《重大数理统计》单个总体均值方差的检验分析.pptVIP

概率论与数理统计; 第八章 假设检验;;例1：某工厂生产 10 欧姆的电阻，根据以往生产的电阻实际情况，可以认为: 电阻值 X服从正态分布 N(?, 0.12)。现在随机抽取10个电阻, 测得它们的电阻值为: 9.9, 10.1, 10.2, 9.7, 9.9, 9.9, 10.0, 10.5, 10.1, 10.2. 问: 从样本看，能否认为该厂生产的电阻的平均值 ? = 10 欧姆?;● 确定总体：记 X 为该厂生产电阻的测量值，则 X ～ N(?, 0.12)； ● 明确任务：通过样本推断 “X 的均值 μ 是否 等于10欧姆”； ● 假设：“X 的均值μ =10” 这一假设是否成立?; 原假设的对立面是 “ X 的均值 μ ≠10”，称为 “对立假设” 或 “备择假设”，记成 “ H1: μ ≠10”。把原假设和对立假设合写在一起，就是:;II. 解决问题的思路; 这里的问题是：如何确定常数 c 呢？;为确定常数 c，我们考虑一个很小的正数?， 如? = 0.05。当原假设 H0: μ =10 成立时，有;为原假设 H0 的拒绝域。;用以上检验准则处理我们的问题，; 因为，当原假设是 H0:μ =10 成立时，;IV. 两类错误与显著性水平 ; 通常用 α 和 β 记犯第一、第二类错误的概率，即;§8.2 正态总体均值的假设检验; 在应用上，?2未知的情况是常见的。此时，和前面不同的是：常用样本方差 S2代替未知的?2 。; 当 ?2未知时，根据基本定理 6.4.1 ，当原假设 H0: μ = μ0 成立时，有 ;解：n=10, ? =0.05, ?0=10， t10-1(? /2)=t9(0.025)=2.2622，; 上一段中， H0:μ=μ0 ; H1: μ≠μ0 的对立假设为 H1: μ ≠μ0 , 该假设称为双边对立假设。; 例如：工厂生产的某产品的数量指标服从正态分布，均值为 μ0 ；采用新技术或新配方后，产品质量指标还服从正态分布，但均值为 ? 。我们想了解 “?是否显著地大于μ0”,即产品的质量指标是否显著地增加了。;如果μ =μ0，即原假设成立，则 就 ;在?2未知情况下，当原假设 成立时，;例 2：某厂生产一种工业用绳,其质量指标是绳子所承受的最大拉力，假定该指标服从正态分布，且该厂原来生产的绳子指标均值 μ0 =15公斤，采用一种新原材料后,厂方称这种原材料提高了绳子的质量，也就是说绳子所承受的最大拉力 μ 比15公斤增大了。 为检验该???的结论是否真实，从其新产品中随机抽取50件，测得它们所承受的最大拉力的平均值为15.8公斤，样本标准差S=0.5公斤。取显著性水平? =0.01。问从这些样本看：能否接受厂方的结论。 ;解：问题归结为检验如下假设 H0: μ =15; H1: μ 15 (?2未知); 利用样本方差 S 2是?2的一个无偏估计，且 (n-1)S2/ ?2 ~ χ 2n-1 的结论。; 当原假设 H0: ?2 = ?02成立时，S2和?02应该比较接近，即比值 S 2/?02应接近于1。所以,这个比值过大或过小 时，应拒绝原假设。 合理的做法是: 找两个合适的界限 c1 和 c2 , ● 当 c1(n-1)S2/?02 c2 时，接受H0； ● 当 (n-1)S2/?02≤c1 或 (n-1)S2/?02≥c2 时, 拒绝 H0 。 ;由于当原假设 H0: ?2 = ?02成立时，有;同理，当 H0: ?2 = ?02成立时，有，;例1：某公司生产的发动机部件的直径 (单位: cm) 服从正态分布，并称其标准差 ?0=0.048 。现随机抽取5个部件，测得它们的直径为 1.32, 1.55, 1.36, 1.40, 1.44. 取?=0.05，问: (1). 能否认为该公司生产的发动机部件的直径 的标准差确实为?= ?0? (2). 能否认为? ≤ ?0?;故，拒绝原假设 H0 ，即认为部件直径标准差不是 0.048 cm。 ;故，拒绝原假设 H0，即认为部件的直径标准差超过了 0.048 cm。 ;小结