数理统计与实验分析.doc

《数理统计与试验分析》课程论文 论文题目 假设检验中两类错误关系的统计学分析和应用 作者姓名 作者专业 信息与计算科学 作者学号 指导教师 2014年01月10日 目录 摘要 1 一、引言 1 二、假设检验原理 1 三、两类错误产生的原因 2 四、两类错误之间的关系 2 五、减小两类错误的方法 5 1. 增加样本容量n 5 2. 根据研究的需要选择合适的水平 5 3. 尽可能采用单侧检验 5 六、应用实例及讨论 5 1. 两类错误在参数检验中的应用 5 2. 两类错误在非参数检验中的应用 6 七、结语 8 参考文献 9 致谢 10 课程论文评分标准表 11 假设检验中两类错误关系的统计学分析和应用 罗凯 叶秋萍 张国庆 文佼佼 李松 摘要：数理统计学中的假设检验方法已经在许多领域得到广泛的应用。在假设检验中通常会犯两种类型的错误：第I类错误和第II类错误。而一般教材中通常只是简单地指出可能出现的两类错误，本文在此基础上，从假设检验的原理，两类错误产生的原因，两类错误之间的关系，以及如何控制两类错误等方面进行分析，给出了关于两类错误关系的统计学分析，以及它们的实际应用。 关键词：假设检验；第I类错误；第II类错误；势函数 一、引 言 统计学知识具有理论丰富、应用广泛的特征，在生产实践中具有强烈的应用背景。由于受到人力、物力、财力、时间等的限制，以及某些实验与检测的破坏性，人们在实践中对总体的某一数量特征进行评估时，常常采取从总体中抽取若干数量的随机样本，然后，依据“小概率原理”和样本信息，用假设检验方法对总体数量特征做出判断。例如，商业银行对企业进行信用评估问题，产品生产线工作是否异常的判断问题，炮弹质量检测问题等都要用到统计学中假设检验方面的知识。人们总是希望能够依据样本信息做出关于总体特征的正确判断或决策。然而，由于样本是从总体中随机抽取的，用少量的随机样本信息来对总体的某些特征进行假设检验难免不犯错误。这种错误通常分为两类：一类是在原假设为真时做出拒绝原假设的决策，这类错误称为“弃真”错误，其发生的概率通常用表示( 即显著性水平)；另一类是在原假设为假时没有拒绝原假设，这类错误称为“纳伪”错误，其发生的概率通常用表示。假设检验就是希望能够找到一个合理地做出可靠性判断的临界点，从而产生判别的条件和准则，也就是通过对两类错误的分析，控制两类错误的发生概率，对两类错误做出统计学分析，以便在现实中能更好地运用两类错误进行统计推断。 二、假设检验原理 假设检验的最基本原理是显著性原理, 是根据样本观测值来判断样本与总体是否有显著差异，这个差异是由两种可能因素引起的，一是系统性因素，一是偶然性因素。问题的关键在于：这个差异是否可以仅以偶然性这个因素去解释，也就是说是否有充分的理由来否定这种解释。如果有，就否定原假设；如果没有，就只能接受它。 假设检验的基本思想是应用小概率原理，根据所获样本，对总体的某种假设作出判断。所谓小概率原理就是认为小概率事件在一次试验中是几乎不可能发生的，如果发生了，就有充分的理由怀疑原假设为真，也即拒绝原假设。 三、两类错误产生的原因 假设检验是根据样本信息，在一定可靠程度上对总体的有关情况进行推断。当然我们希望推断结果是正确的，即当正确时，通过检验予以保留，而当结果错误时则加以拒绝。但由于假设检验是一种不完全的归纳推理，在检验时，原假设是正确还是错误不可能准确知道，除非检查整个总体，而在绝大多数的实际问题中检查整个总体是不可能的，因此在进行假设检验时是可能犯错误的。检验可能犯的错误有两类：第一类是为真但由于随机性使样本观测值落在拒绝域中，从而拒绝原假设，这种错误称为第I类错误，即弃真错误，其发生的概率称为犯第I类错误的概率，或称弃真概率，通常记为，即：（拒绝|为真）=，，其中表示样本。另一种错误是不真（即为真），但由于随机性使样本观测值落在接受域中，从而接受原假设，这种错误称为第II类错误，即纳伪错误，其发生的概率称为犯第II类错误的概率，或称纳伪概率，通常记为，即：（接受|为真）=，，其中为拒绝域，为接受域，不是唯一的。我们总希望找到这样一种拒绝域，使得犯这两类错误的概率和都很小，可是在样本容量固定时，要使和都很小是不可能的，否则将会导致样本容量的无限增大，这样做既不经济也不现实。 在假设检验中我们只作一次抽样，只获得一个样本值，由于样本构成有很多可能性， 所以我们无法确定这个样本值是否为小概率事件，如果小概率事件发生了，我们把本来真实的原假设拒绝