3-1假设检验初述,两类错误讲义.ppt

第一节 假设检验 一、假设检验的基本原理 二、假设检验的相关概念 三、假设检验的一般步骤 四、典型例题 五、小结 二、假设检验的相关概念 三、假设检验的一般步骤 一、假设检验的基本原理 四、典型例题 五、小结 在本节中，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. 这类问题称作假设检验问题 . 在总体的分布函数完全未知或只知其形式、但不知其参数的情况下, 为了推断总体的某些性质, 提出某些关于总体的假设. 例如, 提出总体服从泊松分布的假设; 提出总体服从正态分布的假设; 假设检验 参数假设检验 非参数假设检验 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 假设检验就是根据样本对所提出的假设作出判断: 是接受, 还是拒绝. 如何利用样本值对一个具体的假设进行检验? 通常借助于直观分析和理论分析相结合的做法,其基本原理就是人们在实际问题中经常采用的所谓实际推断原理:“一个小概率事件在一次试验中几乎是不可能发生的”. 这一节我们讨论对参数的假设检验 . 在假设检验中，我们称这个小概率为显著性水平，用 表示. 的选择要根据实际情况而定。 实际推断原理:“一个小概率事件在一次试验中几乎是不可能发生的”. 常取 下面结合实例来说明假设检验的基本思想. 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0.5千克, 标准差为0.015千克.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(千克): 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? 分析: 由长期实践可知, 标准差较稳定, 问题: 根据样本值判断 提出两个对立假设 再利用已知样本作出判断是接受假设 H0 ( 拒绝假设 H1 ) , 还是拒绝假设 H0 (接受假设 H1 ). 如果作出的判断是接受 H0, 即认为机器工作是正常的, 否则, 认为是不正常的. 由于要检验的假设涉及总体均值, 故可借助于样本均值来判断. 于是可以选定一个适当的正数k, 由标准正态分布分位点的定义得 对给定的显著性水平 ， . , / , , / 0 2 / 0 0 2 / 0 H u n x H u n x 接受 时 拒绝 时 当 a a s m s m - 3 - 于是拒绝假设H0, 认为包装机工作不正常. 假设检验过程如下: , 96 . 1 025 . 0 2 / = = = u u k a 则 以上所采取的检验法是符合实际推断原理的. . , / , , , / , , 2 / 0 0 2 / 0 0 0 几乎是不会发生的 的观察值 等式 由一次试验得到满足不 为真 就可以认为如果 根据实际推断原理 小概率事件 是一个 时 即 为真 因而当 x u n x H u n X H a a s m s m m m 3 - t y ü ? í ì 3 - = . , , / , 0 0 2 / 0 H H x u n x 因而拒绝 正确性 的 的假设 则我们有理由怀疑原来 的观察值 得到了满足不等式 在一次试验中 a s m 3 - . , , / 0 0 2 / 0 H H u n x x 因而只能接受 没有理由拒绝假设 则 满足不等式 若出现观察值 a s m - 如果H0 是对的，那么衡量差异大小的某个统计量落入区域 W(拒绝域) 是个小概率事件. 如果该统计量的实测值落入W，也就是说， H0 成立下的小概率事件发生了，那么就认为H0不可信而否定它. 否则我们就不能否定H0 （只好接受它）. 这里所依据的逻辑是： 不否定H0并不是肯定H0一定对，而只是说差异还不够显著，还没有达到足以否定H0的程度 . 所以假设检验又叫 “显著性检验” 1. 显著性水平 . / , , , 0 来作决定 还是小于 值大于等于 的观察值的绝对 然后按照统计量 定 就可以确 数 后 选定 当样本容量固定时 k k n x U k s m a - = , , , / 0 0 0 H x k n x u 则我们拒绝 的差异是显著的 与 则称 如果 m s m 3 - = , , , / , 0 0 0 H x k n x u 则我们接受 不显著的