8假设检验.ppt

由中心极限定理知 当 n 充分大时， 由于 是μ的无偏估计，当H0为真时，|U| 过大将不利于H0，因而H0 的拒绝域应取为 选取 作为检验统计量。 对给定的水平α，根据 P{ |U | ≥ k}= α 查N (0, 1)分布表，得 k=uα / 2 ， 故H0 的渐近水平α的拒绝域为 由一次抽样所得的样本值 ( x1,…, xn )， 算出 U 的观察值 若 | u |≥ uα/2，则拒绝 H0， 若 | u | uα/ 2，则接受 H0。 2 两个总体 情形 设有两个总体 X 和Y，它们的分布是任意的，而均值和方差都存在，但未知，记 E(X ) =μ1，E(Y) =μ2， D(X) =σ12 0，D(Y) =σ22 0 是总体 X 的样本， 是总体Y的样本，且两样本相互独立，n1、n2都比较大。 以下述检验为例： 检验假设 H0:μ1-μ2 = c H1:μ1-μ2 ≠ c, 其中c 为已知数。 可以证明：当n1, n2 充分大时， 由于 是μ1-μ2的无偏估计，当H0 为真时， |U | 过大将不利于H0，故 H0 的拒绝域应取为下述形式。 作为检验统计量。 选取 对给定的水平α，根据 P{ |U | ≥ k}= α 查N (0, 1)分布表，得 k=uα / 2 ， 故H0 的渐近水平α的拒绝域为 若 则拒绝H0； 否则，接受 H0 。 算出U 的观察值 由一次抽样的样本值： §5　分布假设检验 分布假设检验问题可表述为： 设 X1,…, Xn为总体 X 的样本，欲据此样本检验如下假设 H0：X 的分布函数为 F , 其中F 为已知的分布函数，通常称 F 为 理论分布 。 1 分布拟合检验 定理7.1 (皮尔逊定理）设某个随机试验的 r 个结果 A1,…, Ar构成互斥完备事件群，在一次试验中它们发生的概率分别为p1, …, pr，其中pi 0 (i=1, …, r)且 以 mi 表示在 n 次独立重复试验中 Ai 发生的次数，则当 n →∞时， 的分布收敛于自由度为r -1的χ2 分布。 2 χ2 拟合检验法 1） 理论分布不含未知参数的情形 设 ( X1,…, Xn ) 是来自总体 X 的样本，F是一个不含未知参数的已知的分布函数，欲用此样本来检验假设 H0：X 的分布函数是 F。 χ2 拟合检验的基本思想与步骤 (1) 把总体 X 的一切可能值的集合Ω 划分成 r 个互不相交的子集 Ω1, …, Ω r 。若记 Ai = { X ∈Ω i } (i = 1, …, r)，则A1, …, Ar 构成互斥完备事件群。 在原假设H0为真的前提下，计算事件Ai 的概 率PF (Ai) = pi (i = 1,…, r),，从而可得，在对总体X 的n 次独立观察中，事件Ai 发生的理论频数为npi ( i =1, …, r )。 (3) 统计出样本值 ( x1, x2, …, xn )落入Ωi的频数， 即，事件Ai 发生的实际频数 mi (i =1,…, r)。 (4) 构造统计量 χ2是样本的实际频数mi 对理论频数npi偏差mi - npi的加权平方和，其值的大小刻画理论分布函数 F 与样本值 ( x1, x2,…, xn ) 之间的拟合程度: 其值愈小，拟合得愈好； 其值愈大，拟合得愈差。 因此，H0的拒绝域具有形式: {χ2 ≥k}。 由皮尔逊定理，当H0为真且 n充分大时，χ2 近似地服从自由度为r -1的χ 2分布，因此，对给定的α，查χ2 (r -1)分布表得χ2α (r -1)，使 于是得拒绝域 在使用χ2 拟合检验法时，一般要求样 1）本容量 n 比较大（n≥50）。 2）划分时要求各组的理论频数 npi ≥5 910 1220 1280 20 2330 900 860 1450 1220 550 160 2020 1590 1730 490 1620 560 530 5