第十二课假设检验.docVIP

第十二章 假设检验 假设检验是统计推断的另一个基本问题。本节在介绍假设检验基本思想和基本概念的基础上，重点介绍正态总体的参数假设检验问题，最后的拟合优度检验讨论非参数检验的主要内容----分布函数形式的检验。 12.1假设检验的基本思想和基本概念 12.1.1假设检验的基本思想 先看两个例子。 例1 机器罐装的牛奶每瓶标明为毫升，设为实际容量，由过去的经验知道，在正常生产情况下，，为检验罐装生产线的生产是否正常，某日开工后抽查了瓶，其容量为： 问：由这些样本我们能否认为该日的生产是正常的？ 在这个例子中，我们关心的是罐装生产线的工作是否正常，即罐装的牛奶的平均容量是否为毫升。为此，我们作如下的处理：先假定总体的平均值，即生产是正常的，然后利用抽取的个数据，来推断所作假设的正确性，从而拒绝或接受这一假设。 例2 某预制品厂生产的混凝土制件，由于原料和生产过程的种种随机因素，各制件的抗压强度一般是不同的，为了研究混凝土制件抗压强度的分布，随机抽样试验了件混凝土制件的抗压强度，以分组的形式给出如下数据： 抗压强度区间 频 数  表1 问：能否认为这种混凝土制件的抗压强度服从正态分布？ 与例1类似，先建立假设：假设混凝土制件的抗压强度服从正态分布，然后通过抽取样本的信息来推断这种假设的正确性。 上述两个例子的共同特点是：先对总体的分布函数的形式或分布函数的某些参数作某种假设，然后抽取样本并集中样本的有用信息，对假设的正确性进行推断。我们把任何一个在总体未知分布上所作的假设称为统计假设，简称假设。如上面的例1，我们有假设，该假设的对立面是，把它们写在一起就是： 。 我们把称为原假设或零假设，而把称为对立假设或备选假设。类似地，例2中的假设是 服从正态分布不服从正态分布。 观察例1和例2不难发现，例1给出了总体分布的形式，统计假设是对未知参数而作的，一旦知道了未知参数的值，总体的分布就完全确定了，这种仅涉及总体分布所包含的未知参数的统计假设称为参数假设。而在例2中，我们只知道抗压强度是连续型的，并不知道分布函数的数学形式，因此统计假设只能直接给在未知分布函数的形式上或它的某些数字特征上，我们称这样的假设为非参数假设。 对于一个假设检验问题，首先要根据实际问题提出统计假设，而提出统计假设的目的是通过已经获得的样本，在原假设和对立假设两者之间作出选择或判断，称这类问题为假设检验问题。另外，在有些实际问题中，只提出一个假设，而且我们的目的也仅仅是判断这个统计假设是否成立，这类检验问题称为显著性检验。 怎样检验统计假设呢？在展开一般的讨论之前，我们先分析上面的例1。我们需要检验的统计假设为 。 由于问题涉及到的是正态总体的均值，我们自然想到样本均值，而且是的一个良好估计。如果原假设成立，即，那么应该比较小，反之就应该比较大，因此的大小可以用来检验原假设是否成立。利用已知的样本观察值，不难算得，从而，由于总体，如果为真，即，由抽样分布理论知道，，从而 这一结果表明，如果成立，那么事件发生的概率只有，即在次观察中平均只有次，使我们所观察到的样本平均值与的偏差大于或等于。现在我们仅作了一次观察，就出现了与的偏差达到的情况，这就使得我们对的成立表示怀疑。因此，在这种情况下，拒绝较合理，因为此时观察结果与零假设有显著差异；反之，若我们没有发现观察结果与有显著差异，就接受原假设。 12.1.2显著性水平 从上面的分析可以看到，假设检验所采用的是一种反证法的思想方法。即先假定这个结论成立，然后在这一条件下进行推断或演算，若得到了矛盾，则拒绝原假设，如没有得到矛盾，则接受原假设。不过，这里得到的矛盾并不是纯逻辑形式上的矛盾，或者说不是绝对成立的矛盾，而只是与人们普遍的经验相矛盾。在假设检验中，我们依据的是“小概率事件在一次试验中几乎不可能发生”的实际推断原理。那么，概率小到什么程度才能认为是小概率事件呢？这一般要视具体的问题而定，同样的概率为的事件，在“钮扣生产过程中的次品”和“发电厂停电”，就不一定均为小概率事件。因此，在假设检验之前，必须根据具体情况，给定一个合理的数值，作为小概率事件的标准，把概率不大于的事件称为小概率事件，而称为显著性水平。 有了显著性水平以后，我们可以先确定临界值，如在上面的例9-1中，确定，使得 。 由于 ， 所以 ， 即先求满足的，然后从中解得。 如果，查表不难得到，当为真时，，即 ， 由于观察值使得，表明 ， 即是小概率事件，从而拒绝。如果观察值使得，这时我们没有理由拒绝，只能接受。因此，只要比较与的值，我们便能作出决策。 12.1.3假设检验的步骤 (1) 根据实际问题提出统计假设：原假设和对立假设。 和在假设检验中是两个对立的假设，若成立，则就不成立；反之亦然。在选取原假设时要注意的是，通常代表了一种“常