0141_1.doc.docVIP

为了说明假设检验的基本思想，下面先看几个例子。 例1 某车间用包装机装葡萄糖，按照标准，每袋平均净重应为 （kg），现抽查9袋，测得净重（单位：kg）为 0.497，0.506，0.516，0.524，0.481，0.511，0.510，0.515，0.512。 问包装机工作是否正常？ 可以认为，每袋糖的净重服从正态分布，平均净重就是总体的均值，包装机工作正常时，应该有。所以，这相当于先提出了一个假设 ： ，然后要求我们根据实际测得的样本数据，检验它是否成立。 例2 对于某种针织品的强度，在80(C时，抽取5个样品，测得样本均值 ，修正样本标准差 ；在70(C时，抽取6个样品，测得样本均值 ，修正样本标准差 。设这种针织品的强度服从正态分布，问在80(C和70(C时的平均强度是否相同？ 设针织品在80(C和70(C时的强度,分别为 ～ 和 ～，平均强度就是两个总体的均值 和 ，所以，问题相当于要求从样本观测值出发，检验假设： 是否成立。 例3 已知某班学生的一次考试成绩，问学生的考试成绩是否服从正态分布？ 学生的考试成绩可以看作是总体的样本观测值，问题相当于提出了这样一个假设：～，然后要求从样本出发，检验它是否成立。 这三个例子有一个共同的特点，它们都是先提出了一个假设，然后要求从样本出发检验它是否成立。这种问题称为假设检验问题。 在假设检验中，提出要求检验的假设，称为原假设，记为 ，原假设如果不成立，就要接受另一个假设，这另一个假设称为备选假设，记为 。 例如，在上面的例1中，原假设是 ，备选假设是： 。在上面的例2中，原假设是： ，备选假设是： 。在上面的例3中，原假设是 ：～ ，备选假设是 ：不服从正态分布。 为了便于作假设检验，一般总是用带等号的式子作为原假设。当原假设与备选假设正好相反时，通常只写出原假设，备选假设就不写出来了。 假设检验是如何进行的呢？下面以一种简单的情形为例，推导出这种情形下的检验方法，并以此说明假设检验的基本思想和原理。 问题 设总体 ～，已知其中，是的样本，要检验： （其中是某个已知常数）。 分析推导 因为 ～，由2.5节的定理2.5可知，这时有～，其中是样本均值。 取一个统计量 。 若：为真，则 ，～ 。 若：不真，则 ，这时，这个随机变量，等于一个服从分布的随机变量，再加上一个不等于0的项，所以，这时统计量的分布，相对于分布来说，峰值位置会有一个向左或向右的偏移。 从样本可以算出的值，如果的值落在中间，绝对值较小，显然为真的可能性比较大，不真的可能性比较小，这时应该接受；如果的值落在两边，绝对值偏大，则不真的可能性比较大，为真的可能性比较小，这时应该拒绝。 为了区分中间和两边，我们可以定出一个值 ，把的取值范围分成两个区域： 和。称为接受域，称为拒绝域。从样本求出的值，的值落在中，就接受，的值落在中，就拒绝 。 用这样的方法来检验，会不会犯错误？当然会犯错误。下面把各种情形列一个表： 接受域，接受 拒绝域，拒绝 为真，不真 正确 犯第一类错误 不真，为真 犯第二类错误 正确 我们将犯第一类错误的概率记为 ，将犯第二类错误的概率记为 。我们自然希望犯这两类错误的概率都尽可能小，但是，它们是互相牵连的，小了，就会变大；小了，就会变大。 为了便于处理，通常的做法是，不考虑，只考虑，事先给定一个很小的 值（例如，或），称为显著水平。然后，根据显著水平 来确定分位数，用分位数来划分接受域 和拒绝域 。这样的检验，称为显著性检验。 例如在上面的问题中，设显著水平为，则有 。 为真时，～，由于分布的概率密度曲线关于是左右对称的，所以从 可知有，即有 。满足这一式子的分位数可从书后附录中 分布的分位数表中查到。 因此，可得到检验方法如下： 从样本求出统计量 的值。对于给定的显著水平，查书后附录中 分布的分位数表，可以求出分位数 ，使得。将统计量的值与分位数作比较，如果 就拒绝 ，如果 就接受 。 §4.2 正态总体参数的假设检验 4.2.1 单个总体，方差已知时，均值的检验 问题 设总体 ～，已知其中 ，是 的样本，要检验： 。 在上一节中，我们已经推导出这种情形下的检验方法，下面看一个例子： 例1 某厂生产的钮扣，其直径 ～，已知（mm），现从中抽查100颗，测得样本均值（mm）。已知在标准情况下，钮扣直径的平均值应该是（mm），问：是否可以认为这批钮扣的直径符合标准？（显著水平） 解 问题相当于要检验： 。 。 对 ，查 分布的分位数表，可得分位数 ，因为 ，所以接受 ： ，可以认为这批