第4章假设检验总结.ppt

第三章 假设检验 一、假设检验的基本原理 例1 某厂有一批产品,共有10000件,需检验合格方能出厂.按规定次品率不得超过2%. 今从中任取100件,发现有5件次品,问这批产品能否出厂? 二 基本概念 原假设和备择假设 简单假设和复合假设 二、 Neyman-Pearson 引理 三、一致最优功效检验 四、一致最优功效无偏检验 七 非参数检验 前面所介绍的估计与假设检验都是在已知总体分布的条件下，对总体的一些参数，如均值和方差等进行估计或假设检验。但现实生活中所遇到的统计问题往往并不知总体的分布，我们想要根据一组样本的信息来推断总体是否属于某种理论分布，或者判断某种现象的出现是否是随机的，或者是两种及两种以上的现象之间是否有联系，及联系的紧密程度如何等等。这类问题统称为非参数检验问题。 检验能够检验观察到的频率分布是否服从于某种理论上的分布，或者说检验某一实际的随机变量与某一理论分布之间的差异是否显著。这样就可以用来确定某种具体的概率分布究竟是否符合某种理论分布，如二项分布，泊松分布或正态分布，以便我们掌握这种分布的特性。同时，这种检验反过来也就确定了用某种理论分布来研究某一实际问题时的适应性。用于这方面的检验时称作拟合优度的检验。 2、总体为连续分布的情况 设 为来自总体X 的一个样本，要检验的假设是： X 服从分布 其中 中可以含有k 个未知参数，若k 0，那就完全已知。 在这种情况下检验的做法如下： （1）任意取r-1个实数使得 把X 的取值范围分成r 个互不相交的区间： （2）统计样本落入这r 个区间的频数，以ni表示样本观察值落在区间内的个数（一般要求r 5， ） 。 （3）当k≠0时，对k 个未知参数给出其极大似然估计，记 从而用未知参数的极大似然估计代替后可算得各 （4）在计算得到ni和 以后，计算统计量 统计上也已证明这一统计量服从于自由度r-k-1为的 分布。 对于给定的显著性水平 ，我们查相应的自由度为 r-k-1的 表，就可得到 ，使得 若 时就拒绝原假设H0，我们认为被检验 总体的真实的分布函数不为 。 例 为研究混凝土抗压强度的分布，抽取了200件混凝土制件测定其抗压强度，经整理得频数分布表如下表。 试在 0.05水平上检验抗压强度的分布是否为正态分布。 解 若用 表示 的分布函数，则要检验假设： H0：抗压强度的分布 又由于 中含有两个未知参数 ，因而需用它们的极大似然估计去替代。这里仅给出了样本的分组数据，因此只能用组中值（即区间中点）去代替原始数据，然后求 的MLE。现在6个组中值分别为 于是 在 分布下，求出落在区间 内的概 率的估计值： （通常将定义a0为 ，将ar定义为 ）。本例中r 6。采用 作为检验统计量，在 0.05时， ， 因而拒绝域为 由样本计算值的过程列于表中。由此可知 1.332 7.815，这表明样本落入接受域，可接受抗压服从正态分布的假定。 由本例可见，当 为连续分布时需将取值区间进行分组，从而检验结论依赖于分组，分组不同有可能得出不同的结论，这便是在连续分布场合 拟合优度检验的不足之处。然而在除正态分布外的场合尚缺少专门的检验方法，故不得不用此 拟合优度检验。 根据格里汶科定理，我们可以把样本经验分布函数Fn x 看作实际总体分布函F x 的缩影。如果原假设成立， Fn x 与F x 的差距一般不应太大.由此柯尔莫哥洛夫提出一个统计量 并且得到这统计量Dn的精确分布和极限分布 ，它们都不依赖于总体的分布。 定理 设总体X 有连续分布函数F x ，从中抽取容n量为的子样，并设经验分布函数为Fn x ，则 的分布函数 其中 当 时有极限分布函数为： 在应用柯尔莫哥洛夫检验时,应该注意的是,原假设的分布的参数值原则上应是已知的。但在参数为未知时，近年来有人对某些总体分布如正态分布和指数分布用下列两种方法估计： 1 可用另一个大容量样本来估计未知参数； 2 如果原来样本容量很大，也可用来估计未知参数。不过此Dn-检验是近似的，在检验时以取较大的显著性水平为宜，一般取 0.10~0.12。 柯尔莫哥洛夫检验的步骤如下： 1 从总体抽取容量为n 的样本，并把样本观察值按由小到大的次序排列 2 算出经验分布函数： （3）在原假设下H0，计算观测值处的理论分布函数F x 的值（若总体分布函数F x 中含有未知参数，则利用样本观测值计算出未知参数的估计值）； 4 对每一个xi算出经验分布函数与理论分布函数的差的绝对值 与 （因为 可能在某个 或 处达到。） 5 由 4 算出统计量的值 6 给出显著性水平 ,由柯尔莫哥洛夫检验的临界 值表查出 的临界值 ；当n 100 时，可通过 查的极限分布函数临界 值表得