[第八章假设检验12.pptVIP

第八章 假设检验 * * §8.1 假设检验 根据样本的信息检验关于总体的某个假设是否正确。 参数假设检验 非参数假设检验 让我们先看一个例子： 参数假设检验 罐装可乐的容量按标准为355毫升。生产流水线上罐装可乐不断地封装，然后装箱外运。怎么知道这批罐装 可乐的容量是否合格呢？ 通常的办法是进行抽样检查： 如每隔1小时，抽查5罐，得到一个容量为5的样本（ x1，…，x5 ）。 每隔一定时间，抽查若干罐 。 如何根据这些值来判断生产是否正常？ 在正常生产条件下，由于种种随机因素的影响，每罐可乐的容量应在355毫升上下波动。这些因素中没有哪一个占有特殊重要的地位。因此，根据中心极限定理，假定每罐容量服从正态分布是合理的。 要检验的假设： H0： （ = 355） 对立假设： H1： 称 H0为原假设（零假设）； 称 H1为备择假设（对立假设）。 在实际工作中，往往把不轻易否定的命题作为原假设。 如何判断原假设 H0 是否成立？ 若H0为真，则 合理的界限在何处？ 应由什么原则来确定？ 两类错误 第一类错误（弃真错误）： H0为真时拒绝H0 。 第二类错误（取伪错误） H0为假时接受H0 。 P{ H0为真时拒绝H0 } 对给定的显著性水平 ，可以在N(0,1)表中查到分位点的值 ，使 W： 为拒绝域 如果由样本值算得该统计量的实测值落入区域W，则拒绝H0 ；否则，不能拒绝H0 。 小概率事件在一次试验中基本上不会发生。 小概率准则（实际推断原理）： 例 这里有两个盒子，各装有100个球。 另一盒中的白球和红球数 99个白球 一个红球 …99个 一盒中的白球和红球数 99个红球 一个白球 …99个 现从两盒中随机取出一个盒子，问这个盒子里是白球99个还是红球99个？ 假设：这个盒子里有99个白球。 从中随机摸出一个： p=1/100 是小概率事件 小概率事件在一次试验中基本上不会发生。 我们有很大的把握说： 原假设：“这个盒子里有99个白球。” 不成立 这里所依据的逻辑是： 如果H0 是对的，那么衡量差异大小的某个统计量落入区域 W(拒绝域) 是个小概率事件。如果该统计量的实测值落入W，也就是说， H0 成立下的小概率事件发生了，那么就认为H0不可信而否定它。否则我们就不能否定H0 （只好接受它）。 是一个小概率事件 不否定 H0并不是肯定 H0 一定对，而只是说差异还不够显著，还没有达到足以否定 H0 的程度。 所以，假设检验又叫“显著性检验”, 的选择要根据实际情况而定。 常取 如果在 很小的情况下 H0 仍被拒绝了，则说明实际情况很可能与之有显著差异。 基于这个理由，人们常把 时拒绝H0称为是显著的，而把在 时拒绝H0称为是高度显著的。 假设检验的一般步骤： 1. 提出原假设和备择假设； 2. 取一检验统计量，在H0成立下求出它的分布； 3. 对给定的显著性水平α，查表确定临界值，从而得拒绝域 ； 4. 将样本值代入算出统计量的实测值,并以此作出结论。 例1 某织物强力指标X的均值 =21公斤. 改进工艺后生产一批织物，今从中取30件，测得 =21.55公斤。假设强力指标服从正态分布 且已知 =1.2公斤， 问在显著性水平 =0.01下，新生产织物比过去的织物强力是否有提高? 解: 提出假设: 右边检验 拒绝域为： 代入 =1.2, n=30，并由样本值计算得统计 量 Z 的实测值： 2.33 故拒绝原假设 H0 ，认为： 新生产织物比过去的织物强力有显著提高。 =2.33 单边检验： { 双边检验： 右边检验： 左边检验： §8.2 正态总体均值的假设检验 （一）单个正态总体均值的检验 双边检验： 拒绝域为： 右边检验： 拒绝域为： 左边检验： 拒绝域为： 检验统计量： 双边检验： 拒绝域为： 右边检验： 拒绝域为： 左边检验： 拒绝域为： 例2 某工厂生产的一种螺钉，标准要求长度是32.5毫米. 实际生产的产品，其长度X假定服从正态分布 未知，现从该厂生产的一批产品中抽取6件, 得尺寸数据如下: 32.56, 29.66, 31.64, 30.00, 31.87, 31.03 问这批产品是否合格 ? 解： 已知 X~ 未知。 得拒绝域： W: |t |