第八节 假设检验.pdf

第八章 假设检验 统计推断的另一基本内容是（统计）假设检验。假设检验是 由 于 世纪初提出的，之后由费歇尔（ ）进行了 K .Pearson 20 Fisher 细化，并最终由奈曼（Neyman ）和E.Pearson 提出了较完整的假设 检验理论。参数估计是当总体的参数未知时，依据所收集的数据 找出参数的估计；而当对参数的信息有所了解，却又存在着某种 质疑或猜测而需要证实时，则应用假设检验的方法来处理。 §8.1 假设检验的基本概念和方法 一般地，在（统计）假设检验问题中，其出发点是对总体作 一个（统计）假设（statistical hypothesis ），其实质是关于一个或多 个总体的概率分布或其参数的论断或假设；其可以是正确的，也 可以是错误的。 定义8.1.1 所谓假设检验（hypothesis testing ），是先对总体的分布 函数形式或分布中某些参数作出可能的假设，然后根据所获得的 样本，采用合理的方法来判断假设是否成立。在统计学上，把统 计假设的一部分称为原假设（ ）（或零假设），记为 ； null hypothesis H 0 把原假设的对立面称为对立假设（alternative hypothesis ）（或备择假 设），记为 。 H 1 比如：判断一枚硬币是否均匀，即抛掷时“掷出正面”的概 1 1 率是否为 ；把“p ”作为一个假设（原假设）；将此硬币抛 2 2 掷 次，记 为掷出正面的次数。若 X 1 较小，则接受假设 100 X  100 2 1 “ ”；否则就拒绝该假设。我们可以将此例的统计假设写为： p 2 1 1 1 1 vs vs versus H 0 : p H1 : p  或H 0 : p H 1 : p  ，这里， 是 的缩写。 2 2 2 2 注：①针对一个具体的检验问题，首先是要确定原假设和对立假 设；原假设是研究的起点，在没有其他信息的情况下，原假设被 看作可接受的真实状态，其通常是不易轻易否定的一个被检验的 假设，只有在样本提供足够不利于它的证据时才能拒绝它；如果 H 样本提供的信息没有充分的理由否定原假设 ，则不能拒绝它。 0 H 因此，对统计假设作判断前，在处理 时总是趋于保守—在么 0 H 有充分证据时不应轻易拒绝 ，或者说证据不充分时不能轻易 0 H 接受 。例如：如果某厂家过去的声誉很好，现要对其生产的一 1 批产品进行质量检测以