wk 8-10_第七章 假设检验.ppt

图7. 3. 1正态概率密度函数 返回 图7.3.2 t分布概率密度 返回 图7. 3. 3卡方概率密度 返回 表7. 4. 1单个正态总体参数的假设检验表(显著性水平为α) 返回 谢谢观赏 第7章 假设检验 1 2 4 3 3 7. 1 假设检验概念 7. 2 两类错误 7. 3 单个正态总体的假设检验 7. 4 总体比率的假设检验 返回 7. 1 假设检验概念 下面我们看几个例子: 例7.1.1设计一条产品生产线用于包装洗涤剂。要求每瓶重量为500g，定期选取一部分样品称其重量，以便发现分量是否不足或超重。若样本数据表明不足或超重就得停产调整生产线。 例7. 1. 2某种蜂胶产品的制造商为了推销其产品，声明该产品黄铜含量为每升为4 800 mg。如何检测其声明的有效性。 例7. 1. 3某超市要选购某品牌酒，要求酒品中平均酒精浓度不超过15度，若超过15度，禁止进货。该超市质检人员要如何检测。 以上3个例子均需对总体参数先进行假设，然后进行抽样，用样本检验假设的真假性。 下一页 返回 7. 1 假设检验概念 通常进行假设时，我们会建立两个假设:零假设以H0表示与备假设以H1表示。以例1为例:先假设包装的每瓶洗涤剂重量为500 g,即H0:μ= 500及备假设H1:μ≠500。抽样后若计算出产品平均重量为500 g则零假设成立，若计算出产品平均重量小于或大于500 g则拒绝零假设接受备假设。 对例7. 1. 2来说: H0:μ =4 800 H1:μ 4 800 ; 对例7. 1. 3来说: H0:μ =15 H1:μ 15。 所以对均值假设检验形式可分为: (1)双侧检验H0:μ =μ0 H1:μ ≠μ0; (2)左侧检验H0:μ = μ0 H1:μ μ0; (3)右侧检验H0:μ = μ0 H1:μ μ0 。 上一页 返回 7. 2两类错误 在检验中有两类错误可能发生，这两类错误为型1和型2错误。 零假设和备假设是关于总体参数的两个对立的解释。要么H0真，要么H1真，但两者不可能同时为真。理想的假设检验过程应当是H0为真时接受H0, H0为假时拒绝H0。但是不可能做出结论总是正确的，因为假设检验是基于样本信息得到的，所以必须考虑发生误差的概率。表7. 2. 1列出假设检验中可能发生的两类错误。 表7. 2. 1表示当H0是真时接受H0是正确的，若拒绝H0就产生型1错误，称为弃真错误。当H0是假时(H1是真)拒绝H0是正确的，若接受H0就产生型2错误，称为存假错误。 下一页 返回 7. 2两类错误 以例7. 1. 3为例:质检人员若抽取100瓶酒为样本计算出以95%拒绝H0:μ= 15，而实质这批酒有5%可能是H0为真，即μ=15。正确的应接受H0，若拒绝H0这时就犯了型1错误，犯错的概率为5%。这个概率称为检验的显著性水平，记为α，一般α取0. 05 , 0. 01等。在实践中由进行假设检验人员设定显著性水平，即P|拒绝H0|H0为真|=α，通过选择α控制了犯型1错误的概率。通常只对发生型1错误进行控制，故假设检验也称显著性检验。 上一页 返回 7. 3 单个正态总体的假设检验 7. 3. 1方差σ2已知总体均值的假设检验 下面通过具体例子给出检验的方法步骤。 例7. 3. 1某超市进一批某品牌味精，每包净重500 g,假设每包味精重量服从正态分为检验其分量是否符合标准，抽查9包重量分别为:499 , 501 , 501. 5 , 499. 5 , 498 ,498. 5 , 500 , 499. 5，且根据以往经验这批味精标准差为σ =0. 9，问能否接收这批味（ α =0. 05) 设H0 ; μ=500，H, μ！=500。 若H0正确，样本(x1 , x2 ,… x2)来自正态总体N（500,0. 9 2 ) 下一页 返回 7. 3 单个正态总体的假设检验 则统计量 从样本值计算得: 若取α=0. 05，则 为临界值，可以查表 得 ，见图7.3.1。 而 所以接受 H0，即可以认为μ=500成立，一般说可以接收这批味精。 上一页 下一页 返回 7. 3 单个正态总体的假设检验 总结以上过程，可以得到一个总体方