chap8 假设检验精编.pptVIP

第八章 假设检验 第一节 基本概念 要求 E(X)=375克. 现抽查12罐,各罐内装饮料重量为: 376.25 372.90 378.07 375.86 371.16 375.93 377.54 376.27 377.76 377.63 373.18 370.72 问:该批饮料内装饮料重量是否符合要求? 下面，我们讨论不同于参数估计问题的另一类统计推断问题——根据样本提供的信息，检验总体的某个假设是否成立的问题。 ——假设检验。 封装易拉罐饮料,每罐重量X～N(? ,?2), 没有一罐=375,怎么办? E(X)=375 ? 认 同 不认同 X怎么可能恰恰 = 375? 一个假设,但不知事实上它究竟是否对 却让你必须表态: 接受它或拒绝它 办法就是作假设检验 某工厂生产标定10欧姆的电阻. 根据以往生产的电阻实际情况,可以认为其电阻值X～N(? , ?2),而且根据以往生产的情况,已知标准差σ=0.1.任务:检验当前生产的电阻是否符合标定要求. 为此随机抽取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, 10.5, 10.1, 10.2. ● 确定总体：记 X 为该厂生产电阻的测值，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：上面的任务是要通过样本检验“X 的 均值μ =10”这一假设是否成立。 I. 如何建立检验模型 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: H0：μ =10； H1：μ≠10. 在数理统计中，把 “ X 的均值 μ =10” 这样一个待检验的假设记为 “原假设” 或 “零假设”,记成 “ H0：μ =10”。 II. 解决问题的思路 因样本均值是 μ 的一个很好的估计。所以，当 μ =10，即原假设 H0 成立时, 应比较小； 如果该值过大, 想必 H0 不成立。 于是，我们就用 的大小检验 H0 是否成立。 合理的做法应该是：找出一个界限 c， 这里的问题是,我们如何确定常数c呢? ② 细致的分析 ∵对此问题 n=10 ?=0.1 于是,当原假设 H0:μ=10 成立时,有: 现在我们考虑一个相当小的正数?.例如? =0.05. 于是,当原假设 H0:μ=10 成立时,有: 现在我们就得到检验准则如下: ③ 用以上检验准则处理我们的问题. 未落入拒绝域, ∴接受原假设 H0:μ=10. 称?为假设检验的显著性水平,简称水平. 通常?=0.05或0.01等. 因为，当原假设是 H0:μ =10 成立时， 所以，当 ? 很小时，若 H0 为真(正确), 则检验统计量落入拒绝域是一小概率事件 (概率很小，为? )。前面我们曾提到：“通常认为小概率事件在一次试验中基本上不会发生”。 III. 方法原理 那么，如果小概率事件发生了，即: 发生, 就拒绝接受 H0 成立，即认为 H0不成立。 IV. 两类错误与显著性水平 当我们检验一个假设 H0 时，有可能犯以下两类错误之一：H0 是正确的，但被我们拒绝了，这就犯了“弃真”的错误，即抛弃了正确假设；H0 是不正确的，但被我们接受了，这就犯了“取伪”的错误，即采用了伪假设。 因为检验统计量总是随机的，所以，我们总是以一定的概率犯以上两类错误。 通常用 α 和 β 记犯第一、第二类错误的概率，即 在检验问题中，犯“弃真”和“取伪”两类错误都总是不可避免的，并且减少犯第一类错误的概率，就会增大犯第二类错误的概率;反之亦然。 所以，犯两类错误的概率不能同时得到控制。 在统计学中，通常控制犯第一类错误的概率。一般事先选定一个数 ?(0?1)，要求犯第一类错误的概率不超过 ?。称 ? 为假设检验的显著性水平，简称水平。 犯第二类错误的概率的计算超出了课程的学习范围。因此，不作讨论。 假设检验的两类错误 犯两类错误的概率: 例1(续)：分析该例的显著性水平。 H0:μ =10， 现在我们来分析一下：取上述 c 后，如果 H0 是正确的，却被我们拒绝了。这时，犯第一类错误的概率是多少呢？ 可见：用该方法进行检验时，犯第一类错误的