第5章假设检验(讲稿).ppt

2、单侧检验中假设的建立 2、单侧检验中假设的建立 先看一个例子：某种灯泡的质量标准是平均燃烧寿命不得低于1000小时。已知灯泡批量产品的燃烧寿命服从正态分布，且标准差为100小时。商店欲从工厂进货，随机抽取81个灯泡检查，测得平均燃烧寿命为990小时，问商店是否决定购进这批灯泡？（ ? = 0.05 ） 用两种不同的假设情况(H0:μ≥1000；H0:μ≤1000)做一做，你会发现什么问题？（第一种情况左侧检验临界值Zα=-1.645，第二种情况右侧检验临界值Zα=1.645；检验统计量值Z=-0.9） 是不是两种情况下的推断相互矛盾？原因何在？ 2、单侧检验中假设的建立 原因在于假设的背景不同。前者对生产方有利；后者对生产方不利。为什么？ 第一种情况是，商店相信该厂的质量一贯是不错的。 原假设为H0:μ≥1000，这样的话达到质量标准的产品被拒收的概率就很低（α）。虽然，商店会面临接受不合格产品的风险，但厂家良好的历史记录显示这种情况的可能性很小。 第二种情况是，历史记录表明，厂家的产品质量并不是很好。原假设H0:μ≤1000，这样做，表明商店要求有较强的证据（显著的进步）才能相信该批产品质量达到了标准。这样做，就达到了至少吧100（1-α）%的不合格产品据之门外的目的。 continued 2、单侧检验中假设的建立 由此可见，同一个问题，由于对背景的了解不同而采取了不同的态度，具体是通过选择假设的方向来体现的。这样也就不难理解前面所出现的表面矛盾。当产品质量一贯很好时，我们认为稍差的样本并不成为整批产品非优的有力证据；当产品质量一贯不好是，我们认为测试合格的样本也不成为整批产品为优的有利证据。因此，出发点不同，并无矛盾可言。 continued 2、单侧检验中假设的建立 continued 0 a=0.05 Z 拒绝域 1 - ? 接受域 -1.645 -0.9 0 a=0.05 Z 拒绝域 1 - ? 接受域 1.645 -0.9 第一种情况 第二种情况 稍差的样本（样本均值稍微小于1000）并不拒绝H0:μ≥1000，只有特别差的样本才拒绝原假设。 样本990小时 ？ ？ 合格的样本(样本均值大于1000)也不支持H11000，只有特别好的样本才支持备择假设。 ？ ？ ？ ？ 更不要说均值为990的样本了 2、单侧检验中假设的建立 在实际问题的检验中，我们不可能对问题的背景都有所了解，因此，如何提出假设，特别是单侧假设的方向，便成为了一个问题，并且也确实没有固定的统一标准，一般说来，假设的确定通常与所要检验的问题的性质，检验者所要达到的目的有一定关系，也与检验员的经验和知识水平有关。本质上来说，还是取决于检验人员对检验问题的价值判断，因此，对同一个问题提出不同的方向的假设也是有的。不能武断地说哪种价值观对，哪种价值观错，只能在价值判断共同标准的前提下，讨论在具体的条件下哪种假设更为合理。 continued 2、单侧检验中假设的建立 不过，在假设检验中一般是把希望证明的命题放在备择假设上，而把“原有的、传统的”观点或结论放在原假设上，这样可以更好的体现假设检验的价值。 所谓“原有的、传统的”是指原有的理论、原有的看法、原有的状况，或者说是那些历史的、经验的、在此之前被大多数人所认可的、所接受的东西，在没有充分的证据证明其错误时，总是被假定是正确的，处于原假设被保护的位置。 continued 2、单侧检验中假设的建立 而那些新的、可能的、猜测的则处在备择假设的位置。人们感兴趣的是那些新的、可能的、猜测的东西，希望用事实推翻原假设，实现吐故纳新。 continued 3、用置信区间进行检验 3、用置信区间进行检验 在参数估计中，我们是根据样本所提供的信息，对未知参数进行估计，即求出一定置信度下的置信区间。 在假设检验中，当确定α和检验统计量之后，临界值的位置就已经确定，实际上，由临界值围成的接受域就是以μ0为中心的置信区间。原假设μ=μ0是否成立，就要看μ的检验统计量是否落在这个区间内。如果原假设μ=μ0为真，μ的统计量落在这个区间外的概率是很小的； 3、用置信区间进行检验 而一旦μ的统计量落在这个区间外，根据小概率事件原理，原假设μ=μ0很可能是错误的，就可以断定原假设μ=μ0为假。α越小，置信区间就越宽，接受域就越大，从而使犯弃真错误的可能性越小（当然，犯纳伪错误的可能性增大）。由此可见，对同一实例而言，参数估计和假设检验使用的是同一个样本、同一个统计量、同一种分布，因此，二者的原理完全一样，我们可以用构造置信区间的方法解决假设检验问题。 continued 3、用置信区间进行检验 （1）双侧检验：求出置信区间的上下限 ?2已知时： ?2未知时： 若总体的假设值?0在置信区间外，拒绝H0 3、用置信区间进行