概率论与数理统第19讲 9.25.docVIP

概率论与数理统计第19讲（夜大） 第六章 假设检验 统计推断的另一类重要问题是假设检验问题。在总体分布函数完全未知或只知道其形式，但不知道其参数的情况，为了推断总体的某些未知特性，提出某些关于总体的假设，然后根据样本对所提出的假设作出是接受，还是拒绝的决定。 例1 生男生女问题。按照现代生物学观点，生男生女机会应该相同。但是历史上统计数据却与之相矛盾，即生男的机会略大于生女。最早提到这一现象的是英国的统计学家格朗特（他是一名服装店主的儿子，子承父业，后来自学成才），他在其著名的著作《关于死亡公报的自然和政治观察》（该书是第一部系统论述统计数据处理方面的著作，有人认为它标志着统计学的开端）一书中，根据多年的统计资料，计算出当时伦敦生男生女的比率为14：13。后来，印度的著名统计学家劳在所著《统计与真理》一书中再次提到了这一现象（他让研究生去加尔各答印度统计所附近的一家医院，记录出生婴儿的情况）。到1710年，有一位名叫阿布兹诺特的学者，在英国皇家学会宣读了一篇题为《从两性出生数观察的规律性所得关于神的旨意存在的一个论据》的论文，从数学的观点对此问题进行了分析。他研究了82年伦敦出生的男女婴数目，发现在这连续82年总都是男多于女。他于是这样推理：有两种可能性：（1）生男生女纯属偶然（即机会均等）；（2）由于“神的旨意”，生男的机会大于生女。如果（1）成立，则在一年内出生的男婴多于女婴的概率，不超过1/2，因而连续82年出现这种情况的概率，不应超过。这个问题可以这样理解，好比从一个有1亿亿亿个球，其中只有一个白球，要在一次随机抽样中恰好抽到这个白球这样小的一个概率事件居然发生了。这是不和情理的。因此，我们有理由否定（1）而接受（2）。 阿布兹诺特的工作在统计史上有重要的意义，因为他首先提出了利用统计数据去验证一种说法（理论、学说、假说等）是否成立的问题，并在该特定的问题中提出了具体的处理方法。经过20世纪前期一些重要的统计学家的发扬光大，发展成统计推断中最重要的分支之一——假设检验。 例2 “女士品茶”。我们曾多次提到的费舍，是这些大学者之一。他曾用一个“女士品茶”的例子来说明他的“显著性检验”思想。一种饮料由牛奶和茶混合而成，调制时可以先倒茶后倒牛奶，也可以先倒牛奶后倒茶。有一位女士说她能分辨此二者。费舍设计了一个试验来检验该女士的说法是否正确。试验的布置是：准备8杯看上去一样的饮料，其中TM和MT各4杯，把这一点告诉该女士（当然不指出哪4杯是MT），然后让她品尝这8杯饮料，指出哪4杯是TM。根据她的回答来估量她是否确有分辨TM和MT的能力。 现设结果是该女士4杯全说对了，该如何评估这个结果？费舍的推理与阿布兹诺特相似：假设该女士毫无分辨能力，则这8杯饮料对她来说毫无差别，她从中挑出4杯，纯粹是一种随机举动，即挑出任意4杯都有同等可能。从8杯中挑出4杯的不同挑法，有种，其中只有一种是全部挑对，其概率是1/70。因此，在“该女士4杯全部挑对”这个试验结果出现时，只有两种可能的解释： （1）该女士对TM和MT并无鉴别能力，所得结果纯属偶然； （2）该女士对TM和MT有一定的鉴别能力。 按上面的计算，若坚持第一种解释，则我们就必须承认：发生了一件其概率只有1/70的事情。由于概率相当小，这看上去不太可信，因而我们摒弃这一解释而接受第二种解释。费舍由此得到结论：该女士对TM和MT具有一定的鉴别能力。 费舍的推理中包含了以下几个要点：（1）问题是要辩明试验结果是否支持某种效应（如分辨能力）；（2）把“效应不存在”作为一个假设（如本例中无鉴别能力）；（3）找一个显示结果与假设之间的偏差的量，在“假设正确”的前提下，计算出现这么大偏差的概率P；（4）如果概率小到某个程度，以至于认为发生概率这么小的事件不可信，则认为数据没有给假设以足够的支持，或反过来说，数据支持“效应存在”的说法。反之，若概率并非足够小，则数据没有给予“否定假设”以足够的支持，换句话说，对“效应存在”的说法，从数据中并未得到充分的支持。 为使大家对这个过程有更清楚的了解，我们再对上面的例子进行分析。用X表示该女士挑对的杯数，X可以取0，1，2，3，4。若X=0，1，2，则显然不构成怀疑假设正确的理由，因为她即使凭空瞎猜，平均也有猜中2杯的可能。若X=3，4，则表面上显示了她可能有一定的鉴别能力，但是否已经超出了“瞎猜”所能解释的范围呢？这就要具体分析。X=4的情况我们已经进行了分析，如果瞎猜，概率只有1/70，这数字太小，小到我们感到，如果把它委之于碰运气不合理的程度了，因而我们倾向于否定她没有鉴别能力的假设。若X=3，则计算表明，即使纯粹凭借瞎猜，该女士得出这么好乃至更好的概率，也有，接近1/4