第一章 统计假设.pptVIP

第一章 统计假设 第一节 总体的参数估计 第二节 统计假设检验的原理与基本思想 第一节 总体的参数估计 一、点估计 虽然无法通过无限多次测定去获得总体μ和σ2，但可以借助样本统计量对总体进行估计，其中最大似然法就是应用较为广泛的一种方法。 是参数μ和σ2的最大似然估计。而且通过证明，可知均为优良估计和无偏估计。 二、区间估计 因为 作为μ的估计值具有无偏性、有效性和充分性，为优良估计，所以常称 为μ的最佳值或最可信赖值。然而，由于点上的概率为零，即P( =μ)=0，所以随机变量不可能恰好落在μ上，换句话说，不可能刚好等于μ，所以，点估计有其不足之处。用一个随机区间— 的一个邻域去包含μ，同时可以计算出这个区间能够包含μ的概率，这就是区间估计。 第一节 总体的参数估计 二、区间估计 一般用平均值进行区间估计。 第一节 总体的参数估计 显然，如果置信度相同，平均值的置信区间较小，反之，若置信区间相同，则平均值的估计置信度要高，所以用平均值的区间估计要优于单次测定结果的区间估计。 第二节 统计假设检验的原理与基本思想 一、分布理论基础知识 1. t分布 和 分别为有限次测定实验中用单次测定结果和用均值对 进行区间估计时置信区间的一般表示形式。 例2-1 钢中铬的5次测定结果（%）为1.12、1.15、1.11、1.16和1.12，根据这些数据估计此钢中铬含量的范围(α=0.05)？ 解： 当α= 0.05，f=5-1=4时，t（0.05，4）=2.776 2. F分布 若x1(1)，x2(1)，…xn1(1)与x1(2)，x2(2)，…xn2(2)分别遵从正态分布N（μ1， σ12）与N（μ2， σ22），且两样本相互独立，方差分别为s12和s22，则统计量。 且服从f1=n1-1与f2=n2-1的F分布，对应分布函数为Fisher分布函数。 例2-2 如分别用原子吸收法和分光光度法测定某样品中的金属元素铜，分别进行了10次测定，其中原子吸收法s12=1.2×10-4（mg/L）2，分光光度法s22=1.0×10-4（mg/L）2。试问这两种方法之间是否存在显著性的精密度差异（α=0.05）。 解： 由于F0.025（9，9）=4.03， 所以F=1.2 F0.025（9，9）=4.03 因此，这两种方法不存在显著性的精密度差异。 二、统计检验的原理和基本思想 1.统计检验的基本步骤 所有的统计检验包含的基本步骤如下： （1）建立假设； （2）求抽样分布； （3）选择显著性水平和否定域； （4）计算检验统计量； （5）统计结论的判定。 2.统计原理和基本思想 运用样本的统计量去估算总体的参数特征属于统计推断的范围，包括参数估计和统计检验两部分。由于试验工作需要常对总体某一统计特征进行假设，然后再利用样本数据根据统计理论用参数估计的方法进行假设的判断，这就是统计假设或统计检验。生产和试验中误差来源不外乎随机（偶然）误差引起的波动或差异和生产或试验条件发生变化而引起的差异，即条件误差。两种误差常通常无法完全区分且同时存在，需借助统计手段才能进行辨别。 二、统计检验的原理和基本思想 三、统计假设的方法 1. u检验法 适用于大样本总体均值检验，即服从N（μ0,σ02）正态分布的随机变量的检验。在总体σ0稳定且已知的情况下对于样本均值进行检验，可判断总体均值是否发生了改变以及两个总体均值是否一致？ （1）总体均值一致性检验 ① 双侧检验； ②右侧检验； ③ 左侧检验 例2-4 假设某水泥厂生产的普通硅酸盐水泥在水化后10天的抗压强度（MPa）正常情况下符合正态分布N（46.57，1.282）。取6个样品进行测定，其数值为46.81、47.10、46.96、46.46、47.02和46.78，结果精密度保持一致，试问总体均值是否有显著性的变化？ 解：采用u检验法进行双侧检验。由样本测定数据，可知 假设总体均值无变化，即μ=μ0，那么样本也应符合N（46.57，1.282），u应符合N（0，1）。当α=0.05，查正态分布积分表（附表3），得uα/2=1.96，u=0.56uα/2=1.96，所以肯定假设，即水泥的抗压强度无发生显著性变化。 （2）两个总体均值的一致性检验 当显著性水平为α时，若uuα/2时，否定原假设，则认为两总体均值存在显著性的差异。当然，也可以进行单侧检验