8.1假设检验的一般概念.ppt.ppt

何为假设检验？ 举例 原假设与备择假设 检验是对假设而言的，把统计假设称为“原假设”(零假设，Null hypothesis),通常是相等假设. 假设的对立面，即拒绝原假设后可供选择的假设，称为“备择假设”(Alternative hypothesis) 拒绝域与接收域 使原假设被拒绝的样本观测值所在的区域称为拒绝域(Rejection area) 拒绝域的补集称作接收域(Acceptance area) 参数估计与假设检验 如何提出原假设 设μ为未知参数，μ0已知. 问题 原假设 备择假设 名称 两类错误 两类错误 检验的逻辑过程 第八章 假设检验 * * §8.1 假设检验的一般概念 (Hypothesis testing) 假设检验是指施加于一个或多个总体的概率分布或参数的假设.所作假设可以是正确的,也可以是错误的. 为判断所作的假设是否正确, 从总体中抽取样本,根据样本的取值,按一定原则进行检验, 然后作出接受或拒绝所作假设的决定. 参数检验 （§8.2） 非参数检验 总体均值, 均值差的检验 总体方差, 方差比的检验 分布拟合检验 符号检验 秩和检验 假设检验的内容 例1.设某厂生产一种灯管，其寿命Ｘ～Ｎ (μ,40000)，原来灯管的平均寿命为μ ＝1500小时 ． 现在采用新工艺后，在所生产的灯管中抽取25只，测得平均寿命为1675小时．问采用新工艺后，灯管寿命是否有显著提高? 问题：判断 μ ＞1500 ？ 例2.某种农作物的农药残留量Ｘ是否服从正态分布. 问题：农药残留量Ｘ服从正态分布？ 这些例子共同点是，根据样本值去判断一个“看法”是否成立. “看法”即对总体分布状态的一种陈述，称为统计假设. H0 H1 假设检验的任务：必须在原假设与备择假设之间作一选择 H0： μ=μ0 H1： μ ≠ μ0 举例： 拒绝域 接收域 拒绝域 若对 参数 有所 了解 但怀疑 猜测， 需要证 实之时 用假设 检验的 方法来 处理 若对参数 一无所知 用参数估计 的方法处理 拒绝还是接受假设，根据“小概率原理”确定. 假设检验的理论依据 小概率原理：小概率事件在一次试验中几乎不可能发生. 引例1： 某产品出厂检验规定: 次品率p不超过4%才能出厂. 现从一万件产品中任意抽查12件发现3件次品, 问该批产品能否出厂？若抽查结果发现1件次品, 问能否出厂？ 解 假设 这是小概率事件, 一般在一次试验中是不会发生的, 现一次试验竟然发生, 故认为原假设不成立,即该批产品次品率p0.04,则该批产品不能出厂. 这不是小概率事件,没理由拒绝原假设,从而接受原假设, 即该批产品可以出厂. 若不用假设检验, 按理不能出厂. 注1 直接算 注2 本检验方法是 概率意义下的反证法，故拒绝原假设是有说服力的, 而接受原假设是没有说服力的. 因此应把希望否定的假设作为原假设.另外有的结果已经经历了长时间的考验，不应轻易否定，也可放在原假设. μ与μ0有无显著差异 H0： μ=μ0 H1： μ ≠ μ0 双侧检验 μ与μ0有无显著提高 H0： μ=μ0 (μ≤μ0) H1： μ ＞ μ0 右单侧检验 m与μ0有无显著降低 H0： μ=μ0 (μ≥μ0) H1： μ ＜ μ0 左单侧检验 要点：含等号“=”的作为原假设(这样做就是为了数学处理的方便). 设产品寿命 故看似生产车间的看法是正确的 (小时) 的点估计值 点估计 是r.v，取值具有波动性 故尽管 但实际可能并无显著提高 引例3 某工厂生产的一种产品平均寿命为 小时,生产车间经过技术革新后,认为产品寿命有了显著提高。现随机抽检了 件产品,算得寿命平均值为 小时.问能否认为生产车间的看法是正确的 ？ 提出假设 拒绝 ，即认为产品寿命有显著提高 接受 ，即认为产品寿命没有显著提高 分析： 问题： 作出判断 设每袋糖的重量为 提出假设 拒绝 即认为机器不正常 接受 即认为机器正常 的点估计值 是机器不正常还是随机波动引起？ 引例4 某车间用一台自动包装机装糖,每袋的标称重量为 克,标准差 克. 某日开工后为了检查包装机是否正常，随机抽检了 袋产品，测得净重如下(克)： 试问该日机器是否正常？ 若 则机器正常,否则不正常 分析： 问题： 作出判断 H0： μ=μ0 H1： μ ≠ μ0 拒绝域 接收域 拒绝域 当根据抽样结果接收，或者拒绝一个假设时，只表明我们的一种判断，由于样本的随机性，这样作出的判断就