第8单元 假设检验44090.pptVIP

下面，我们再结合另一个例子，进一步说明假设检验的一般步骤 . 例2 某织物强力指标X的均值 =21公斤. 改进工艺后生产一批织物，今从中取30件，测得 =21.55公斤. 假设强力指标服从正态分布 且已知 =1.2公斤， 问在显著性水平 =0.01下，新生产织物比过去的织物强力是否有提高? 解:提出假设: 取统计量 否定域为 W : =2.33 是 一小概率事件 代入 =1.2, n=30，并由样本值计算得统计 量U的实测值 U=2.512.33 故拒绝原假设H0 . 落入否定域 解:提出假设: 取统计量 否定域为 W : =2.33 此时可能犯第一类错误，犯错误的概率不超过0.01. 例3 某工厂生产的一种螺钉，标准要求长度是32.5毫米. 实际生产的产品，其长度X假定服从正态分布 未知，现从该厂生产的一批产品中抽取6件, 得尺寸数据如下: 32.56, 29.66, 31.64, 30.00, 31.87, 31.03 问这批产品是否合格? … 分析：这批产品(螺钉长度)的全体组成问题的总体X. 现在要检验E(X)是否为32.5. 提出原假设和备择假设 第一步： 已知 X~ 未知. 第二步： 能衡量差异 大小且分布 已知 取一检验统计量，在H0成立下 求出它的分布 二．t检验 第三步： 即“ ”是一个小概率事件 . 小概率事件在一次 试验中基本上不会 发生 . 对给定的显著性水平 =0.01，查表确定临界值 ,使 得否定域 W: |t |4.0322 得否定域 W: |t |4.0322 故不能拒绝H0 . 第四步： 将样本值代入算出统计量 t 的实测值, | t |=2.9974.0322 没有落入 拒绝域 这并不意味着H0一定对，只是差异还不够显著, 不足以否定H0 . 三． 检验 1． 未知，检验 ： 选择统计量 对给定的 ，查附表3得临界值 使得 是小概率事件， 的拒绝域为 说明 2． 未知，检验 ： 选择统计量 是小概率事件， 的 拒绝域为 * 假设检验 第八章 假设检验 参数假设检验 非参数假设检验 这类问题称作假设检验问题 . 总体分布已知， 检验关于未知参数 的某个假设 总体分布未知时的 假设检验问题 在本讲中，我们将讨论不同于参数估计的另一类重要的统计推断问题. 这就是根据样本的信息检验关于总体的某个假设是否正确. 让我们先看一个例子. 第一讲 假设检验的基本概念 生产流水线上罐装可乐不断地封装，然后装箱外运. 怎么知道这批罐装可乐的容量是否合格呢？ 把每一罐都打开倒入量杯, 看看容量是否合于标准. 这样做显然不行！ 罐装可乐的容量按标准应在 350毫升和360毫升之间. 每隔一定时间，抽查若干罐 . 如每隔1小时，抽查5罐，得5个容量的值X1，…，X5，根据这些值来判断生产是否正常. 如发现不正常，就应停产，找出原因，排除故障，然后再生产；如没有问题，就继续按规定时间再抽样，以此监督生产，保证质量. 通常的办法是进行抽样检查. 很明显，不能由5罐容量的数据，在把握不大的情况下就判断生产 不正常，因为停产的损失是很大的. 当然也不能总认为正常，有了问题不能及时发现，这也要造成损失. 如何处理这两者的关系，假设检验面对的就是这种矛盾. 在正常生产条件下，由于种种随机因素的影响，每罐可乐的容量应在355毫升上下波动. 这些因素中没有哪一个占有特殊重要的地位. 因此，根据中心极限定理，假定每罐容量服从正态分布是合理的. 现在我们就来讨论这个问题. 罐装可乐的容量按标准应在 350毫升和360毫升之间. 它的对立假设是： 称H0为原假设（或零假设，解消假设）； 称H1为备选假设（或对立假设）. 在实际工作中，往往把不轻易否定的命题作为原假设. H0： （ = 355） H1： 这样，我们可以认为X1,…,X5是取自正态 总体 的样本， 是一个常