概率论教学课件—概率4-1张颖.pptVIP

检验结果的含义 1.按检验对象分类：参数检验，非参数检验. 两种易犯的错误 * * 第4章 假设检验 所谓假设检验就是对总体X作某种假设，然后利用概率论的知识和从总体中抽取样本而获得的信息，判定假设是否成立的推断方法. 所谓假设检验就是对总体X作某种假设，然后利用概率论的知识和从总体中抽取样本而获得的信息，判定假设是否成立的推断方法. 两类假设检验问题 1. 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，然后判断假设的正确性. 2. 总体分布类型未知，对总体的 分布类型等作某种假设，然后 判断假设的正确性. 参数检验 非参数检验 问题1 某车间用一台包装机自动包装葡萄糖,额定 标准为每袋净重0.5公斤.设每袋重量服从正态分布, 且?=0.015.某天开工后,随机抽取9袋,称得净重为 0.497 0.506 0.518 0.524 0.498 0.511 0.520 0.515 0.512.问包装机的工作是否正常? 问题2 在十块土地上试种甲,乙两品种作物，所得产量分别为(x1,x2,…,x10),(y1,y2,…,y10)，假设作物产量服从正态分布，问这两个品种的产量有无差别？ 两总体的均值是否相等？ 总体的均值是否等于额定值0.5？ 问题1、2是参数检验 已知总体的样本资料，要求推断 ? 该总体的均值（或方差）是否等于某值？ ? 两总体的均值（或方差）是否相等？ ? 该总体的分布是否为某种分布？ 问题1、2是参数检验，问题3是分布检验. 问题3 某电话交换台在一小时内接到电话用户的呼唤次数按分钟统计得到记录 呼唤次数 0 1 2 3 4 5 6 ≥7 频 数 8 16 17 10 6 2 1 0 问电话呼唤次数X是否服从泊松分布？ 总体的分布是否为泊松分布？ §1 假设检验的基本概念 0.497 0.506 0.518 0.524 0.498 0.511 0.520 0.515 0.512 问这天包装机的工作是否正常? 引例: 某车间用一台包装机自动包装葡萄糖,额定标准为每袋净重0.5公斤.设包装机包装的实际袋重服从正态分布,且标准差? =0.015(公斤).某天开工后,为检验包装机的工作是否正常,随机抽取9袋,称得净重为: 自己动脑、动手，拿出你的结论！！ 你遇到了什么困难？ 0.5 如何下结论? 困难之一: 这太难为工人和 机器了, 不合理!不合理! 在实际中,应允许机器有一定的误差,那么误差多大算作不正常,误差多小算作正常呢? 若误差不超过0.02公斤算作正常,则上述问题的结论是:包装机工作正常; 若误差不超过0.01公斤算作正常,则上述问题的结论是:包装机工作不正常. 标准如何确定?! 判断包装机工作正常或不正常标准是什么? 若只有当 时才认为包装机工作正常，显然是不合理的! 困难之二: 假如现在给定的标准是误差不超过0.01公斤算作正常,则你的结论是:包装机工作不正常. 但结论正确的可能性有多大？ 工作正常不正常的标准问题. 你的结论确实是正确的可能性有多大的问题. ★下面利用假设检验的思想和方法来解决这些问题. 假设检验的思想和方法 小概率原理 (实际推断原理)即概率很小的事件A在一次试验中是几乎不可能发生的.如果,在一次试验中事件A竟然发生了,则事属反常,故有理由怀疑试验的原定条件不成立. 它不同于一般的反证法 概率反证法的逻辑是：如果小概率事件在一次试验中居然发生，我们就以很大的把握否定原假设. 一般的反证法要求在原假设成立的条件下导出的结论是绝对成立的，如果事实与之矛盾，则完全绝对地否定原假设. 概率反证法 概率反证法 小概率原理 欲判断假设 的真假，先假设 为真，在此前提下 构造一个能说明问题的小概率事件A，试验取样，用样本信息确定A是否发生. 在一次试验中如果事件A竟然发生了，则事属反常，违背小概率原理，故有理由怀疑试验的原假设不成立，拒绝接受 .若小概率事件没有发生，没有理由拒绝 ，只好接受它. 假设检验的思想和方法 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. 0.497 0.506 0.518 0.524 0.498 0.511 0.520 0.515 0.512