假设检验 网上内容.docVIP

第 九章 假设检验 ? 参数估计是统计推断的一个方面，统计推断的另一方面就是假设检验。这2种推断方法都是研究总体参数的情况，但假设检验是研究如何运用样本得到的统计量来检验事先对总体参数所做的假设是否正确，是否具有某种性质或数量特征。本章在讨论假设检验基本问题的基础上，着重研究总体平均数和2个总体平均数之差的假设检验、总体比率和2个总体比率之差的假设检验以及总体方差的假设检验等。 ? 第一节 假设检验的基本问题 一、什么是假设检验 一个说明统计假设检验基本推论过程的例子： 一名被告正在受到法庭的审判。根据英国的法律，先假定被告是无罪的，于是，证明他有罪的责任就是原告律师的事情了。用假设检验的术语表示，那就是要建立一个假设，记为H0：被告是无罪的。H0称为原假设或零假设。另一个可供选择的假设记作H1：被告是有罪的。H1称为备择或替代假设。法庭陪审团要审查各种证据，以确定原告律师是否证实了这些证据与无罪这一基本假设不一致。如果陪审员们认为证据与不一致，他们就拒绝该假设而接受其备择假设H1，即认为被告有罪。 用统计术语来说，原假设H0是接受检验的假设。备择假设H1是当原假设被否定时另一种可成立的假设。原假设和备择假设相互对立，在任何情况下只能有一个成立。如果接受H0就必须拒绝H1；拒绝H0就必须接受H1。 例：某公司要检验一批新进口的薄钢板是否符合平均厚度为5毫米的规定，那么就是假设这批货（总体）的平均厚度（μ）是5毫米。然后从这批货中按随机抽样的方法抽取样本并计算样本的平均厚度，以此来检验所做假设的正确性。 本例中需要被检验、被证实的原假设可记为H0: μ=5mm，（即原假设为总体平均厚度等于5mm）。其备择假设就是H1: μ(5mm，（即这批货平均厚度不等于5毫米）。 总体平均数的假设有3种情况： （1）H0: μ = μ0 ；H1: μ ≠ μ0。 （2）H0: μ ≥ μ0 ；H1: μ μ0。 （3）H0: μ ≤ μ0 ；H1: μ μ0。 假设检验从对总体参数所做的一个假设开始，然后搜集样本数据，计算出样本统计量，进而运用这些数据测定假设的总体参数在多大程度上是可靠的，并做出承认还是拒绝该假设的判断。 ? 二、假设检验中的小概率事件 假设检验的基本思想？根据小概率的原理，可以做出是否接受原假设的决定。 ? 小概率原理：指发生概率很小的随机事件在一次试验中几乎不可能发生的。 例如，有一个厂商声称，他的产品的合格品率很高，可以达到99%，那么从一批产品（譬如100件）中随机抽取一件，这一件恰恰相反好是次品的概率就非常小，只有1%。如果厂商的宣传是真的，随机抽取一件是次品的情况就几乎是不可能发生的。但如果这种情况确实发生了，就有理由怀疑原来的假设，即产品中只有1%的次品的假设是否成立，这时就有理由推翻原来的假设，可以做出厂商的宣传是假的这样一个推断。 依据小概率原理推断可能会犯错误！上例中100件产品中确实只有1件是次品，如恰好在一次抽取中被抽到了，犯错误的概率是1%，也就是说我们在冒1%的风险做出厂商宣传是假的这样一个推断。 ? 三、第一类错误、第二类错误与显著水平 假设检验依据样本提供的信息对总体进行判断时，可能犯的两种类型错误： 以本章开始时引入的例子说明：培审团作决定时发生的情况，对原假设H0（被告无罪）来说，存在4种可能情况： （1）?? H0为真，即被告无罪，陪审团也确认他无罪，接受H0。陪审团做出了正确的决断！ （2）?? H0为真，即被告无罪，但陪审团确认他有罪，拒绝H0，陪审团做出了错误的决断！ （3）?? H0不真，即被告有罪，陪审团也确认他有罪，拒绝H0，陪审团做出了正确的决断！ （4）?? H0不真，即被告有罪，但陪审团确认他无罪，接受H0，陪审团做出了正确的决断！ ? 在上述第（2）和第（4）种可能情况下，陪审团决断错误。 第一类错误（弃真错误）：原假设H0本来为真，却错误地否定了。 上述第（2）种情况就属于弃真错误 第二类错误（取伪错误）：原假设H0非真，但做出接受H0的选择。 上述第（4）种情况就属于取伪错误。 ? 犯两错误的概率：在假设检验中，犯第一类错误的概率记为α，α也称为显著性水平。犯Ⅱ类错误的概率记为β。 人们自然希望犯这两类错误的概率越小越好。但对于一定的样本容量n，两类错误有相反的关系（如下图所示），减小α会引起β增大，减少β会引起α增大。 ? ? ? ? ? ? ? ? ? 可能带来的后果越严重，危害越大的哪一类错误，在假设检验中作为首要的控制目标！它是谁呢？ 假设检验中，遵守首先控制犯α错误原则大家都在执行这样一个原则。 原因是：原假设是什么常常是明确的，而替换假设是什么常常是模糊的。所以，人们常把我们最关心的问题作为原假设提出，将较严重的