数理统计6-8(14-15-3).ppt

检验时当然是两类错误越小，检验结果越精确，但是在样本容量确定的条件下，我们不可能使得两类错误都减小。 说明 一般按照控制犯第一类错误的原则进行检验,而不考虑犯第二类错误（保护原假设的原则）, 这种检验问题,称为显著性检验问题。 §8.2 单个正态总体参数的检验 一、?2已知，检验? : 二、?2未知，检验? : H0真时统计量的分布 拒绝H0的区域 三、?已知，检验 ?2 : 四、?未知，检验 ?2 : H0真时统计量的分布 拒绝H0的区域 §8.3 两个正态总体参数的检验 二、 未知，检验 : 一、 已知，检验 : H0真时统计量的分布 拒绝H0的区域 四、 未知，检验 : 三、 已知，检验 : H0真时统计量的分布 拒绝H0的区域 一、理论分布是取有限个值的离散分布 §8.4 总体分布的拟合检验 提法： 检验： 步骤： 例、某工厂分早、中、晚三班，近期发生了15 次事故，其中6次在早班，3次在中班，6次在晚班；试判断事故发生的概率是否与班次有关。（取α＝0.05） 二、理论分布为一般分布 步骤： 极大似然估计的性质: 例如，例8中参数θ的方差DX的极大似然估计为： §7.2. 估计量的评选标准 1、无偏性: 例1、设X1, X2, …, Xn是来自总体X的一个样本, 并设总体二阶矩存在,EX=?，DX=?2，证明： 例2、X1,X2,…,Xn是来自X~U(0,θ)的样本， 证明： 都是θ的无偏估计。 证明： 2、有效性: 所有无偏估计中方差最小的无偏估计称为最小方差无偏估计，或称为有效估计。 上例中，n1时， 例3、对任何总体X，EX=μ，DX=σ2 ,X1 ， X2, … ,Xn 是来自X 的样本， 证明： 比 有效。 证明： 3、相合性（一致估计）: 由辛钦定理知： 故所有的矩估计都是相合估计。 证明: (1) §7.3 区间估计 定义: 说明 2、置信区间长度越短，估计越精确，所以一般我们是对称的取；可以证明此时的置信区间长度最短。 1、 所以置信区间并不唯一。 求置信区间的一般思路（枢轴量法） 1、设法构造一个随机变量Z=Z(X1,X2,…,Xn;? ),除参数? 外, Z不包含其他任何未知参数,Z的分布已知(或可求出),并且不依赖于参数? ,也不依赖于其他任何未知参数。（Z即称为枢轴量） §7.4.正态总体参数的区间估计 一、单个正态总体参数的区间估计: 用表格表示如下： 被估 条件 选用 分布 1－α 的置信区间 参数 统计量 说明 1、我们讲的都是双侧的置信区间，实际中还有单侧的置信区间，如书上的定义。 2、若函数g(x)单调增，则： 若函数g(x)单调减，则： 二、两个正态总体的区间估计: 用表格表示如下： 参数 条件 1－α 的置信区间 第八章 假设检验 §8.1 基本概念 一、原理: 例、甲乙两种名酒各4杯，从中任取4杯，若取 出的都是甲种酒称试验成功（A）， 求：1.试验一次成功的概率； 2.某人称能区分这两种酒，让他做了10次试验，结果成功了3次，试判断此人是否真的有区分这两种酒的能力。 假设检验所采用的方法类似与高数中的反证法: 先假设某个结论成立, 然后在这个结论成立的条件下进行推导和运算, 如果得到矛盾, 则推翻原来的假设, 结论不成立；这 里的矛盾是与实际推断原理的矛盾, 即如果 “ 小概率事件在一次试验中发生了”, 则认为原假设不成立, 因此, 假设检验是一种带有概率性质的反证法. 基本思想 二、假设检验的一般步骤： 三、假设检验的两类错误: 1. 第一类错误: 如果原假设H0成立,而观察值落入拒绝域,从而作出拒绝H0的结论,称作第一类错误,又称“弃真”的错误.由定义知, 显著性水平?恰好是犯第一类错误的概率； 2. 第二类错误: 如果原假设H0不成立, 而观察值却落入接受域,从而作出接受H0的结论,称作第二类错误, 又称“取伪”的错误,其概率通常记作?。 例1、总体X~N(3.4 , 62)，X1,X2,…,Xn是来自X的样本，要使样本均值落在(1.4 , 5.4)中的概率达到0.95，求n。 解： 所以 例2、设X1,X2,…,X10是来自总体N(0, 0.52)的样本，求： 解： 例3、设X1,X2,…,X