第六章口 假设检验2006.docVIP

第六章 参数假设检验 假设检验（test of hypothesis）亦称显著性检验（test of statistical significance），就是先对总体的参数或分布做出某种假设，如假设两个总体均数相等，总体服从正态分布或两总体分布相同等，然后用适当的统计方法计算某检验统计量，根据检验统计量的大小来推断此假设应当被接受或拒绝，它是统计推断的另一重要方面。 假设检验可以分为两类：一类是已知总体分布类型，对其未知总体参数的假设作假设检验，称为参数检验（parametric test），主要讨论总体参数（均值、方差、总体率等）的检验；另一类是对未知总体分布类型的总体假设作假设检验，称为非参数检验（non-parametric test），主要包括总体分布形式的假设检验、随机变量独立性的假设检验等。本章主要介绍有关总体参数（均值、方差、总体率等）的参数检验问题。 第一节 假设检验的基本概念 一、假设检验问题及基本原理 （一）假设检验问题 我们先来看个具体的例子。 例6.1 某药厂用自动包装机包装葡萄糖，按规定每袋葡萄糖的标准重量为500克，若已知包装机包装的每袋葡萄糖重量服从正态分布，且按以往标准知总体方差(2=6.52，某日开工后，为检验包装机工作是否正常，随机抽取6袋葡萄糖，测得其平均重量=504.5（克），问该日自动包装机包装的平均重量是否还是500克？ 某日随机抽取的6袋葡萄糖的平均重量=504.5（克），与标准重量500克相比差4.5克，造成该差异的原因有两种可能：①这日自动包装机工作正常，其包装的总体平均重量(=500克，此6袋葡萄糖的平均重量这一样本均值与总体均值不同，是随机抽样误差造成的；②这日自动包装机工作不正常，其包装的总体平均重量(≠500克，故从此总体中随机抽取的6袋葡萄糖的平均重量与标准重量存在实质性差异，而不仅仅是抽样误差造成的。 上述两种可能是相互对立的、互不相容的，究竟哪一种可能是对的，可用假设检验的方法来判断。按照逻辑推理，可先假设第一种可能成立，即假设H0:(=(0=500（克）成立。 在假设检验中，通常将所要进行检验的假设称为原假设(或零假设)，用H0表示；而将原假设的对立面称为备择假设(或对立假设)，用H1表示。 例如对例6.1，有原假设H0:(=500；备择假设H1:(≠500。 （二）假设检验的基本原理 假设检验的基本思想就是所谓概率性质的反证法，这即为了检验原假设是否正确，首先假定原假设H0成立，在原假设H0成立的条件下根据抽样理论和样本信息进行推断，如果得到矛盾的结论，就推翻（拒绝）原假设，否则，则接受原假设。这里我们在概率性质的反证法中运用了小概率原理，即小概率事件在一次试验中几乎不可能发生。如果小概率事件在一次试验中发生了，即认为导出（不合理或出现）矛盾，则可判（推）断原假设不成立。 例如对例6.1，应检验原假设H0:(=500(=(0)是否成立。为此，首先假定原假设H0成立，则总体X服从N((0,6.52)，再用样本去检验H0的真伪。由于样本所包含的信息较分散，一般需要构造一个检验统计量去进行判断。例6.1是正态总体均值(的参数检验问题，在方差(2已知和原假设H0成立下，考虑(的无偏估计量的抽样分布，有 ～， 故可以取 ～ N (0,1) （6.1） 作为检验统计量。 对于给定的一个小概率(（0(1），通常取(=0.05，可查正态分布双侧分位数表（附表3）得到临界值z(/2，（还是用更好？）使得 （对应地，有）（参见图6-1） 此时，事件 =P 是个概率为(的小概率事件。对于一次抽样的样本值，计算统计量z的观测值，如果落在上述小概率事件的范围内，则表明小概率事件在一次抽样试验中居然发生了，即可认为导出矛盾？而拒绝原假设H0。 对例6.1，由题中条件得 =504.5，(0=500，(2=6.52, 则检验统计量Z的观测值为 再由正态分布分位数表（附表4）查得临界值 z(/2=z0.025=1.96， 由于 |z|=1.6961.96，即小概率事件在一次抽样试验中没有发生，故没有导出矛盾，所以不能拒绝原假设，接受原假设 H0：(=500， 即认为该日自动包装机包装的平均重量还是500克。 在假设检验中，我们将事先给定的小概率(称为显著性水平(Significance level)；将拒绝H0还是接受H0的界限值称为临界值(Critical value)；将拒绝原假设H0的区域称为拒绝域(Region of rejection)。 例如在例6.1中，检验的显著性水平(=0.05， 临界值Z(/2=1.96，拒绝域为（|Z|≥1.96）。 如图6-1所示，如果由样本值所得到的检验统计量的值