒绝域也会比较小. 其产生的后果是： H0难于被拒绝. 如果在 很小的情况下H0仍被拒绝了，则说明实际情况很可能与之 有显著差异. 基于这个理由，人们常把 时拒绝H0称为是显著的，而把在 时拒绝H0称为是高度显著的. 在上面的例子的叙述中，我们已经初步介绍了假设检验的基本思想和方法 . 下面，我们再结合另一个例子，进一步说明假设检验的一般步骤 . 例2 某工厂生产的一种螺钉，标准要求长度是32.5毫米. 实际生产的产品，其长度X假定服从正态分布 未知，现从该厂生产的一批产品中抽取6件, 得尺寸数据如下: 32.56, 29.66, 31.64, 30.00, 31.87, 31.03 问这批产品是否合格? … 分析：这批产品(螺钉长度)的全体组成问题的总体X. 现在要检验E(X)是否为32.5. 提出原假设和备择假设 第一步： 已知 X~ 未知. 第二步： 能衡量差异 大小且分布 已知 取一检验统计量，在H0成立下 求出它的分布 第三步： 即“