31假设检验初述,两类错误汇编.ppt

第一节 假设检验 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 一、假设检验的基本原理 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 . 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 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: 以上所采取的检验法是符合实际推断原理的. 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” 二、假设检验的相关概念 1. 显著性水平 其产生的后果是： H0难于被拒绝. 2. 检验统计量 3. 原假设与备择假设 假设检验问题通常叙述为: 4. 拒绝域与临界点 当检验统计量取某个区域W中的值时, 我们拒绝原假设H0, 则称区域W为拒绝域, 拒绝域的边界点称为临界限. 如在前面实例中, 5. 两类错误及记号 假设检验的依据是: 小概率事件在一次试验中很难发生, 但很难发生不等于不发生, 因而假设检验所作出的结论有可能是错误的. 这种错误有两类: (1) 当原假设H0为真, 观察值却落入拒绝域, 而作出了拒绝H0的判断, 称做第一类错误, 又叫弃真错误, 这类错误是“以真为假”. 犯第一类错误的概率是显著性水平 (2) 当原假设 H0 不真, 而观察值却落入接受域, 而作出了接受 H0 的判断, 称做第二类错误, 又叫取伪错误, 这类错误是“以假为真”. 当样本容量 n 一定时, 若减少犯第一类错误的概率, 则犯第二类错误的概率往往增大. 犯第二类错误的概率记为 若要使犯两类错误的概率都减小, 除非增加样本容量. 6. 显著性检验 7. 双边备择假设与双边假设检验 只对犯第一类错误的概率加以控制, 而不考虑犯第二类错误的概率的检验, 称为显著性检验. 8. 右边检验与左边检验 右边检验与左边检验统称为单边检验. 9. 单边检验的拒绝域 证明 (1)右边检验 上式不等号成立的原因: 证明 (2)左边检验 三、假设检验的一般步骤 3. 确定检验统计量以及拒绝域形式; 四、典型例题 例1 这是右边检验问题, 即认为这批推进器的燃烧率较以往有显著提高. 解 根据题意需要检验假设 课堂练习 U=2.512.33 故拒绝原假设H0 ，即新生产织物比过去的织物的强力有提高。 落入否定域 取统计量 五、小结 假设检验的基本原理、相关概念和一般步骤. 真实情况 (未知) 所