第7章参数假设检验.pptVIP

第七章 参数假设检验 假设检验的概念 假设检验（显著性检验）：事先对总体参数或总体分布形式作出一个假设，然后利用样本信息判断原假设是否合理，即判断样本信息与原假设是否有显著差异，从而决定应接受或否定原假设。 参数检验：已知总体分布，猜出总体的某个参数（假设H0），用一组样本来检验这个假设是否正确（接受或拒绝假设H0） 非参数检验：猜出总体分布（假设H0），用一组样本检验该假设是否正确 一、假设检验的基本思想 某企业生产一种零件，过去的大量资料表明，零件的平均长度为4厘米，标准差为0.1厘米。工艺改革后，抽查了100个零件，测得样本的平均长度为3.94厘米。现问：工艺改革前后零件的平均长度是否发生显著变化？ 分析：样本平均长度与原平均长度出现差异不外乎二种可能，一是改革后平均长度不变，但由于抽样的随机性使样本平均数与总体平均数存在误差；二是由于工艺条件的变化，使总体平均数发生显著变化。因此可以这样推断，如果样本平均数与总体平均数之间差异不大，未超出抽样误差范围，则认为总体平均数不变；反之，如果样本平均数与总体平均数之间的差异超出抽样误差的范围，则认为总体平均数发生显著变化。 一、假设检验的基本思想 一、假设检验的基本思想 二、假设检验的步骤 1、提出原假设和备择假设 原假设（零假设）：正待检验的假设，记为H0；备择假设（对立假设）：拒绝原假设后可供选择的假设，记为H1， 二者必须对立，检验结果二者取其一。 原假设的提出根据所检验问题的具体背景而定，采取“不轻易拒绝原假设”的原则，即把没有充分理由不能轻易否定的命题作为原假设，而相应地把没有把握就不能轻易肯定的命题作为备择假设 假设的三种形式： 1 双侧检验 H0：μ＝ μ0，H1： μ?μ0； 2 左侧检验 H0：μ＝ μ0，H1： μ μ0； 3 右侧检验 H0：μ＝ μ0，H1： μ μ0 二、假设检验的步骤 2、选择适当的统计量，并确定其分布形式 不同的假设检验问题需选用不同的统计量作为检验统计量 3、选择显著性水平?，确定临界值 显著性水平表示H0为真时拒绝原假设的概率，即拒绝原假设所冒的风险，假设检验应用小概率事件实际不发生的原理，小概率为?，通常取0.1、0.05或0.01 给定?，就可以确定接受区域和拒绝区域 4、作出结论 计算检验统计量的具体值，与临界值比较，作出拒绝或接受原假设的结论。 三、假设检验的两类错误 当我们依据样本数据，来判断 H0对或不对时，我们可能犯错误。例如，当我们判断H0不对时，就相当于拒绝了H0 ，接受了H1。这时，我们可能犯错误：在H0 成立的情况下，我们却拒绝了H0 。我们把这件事记为：“拒绝H0 | H0是对的”。 我们当然希望犯错误的概率很小，例如，1%，5%之类（记这个概率为α），也就是概率P 拒绝H0| H0为真 ，很小。称这类错误，为“第一类错误”，也就是“弃真”错误。 三、假设检验的两类错误 事实上还可能发生另一类错误：“存伪”错误。 如果我们假设H0是不对的，但计算的结果却接受H0（记为“接收H0| H0为假”），就犯了存伪错误。 当然，我们也希望所犯的“存伪”的错误的概率很小，也就是P 接收H0| H0为假 ?，很小（通常取5%，或1%）。这种错误，称为第二类错误 习惯上，一般采用“弃真”错误的概率很小的准则 四、一个正态总体下的参数假设检验【总体X服从N（μ，σ2）μ与σ2的参数假设检验。】 关于正态母体均值μ的假设检验 本节讨论：关于均值的假设检验的如下三种情况： 1）已知方差σ2，假设H0：总体均值μ μ0（ μ0是某个确切的数字），通过样本观察值x1，x2，…, xn，检验H0是否成立（使弃真错误概率α很小，即概率P 拒绝H0| H0为真 很小）。 2）未知方差σ2，假设H0：总体均值μ μ0，通过样本观察值x1，x2，…, xn，检验H0是否成立（使弃真的错误的概率α很小，也就是概率P 拒绝H0| H0为真 很小）。 3）未知方差σ2，假设H0：总体均值μ≤μ0，通过样本观察值x1，x2，…, xn，检验H0是否成立（使弃真的错误的概率α很小，也就是概率P 拒绝H0| H0为真 很小）。 1）已知方差σ2，检验假设 H0 ：μ μ0 例1. 已知机器生产出来的零件直径服从正态分布，已知方差σ2为0.09（毫米2），假设H0：均值μ 10（毫米）。现在有一组样本观察值：10.01，10.02，10.02，9.99。请判断假设H0是否正确。 首先，应当找出一个的统计量，我们知道当X服从正态分布时，统计量 可以由样本算出，所以，z可以算出。 分析思路 注意：一些习惯格式与术语 习惯格式：原假设（或零假设）H0：μ μ0， 备择假设H1：μ≠μ0 若拒绝H0，就相当于备择假设H1（μ μ0，μ