本科生必修课：概率论与数理统计.pptVIP

第八章 假设检验 第八章 假设检验 §8.1 假设检验 §8.2 正态总体均值的假设检验 §8.3 正态总体方差的假设检验 §8.6 分布拟合检验 §8.1 假设检验 参数估计：其目的对未知参量给出估计值及置信区间，一般情况下，参数估计是在总体形式已知的情况下，对未知参量的定量的估计问题 假设检验：其目的是对总体的某未知性质根据样本给出一个定性判断，这时总体的分布的函数形式未知，或只知其形式，但参数未知的情况 假设检验中，为推断总体的某些性质，首先提出某些关于总体的假设，然后根据样本对所提出的假设作出判断，是接受，还是拒绝 例如：提出总体期望服从泊松分布的假设，然后进行判断 提出正态总体期望为μ0的假设，然后进行判断 §8.1 假设检验 假设检验的基本思想和做法 通常借助于直观分析和理论分析相结合的做法 基本原理就是人们在实际问题中经常采用的所谓小概率原理:“一个小概率事件在一次试验中几乎是不可能发生的” 假设检验的过程是要构造一个小概率事件，如果根据实际样本数据的计算，该小概率事件发生了，则拒绝原假设，否则接受原假设 下面结合实例来说明假设检验的基本思想. §8.1 假设检验 实例 某车间用一台包装机包装葡萄糖, 包得的袋装糖重是一个随机变量, 它服从正态分布. 当机器正常时, 其均值为0.5公斤, 标准差为0.015公斤. 某日开工后为检验包装机是否正常, 随机地抽取它所包装的糖9袋, 称得净重为(公斤): 0.497 0.506 0.518 0.524 0.498 0.511 0.520 0.515 0.512 问机器是否正常? §8.1 假设检验 因此自然希望将犯这类错误的概率控制在一定限度之内，即给出一个较小的数α(0α1),使犯这类错误的概率不超过α，即使得： P{拒绝H0|H0为真}?α §8.1 假设检验 §8.1 假设检验 总结以上实例： 在上例中，当样本容量n固定时，选定α后，数k可以确定，然后按照统计量Z= 的观察值的绝对值|z|是大于等于k，还是小于k来作出决策， k是检验上述假设的一个门槛值 若|z|＝ ?k，则称 与μ0的差异是显著的，以至于小概率事件发生了，这时拒绝H0， 否则则称 与μ0的差异是不显著的，这时接受H0， 选定的数α称为显著性水平，在α下对显著性判断 统计量Z= 称为检验统计量 §8.1 假设检验 假设检验的相关定义： 像上例中的假设检验问题可叙述成： “在显著性水平α下，检验假设H0：μ＝μ0，H1：μ≠μ0” 或“在显著性水平α下，针对H1检验H0” H0称为原假设，或零假设， H1称为备择假设，(在原假设被拒绝后可供选择的假设) 要进行的工作是根据样本，按上述检验方法做出决定在H0和H1之间接受其一 §8.1 假设检验 当检验统计量取某个区域C中的值时，我们拒绝原假设H0，则区域C称为拒绝域，拒绝域的边界点称为临界点 上例中|z|?zα/2为拒绝域，zα/2为临界点 检验法则是根据样本作出的，总有可能作出错误的决策， 在H0实际上为真时，可能犯拒绝H0的错误，称这类“弃真”的错误为第I类错误 当H0实际上不为真时，可能犯接受H0的错误，称这类“取伪”的错误为第II类错误，犯第II类错误的概率记为 P{当H0不真时接受H0}或 {接受H0} §8.1 假设检验 §8.1 假设检验 在确定检测法则时应尽可能使犯两类错误的概率都小，但样本容量固定时减少犯弃真错误，往往会增加取伪，二者矛盾，除非增加样本容量。 一般情况下，我们总是控制犯第一类错误的概率，使他小于或等于α，α通常取0.1，0.05，0.01，0.005，等值，视情况而定 这种只对犯第I类错误的概率加以控制，而不考虑犯第II类错误的概率的检验，称为显著性检验 §8.1 假设检验 在显著性水平α下，如果给出的两个对立的假设如下形式： H0：μ＝μ0，H1：μ≠μ0， 则称为双边备择假设，称该类假设检验问题为双边假设检验 其原因是：对于备择假设，μ可以小于μ0，也可以大于μ0， 有时我们只关心总体均值是否增大，例如试验新工艺以提高材料强度，总体均值越大越好。需要检验假设 H0：μ?μ0，H1：μμ0，则称为右边检验问题 类似的有时需要检验假设， H