概率8修改导论.ppt

* §1 假设检验的基本概念 §2 单个正态总体均值与方差的假 设检验 §3 两个正态总体均值差与方差比 的假设检验 §1 假设检验的基本概念 引例 某产品出厂检验规定: 次品率p不超过4%才能出厂. 现从一万件产品中任意抽查12件发现3件次品, 问该批产品能否出厂？若抽查结果发现1件次品, 问能否出厂？ 这是 小概率事件 , 一般在一次试验中是不会发生的, 现一次试验竟然发生, 故认为原假设不成立, 即该批产品次品率 则该批产品不能出厂. 注 本检验方法是概率意义下的反证法。 解 假设 则 这不是小概率事件, 没理由拒绝原假设,从而接受原假设, 即该批产品可以出厂. 原假设或零假设 H0 : 备择假设或对立假设 H1 : 对立 假设检验的任务： 必须在原假设与备择假设之间作一选择。 在原假设下，利用样本观测值对实际问题进行分析，如 果发生小概率事件，则拒绝接受原假设（接受备择假设）。 如果发生大概率事件，则接受原假设。这种统计推断的问题 称为假设检验问题。 假设检验中的小概率值称为显著性水平。 记为 通常取为0.01，0.05或0.1. 例1.1 某车间用一台包装机包装味精，每袋标准重量为100g，由已往经验知每袋重量的标准差 保持不变，每隔一定时间需要检查包装机的工作情况，现抽取 9 袋，测得它们的净重为： 99.0，100.2，99.3，99.1，99.6，99.2，99.9，100.1，99.3 假定每袋味精重量服从正态分布，试问这段时间内包装机的工作是否正常（取显著性水平 ）？ 解 设每袋重量 ,包装机的工作是否正常， 相当于判断 是否正确. 因此原假设H0： 备择假设为H1： 在H0 正确条件下,因为 是 的无偏 估计,所以 应该比较小，于是 也应该很小， 就应该拒绝H0. 即 大过某个常数时， 对于给定的显著性水平 ，令 在H0 正确条件下, ，可以适当的选取 值，当 时，就拒绝H0 ， 根据标准正态分布上 分位点的定义知 。 如果统计量 满足 ，则意味着概率为 的小概率事件发生， 根据实际推断原理，应拒绝原假设H0. 如果统计量 满足 , 则应接受原假设H0. 为了给出恰当的 值， 现在 所以拒绝H0，即认为这段时间内包装机的工作不正常． 原假设H0的拒绝域。 检验统计量。 假设检验的结果可能犯两类错误： 第一类错误：当原假设H0为真时, 作出的决定却是拒绝 H0，犯这类错误的概率不超过显著性水平 。 第二类错误：当原假设H0不正确时，作出的决定却是接 受H0，犯这类错误的概率记为 。 在确定检验法则时，应尽可能使犯两类错误的概率都较小．但是，一般说来，当样本容量给定以后，若减少犯某一类错误的概率，则犯另一类错误的概率往往会增大，要使犯两类错误的概率都减小，只好增大样本容量．在给定样本容量的情况下，我们总是控制犯第一类错误的概率，让它小于或等于 ，而不考虑犯第二类错误的概率．这种检验问题称为显著性检验问题． 原假设H0： 备择假设H1： 双边检验． 原假设H0： 备择假设H1： 左边检验． 原假设H0： 备择假设H1： 右边检验． 参数检验的一般步骤为： 1．根据问题的要求，提出原假设 H0和备择假设 H1； 2．给出显著性水平 及样本容量 n ； 3．在H0正确的前提下，确定检验统计量 T 及拒绝域的形式； 4．按犯第一类错误的概率等于 求出拒绝域W； 5．根据样本值计算 T 的观察值 t，当 时，拒绝H0 ， 否则, 接受H0． 例1.2 某工厂生产的固体燃料推进器的燃烧率服从正态 分布 , ,现在用新方法生产了一 批推进器，从中抽取 n=25只，测得燃烧率的样本均值为