应用统计方法_参数估计与假设检验方法.docVIP

PAGE  PAGE 31 第二节 假设检验与参数估计方法 本节将讨论如何通过样本去推断总体，由样本推断总体是以各种统计量的抽样分布为基础的。对总体的推断，可以通过两个途径来实现。一是首先对所估计的总体提出一个假设，例如假设这个总体的均值等于某个定值，然后以样本为依据，以统计量为工具去推断这个假设是否可以接受。如果可以接受，说明总体均值；否则，说明。二是通过统计量去估计总体参数。前者称为统计假设检验，后者称为总体参数估计。 假设检验原理和方法 在生物学试验研究中，要检验某种试验方法的效果、某个品种的优劣、某种药品的疗效等，所得试验数据往往存在着一定的差异，这种差异是由随机误差引起的，还是由试验处理的效应造成的？这个问题必须经过一番分析才能给出答案，因为在试验结果中往往是处理效应和随机效应误差混在一起，从表面上看，不易区分开，因此必须通过概率计算，采用假设检验的方法，才能作出正确的推断。 假设检验的基本原理 例：用某种动物作试验材料，要求动物的平均体重，若需要再饲养；若则应淘汰。又知动物体重服从正态分布，且由以往经验知。现从一批试验的动物中，随机抽取10只，称得体重（g）:为 问这批动物能否供试验用？ 解：若用X表示这批动物的体重，显然，其中未知。 针对样本观测值如何推断还是，我们做如下分析； 对所研究的总体提出一个假设 为了得到对总体均值的推断，可以假设总体均值等于给定的值，即 原假设： H0： 或 H0： 与原假设相对立的假设称为备择假设，备择假设就是当H0被拒绝后，可供选择的假设； H1： ； 或 H1：； 或 H1： 备择假设的提出要视具体问题而定。 （2） 在上述假设下，选择一个样本统计量又称检验统计量，用以作为检验H0的工具，并考查该统计量的分布。我们选择统计量 这里 称为样品的标准误，这里，而且g，n=10，，由样本观测值可以算出该检验统计量的值 （3）确定原假设H0的拒绝域 前面算出的U=0.6325，是在承认H0成立的前提下得到的，但是，现在我们还不知道实验动物体重这个总体是否真的符合该假设。 如果上面算出的U值是不合理的，就表明我们所做的原假设H0是不合适的，这时我们就应该拒绝或否定原假设。使得我们拒绝或否定原假设H0的U值的全体叫做原假设H0的拒绝域。拒绝域的确定关键在于分清哪些U值是“合理”的，而那些是“不合理”的。它们的依据是人们在实践中广泛采用的“小概率原则”。所谓“小概率原则”是指小概率事件在一次观测或试验中一般是不会发生的，如果发生，就认为这个现象是不合适的。 由前面分析我们知道，给定对于标准正态分布，我们总可以找到这样的临界值，使得 如果把取得相当小，如，通过查标准正态分布的临界值表，得到，即 如果在一次观测中，上述时间发生了，即满足条件 按小概率原则，就应该拒绝否定原假设H0，也就是得到了H0的拒绝域； 或 由于拒绝域分布在的左右两侧，所以称这类检验为双侧检验，又称U检验。 在实际问题中，还经常需要检验是否成立，此时在显著性水平下，检验假设 H0： H1： 是否相容，选统计量 对于给定的水平，查标准正态分布的上侧临界值，使得 从而得到H0的拒绝域为； 这时H0的拒绝域在的一侧，称为单侧检验。 （4） 对原假设进行推断 在以上例题中，由样本观测值算得U=0.6325，它没有落入拒绝域：，因此，我们可以认为H0是相容的，即故这批动物可供实验用。 否则，若算得 U值落入拒绝域，就有理由怀疑H0的真实性，而接受备择假设。 需要说明的是，对原假设进行推断与的选取有关，在的水平下否定原假设，称差异性是显著的；而在的水平下否定原假设，称差异性是极显著的，以上检验称为显著性检验。 1．2 假设检验的方法、步骤 从以上的讨论中，可归纳出假设检验的方法、步骤如下： （1） 提出假设：根据问题的实际意义，或重点考察的内容，提出原假设H0和备择假设，写明其具体内容。如等等； 原假设是假设检验的基础，它可能有以下几个来源（a）依据以往的经验或某些实验的结果；（b）依据某种理论或某种模型；（c）根据事先所做的某种规定提出的。 与原假设对立的备择假设，是总体参量中除去原假设参量取值之外的某个值或某些值，其可能来源是：（a）除原假设外的可能值；（b）希望出现的值；（c）担心会出现的值；（d）有重要经济意义或其它意义的值。 （2）选择检验H0的统计量，并确定其分布（依据所要检验的参数等，选择合适的统计量）； （3）确定拒绝域：在给定的水平下，查所选统计量服从的分布表，求出临界值，并根据小概率原则确定H0的拒绝域； 关于显著性水平的选择，要根据实际问题而定。 （4）作出判断： 由样本观测值计算出