概率论7-1.pptVIP

参数检验 假设检验——对总体X作某种假设，然后依据样本数据，利用概率论的知识，判定假设“H0”是否成立的推断方法。 总体分布类型已知但含有未知参数，对未知参数作某种假设，然后判定假设的正确性。 总体分布类型未知，对总体的分布类型等作某种假设，然后判定假设的正确性。 非参数检验? 两类典型问题 第七章 假设检验 §1 假设检验 一、问题的引出 二、常用术语 四、方法步骤 三、方法分析 引例 1 某车间用一台包装机包装葡萄糖，额定标准为每袋净重0.5公斤。设实际袋重服从正态分布，且?=0.015。某天开工后，随机抽取9袋，称得净重为 0.497 0.560 0.518 0.524 0.489 0.511 0.510 0.515 0.512 问包装机的工作是否正常。 一、问题的引出 思考：怎样算是 “包装机的工作正常”？ 总体的均值是否等于额定值 0.5 ？ 各袋重量允许有误差，但平均袋重应当稳定在额定标准！ 解决思路： 假设?的值等于0.5，我们以样本数据为事实依据，来检验该假设的正确性。 由于样本均值是总体?的无偏估计，故当H0为真时， 当H0为真时, 如果 过分大，则有理由 怀疑H0的正确性从而拒绝H0 分析： 记包装机所包装的糖的重量为X , 则 假设 H0 ：?=?0=0.5 （相当于假设包装机工作正常） ， 小概率原理(实际推断原理) 一个小概率事件,在一次试验 中可以认为是不会发生的。 代入样本值，计算可得 小概率事件在一次试验中竟然发生了，与“小概率原理”相背--矛盾！ 因此，我们有理由认为，假设H0不真，而拒绝之。 有理由认为包装机工作不正常。 {|U|1.96}是一个概率很小的事件！ 比如取?=0.05，就有 概率反证法：如果小概率事件在一次试验中竟然发生了，我们就 以很大的把握 否定原假设。 509 . 0 = x 统计量的实测值落入了拒绝域 二、常用术语 故假设H0是不合理的，从而拒绝H0，接受H1，即认为包装机的工作不正常。 临界值点 解： 假设H0 ：?=?0=0.5， 且记H1 ：?≠?0=0.5， 由于X～N(?0，?2), 故 检验统计量 对于给定的 ?=0.05， 检 验 水平 有 P{|U|k}=0.05 拒绝域 其中 k=z?/2=1.96。 实际计算得 原假设 备择假设 返回 引例 当H0为真时， 509 . 0 = x 1、两种易犯的错误 ? “弃真”错误： “弃真”错误发生的概率 三、方法分析 即为 检验水平? ，即 为？ 当假设H0为真时，因样本的统计量的观察值落入拒绝域，按此方法，H0被拒绝。 因代入样本值， 概率（?）很小的事件{|U|1.96}发生了 ? 拒绝H0 发现 ● ● ● ● ● P{拒绝H0| H0为真} = ?。 ? “纳伪”错误：当H0为假时，因样本的统计量的观察值落入接受域，按此方法，H0 被接受。 “纳伪”错误发生的概率 P{接受H0|H0为假}= ?。 注：?≠1-?. 在实际应用中,这两种错误,都会带来损失！ 为 ？ 通常记为? ，即 ● 难计算！！ 愿望: ?和?都尽可能地小. 事实: n一定时, ? 、?不会同时减少 ; 原则: 通常只控制犯第一类错误的概率,即只控制使?适量地小,（如：取?为0.1, 0.05, 0.01, 0.005等,）而不考虑第二类错误的概率. 这样的检验称为显著性检验,数?称为显著性检验水平. 有人已论证： 当n充分大时,?和?可同时减少,或?(或?)减少而不至于使?(或?)增加. 2、假设的确定 原则之一：若检验的目的是判断某假设是否成立，该假设就是原假设H0 ，其反面作为备择假设H1. 原则之一：若假设中含有等号，如含“?”“?”“＝”，该假设就可作为原假设H0 ，其反面就是备择假设 H1 。 为了便于进行检验，我们需将原假设H0取为等式的形式，而备择假设H1 中符号不变. 可以证明：此时的拒绝域与未改变符号时的拒绝域是完全一样的！ 例如 某批矿砂5个样品中镍含量（?）经测定为 3.25，3.27，3.24，3.26，3.24 ；设总体X服从正态分布，且按标准，矿砂的镍含量应不低于3.25。问在?=0.01下能否认为这批矿砂的镍含量达到要求？ H0：?=?0；H1：??0 将 作为原假设,即： 3、检验的分类 例如：有两个总体 X～N(?1，?12), Y～N(?2，?22) 要问：两总体的均值是否有显著的差别？ 应设 H0：?1=