概率论第八章假设检验.pptVIP

第八章　假设检验; 上一章介绍了对总体中未知参数的估计方法。 本章将讨论统计推断的另一个重要方面—— 统计假设检验。出于某种需要，对未知的或不完 全明确的总体给出某些假设，用以说明总体可能 具备的某种性质，这种假设称为统计假设。如正 态分布的假设，总体均值的假设等。这个假设是 否成立，还需要考察，这一过程称为假设检验， 并最终作出判断，是接受假设还是拒绝假设。 本章主要介绍假设检验的基本思想和常用的检验方法，重点解决正态总体参数的假设检验 。; §1　假设检验的基本思想　; 统计推断的另一个重要问题是假设检验问题。 在总体的分布函数未知或只知其形式，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，又如，对于正态总体提出数学期望??? 0的假 设等。;　　例1 已知某炼铁厂的铁水含碳量X在某种工艺条件下服从正态分布N(4.55，0.1082)。现改变了工艺条件，测了五炉铁水，其含碳量分别为： 4.28，4.40，4.42，4.35，4.37 根据以往的经验，总体的方差?2= 0.1082一般不会改变。试问工艺条件改变后，铁水含碳量的均值有无改变？; 显然，这里需要解决的问题是，如何根据样 本判断现在冶炼的铁水的含碳量是服从?≠4.55的 正态分布呢？还是与过去一样仍然服从? =4.55的 正态分布呢？若是前者，可以认为新工艺对铁水 的含碳量有显著的影响；若是后者，则认为新工 艺对铁水的含碳量没有显著影响。通常，选择其 中之一作为假设后，再利用样本检验假设的真伪。 ;; 以上两例都是实际问题中常见的假设检验问题。 我们把问题中涉及到的假设称为原假设或称待检假设，一般用H0表示。而把与原假设对立的断言称为备择假设，记为H1。 如例1，若原假设为H0：?= ? 0=4.55，则备择假设为H1：?≠4.55。 若例2的原假设为H0：X服从正态分布，则备择假设为H1：X不服从正态分布。 ; 当然，在两个假设中用哪一个作为原假设，哪一个作为备择假设，视具体问题的题设和要求而定。 在许多问题中，当总体分布的类型已知时，只对其中一个或几个未知参数作出假设，这类问题通常称之为参数假设检验，如例1。 而在有些问题中，当总体的分布完全不知或不确切知道，就需要对总体分布作出某种假设，这种问题称为分布假设检验，如例2。 ; 接下来我们要做的事是：给出一个合理的法则，根据这一法则，利用巳知样本做出判断是接受假设H0 ，还是拒绝假设H0。;二、假设检验的基本思想 ; 例如，在100件产品中，有一件次品，随机地从中取出一个产品是次品的事件就是小概率事件。 因为此事件发生的概率?=0.01很小，因此，从中任意抽一件产品恰好是次品的事件可认为几乎不可能发生的，如果确实出现了次品，我们就有理由怀疑这“100件产品中只有一件次品”的真实性。 那么?取值多少才算是小概率呢？这就要视实际问题的需要而定，一般?取0.1，0.05，0.01等。 ;以例1为例：首先建立假设 ：; 注意到 是的无偏估计量。因此，若H0正确，则;具体设想是，对给定的小正数?，由于事件; 统计量 称为检验统计量。 ; 将上述检验思想归纳起来，可得参数的假设检验的一般步骤： ;现在，我们来解决例1提出的问题： ;三、假设检验中两类错误 ; 自然，我们希望一个假设检验所作的判断犯这两 类错误的概率都很小。事实上，在样本容量n固定的 情况下，这一点是办不到的。因为当?减小时，?就 增大；反之，当?减小时，就?增大。 ; 例如，原假设是前人工作的结晶，具有稳定性，从经验看，没有条件发生变化，是不会轻易被否定的，如果因犯第Ⅰ类错误而被否定，往往会造成很大的损失。 因此，在H0与H1之间，我们主观上往往倾向于保护H0，即H0确实成立时，作出拒绝H0的概率应是一个很小的正数，也就是将犯弃真错误的概率限制在事先给定的范围内，这类假设检验通常称为显著性假设检验，小正数?称为检验水平或称显著性水平。 ;§8.2 正态总体下未知参数的假设检验 ;1．均值?的检验 ;例1 设某车床生产的钮扣的直径X服从正态分布，根据以往的经验，当车床工作正常时，生产的钮扣的平