概率论和数理统计教程(茆诗松)第7章厦大版.pdf

第七章 假设检验  7.1  假设检验的基本思想与概念  7.2  正态总体参数的假设检验  7.3  其它分布的参数假设检验  7.4  分布拟合检验 7.1 假设检验的基本思想与概念  7.1.1  假设检验问题  7.1.2  假设  7.1.3  检验和检验统计量  7.1.4  两种错误概率与检验的水平  7.1.5  功效函数与无偏检验  7.1.6  假设检验的基本思想与基本步骤  7.1.7  概率值(p值)  7.1.8  零假设选择 7.1.1 假设检验问题 在现实生活中的，假设(hypothesis)是指有一定理由提出，但又 没有充足依据的一种陈述或条件。对一个假设，人们要依据一 定的事实和思索来作出是接受它还是拒绝它的判断。 这类问题从思维方式上看是从结果推断原因的问题。有时又是 非常微妙、涉及到人们对决策的态度、甚至可能牵涉到人们利 益的问题。 统计假设：关于统计模型的假设，今后我们常将统计假设简称 为假设。 统计检验：依据样本来对统计假设作出接受或拒绝的判断的过 程。今后我们常将统计检验简称为“检验” 。 统计假设检验有一套系统的理论，深入理解贯穿这一理论的那种 独特思维方式，不仅对学好这个理论是非常重要的，而且对一般 思维方式的训练和提高也会有很大的帮助。 下面我们先结合一个具体的例子来介绍统计假设检验的基本思 路，然后再逐个介绍包含在这个思路中的一些重要的基本概念。 例 7.1.1  假定某电视机厂(甲方)要从某电子元件厂(乙方)购入一批元 件，用于组装电视机。为了保证产品质量，降低成本，甲方希 望这批元件的合格品率达到99%以上。乙方也保证这一点。问题 是：这批元件的合格品率是否达到99%以上？ 如果记这批元件的次品率为p,问题就相当于对假设 H ：“ 整批产品的次品率 p 不超过 1 % ” 作出接受或拒绝的判断。为此甲、乙双方需要商定一个判断的 方法。 通常的做法是从这批元件中抽取若干样品进行检测，检测目标 是确定所测样品合格与否，然后根据样品检测结果来决定甲方 是接受或拒绝这批元件(假设H)。 显然，如果样品中次品越多，就对乙方越不利，反之如果样品 中次品越少就对乙方越有利。 但样品中次品数要多到什么程 度时甲方才能拒绝这批元件？ 例7.1.1(续1)  具体的作法是甲、乙双方事先先商定要检测样品的总数 n和样 品中允许的不合格品数目的临界值 k .  当检测出样品中的不合格品数达到 k时，甲方就拒绝假设H，同 时也就拒绝这批元件。否则甲方就接受假设H，同时也就接受这 批元件。 这个决定接受或拒绝一个假设的过程就称为“检验”。 现在的问题是：如何确定n？ 在确定了n后，又如何确定 k？ 这两个问题的关键是在确定了n后，如何指定一个k，指定了一个 k也就确定了一个检验方案，它定得是否恰当关系到甲乙双方的 利益。 直观上容易想到，k定的越小，条件对乙方就越苛刻，反之k定 的越大，条件对乙方就越宽松，因此确定检验方案应有一种公 认的标准，而这种标准应体现客观、公正和科学的原则。统计 假设检验的理论为这种标准的建立提供了科学依据。 例7.1.1(续2)  为说明标准是如何建立起来的，我们先来看在不同的检验方案 (不同的n和k)下产生的检验结果的实际含义是什么。 指定n为100，考虑“当样品中次品数达到k个时，就拒绝假设H； 否则就接受假设H”的检验方案。 A “样品中次品达到k”    “拒绝H”  A  “样品中次品未达到k”    “接受H” ( )  P  A 表示次品率为p时A发生的概率  p  (次品率为p时H被拒绝的概率) ( ) ( )  A  P  A  = 1 - P  A 表示次品率为p时 发生的概率  p p  (次品率为p时H被接受的概率) 显然，对 0p1 和 0k100 这两种概率都不等于0，因此 当H正确时(p≤1%)，有可能因A发生而错误地拒绝H