15.假设检验的引入.pdf

假设检验的引入 问题的提法 上一章我们介绍了估计的方法，便在实践中还有许多重要问题与估计问题的 提法不同，也需要我们去解决，请看下列简单的例子。 例1.1 某厂有一批产品，共200 件，须经检验合格才能出厂，按国家标准， 次品率不得超过3%，今在其中任意抽取了10 件，发现这10 件中有2 件是次品， 问这批产品能否出厂？ 从直观上看，这批产品是不能出厂的，但理由何在？ 设这批产品的次品率是 p ，问题转化为：如何根据抽样的结果来判断 “p ≤3% ”成立与否？ 例1.2 用某仪器间接测量温度，重复测量5 次，所得数据（℃）是1250， 1265，1260，1275，1245，而用别的办法测得精确温度是 1277 （可看作温度的 真值），问此仪器间接测量有无系统偏差？ 用X 代表用这个仪器测得的温度值，当然这是一个随机变量，得到的 5 个 数据是X 的一个样本，问题化为：如何判断等式“EX=1277 ”成立与否？ 例 1.3 在针织吕的漂白工艺过程中，要考察温度对针织品断裂强力（主要 质量指标）的影响，为了比较70℃与80℃的影响有无差别。在这两个温度下， 分别重复作了8 次试验，得数据如下（单位：公斤） 70℃时的强力：20.5,18.8,19.8,20.9,21.5,19.5,21.0,21.2 80℃时的强力：17.7,20.3,20.0,18.8,19.0,20.1,20.2,19.1 究竟 70℃时的强力与 80℃时的强力有没有差别？用X 表示70℃时的强力，Y 表示80℃时的强力，问 题变成：如何判断X 与Y 是否遵从同样的分布？ 例 1.4 怎样根据一个随机变量的样本值，判断该随机变量是否从正态分布 2 N (µ,σ ) ？ 更一般地，如何根据样本去判断随机变量以给定的函数F (x) 为其分布函 0 数？ 这些例子所代表的问题是很广泛的。其共同点是从样本值出发去判断关于总 体分布的一个 “看法”是否成立。例1.1 的看法是“次品率p ≤0.03 ，”例1.2 是 “EX=1227 ”，例1.3 的看法是“X 与Y 有相同的分布”，例1.4 则是“X 的分布 函数是F (x) ”。 0 “看法”又叫做“假设”。 这些就是所谓假设检验问题（或叫假设的鉴定问题）。 本章介绍假设检验的基本理论知识和一些常用的检验方法，判断所关心的 “假设”是否成立。 例1.1、例1.2 与例1.4 中“假设”都是关于一个随机变量的分布判断，这叫 做一个总体的检验问题，例1.3 的“假设”是关于两个随机变量的分布的判断， 这叫做二总体的检验问题。也可以考虑三个或更多个总体的检验问题。 我们主要论述 总体的检验问题。把我们要检验的“假设”记作H 0 （通常 叫做零假设），H 0 是关于随机变量（总体）的分布的一个“看法”。说得更确切 些，设X 的分布函数为F (x,θ) ，其中θ属于Θ，这里Θ是一个已知集合（是实 数集合，或向量组成之集合，也可以是更一般的符号组成之集合）。零假设H 0 通 常可以表示成这样的形式：θ ∈Θ ，这里Θ 是Θ 之非空真子集。通常把 0 0 θ ∈Θ−Θ 叫做对立假设（或叫备择假设），记作H 或H 。 0 α 1 怎样根据样本值对H 0 进行检验呢？这就需要对“检验法”给出合理的定义。 直观上说，所谓一个检验法，就是给了一个规则，对给定的样本值x ,L, x 进行 1 n 明确表态；接受假设H 0 还是拒绝假设H 0 。 用数学语言可以说得更清楚些，设S 是所有可能的样本值 （x ,L, x