中南大学《实用测量数据处理》第一章+参数估计与假设检验.pptVIP

* Rejection region does NOT include critical value. * * * 左侧检验 H0值 临界值 a 样本统计量 拒绝域 接受域 抽样分布 1 - ? 置信水平 1.4 假设检验 右侧检验 H0值 临界值 a 样本统计量 拒绝域 接受域 抽样分布 1 - ? 置信水平 观察到的样本统计量 1.4 假设检验 右侧检验 H0值 临界值 a 样本统计量 接受域 抽样分布 1 - ? 置信水平 拒绝域 1.4 假设检验 两类错误分析 两类错误： （1）弃真：原假设H0实际是正确的，但却错误地拒绝了H0，这样就犯了“弃真”的错误，通常称为第一类错误。 （2）纳伪：原假设H0实际是不正确的，但是却错误地接受了H0，这样就犯了“纳伪”的错误，通常称为第二类错误。 1.4 假设检验 决策 实际情况 H0为真 H0为假 不拒绝H0 正确 概率：1- a 纳伪（第二类错误） 概率：b 拒绝H0 弃真（第一类错误）概率：a 正确 概率：1-b（检验功效） 1.4 假设检验 图解a和b 不可能同时变小 通过扩大样本容量，使第二类错误的概率减小。 1.4 假设检验 ? 2 0 1.4 假设检验 t 0 1.4 假设检验 1.4 假设检验 常用于当?2已知时，关于?=?0的检验问题。 1.4 假设检验 U检验的决策准则如下 （1）双侧检验： 当 时，拒绝原假设H0；否则接受原假设H0。 （2）左侧检验： 当 时，拒绝原假设H0；否则接受原假设H0。 （3）右侧检验： 当 时，拒绝原假设H0；否则接受原假设H0。 U 0 1.96 -1.96 .025 拒绝 H0 拒绝 H0 .025 U 0 -1.65 拒绝 H0 0.05 U 0 1.65 0.05 拒绝 H0 1.4 假设检验 * * * * * * * * * 33 * 可见，若L=BX+△中，X是非随机的时候，DL≠D△的！这时就不能用最小二乘原理求估值了！ * * * * * * Rejection region does NOT include critical value. * Rejection region does NOT include critical value. * Rejection region does NOT include critical value. * * Rejection region does NOT include critical value. * Rejection region does NOT include critical value. * Rejection region does NOT include critical value. * Rejection region does NOT include critical value. * Rejection region does NOT include critical value. * Rejection region does NOT include critical value. 最小二乘估计是测量中求参数估计最普遍、最主要的方法，在其它学科领域中也有广泛的应用，主要原因： 数理统计观点 - 需要观测向量的验前统计信息最少； 数学观点 - 提供了最优的解一组多余观测的线性代数方程的方法； 数值计算角度 - 最小二乘导出法方程组是一线性代数方程组，其系数矩阵是对称的。 1.3 参数估计方法-最小二乘估计 但要保证最小二乘估计求出估值是最优估值，要求： 即： 1、表示L中不含系统误差和粗差； 2、权阵P应由L或△的协方差确定(这时，X必需是非随机参数！）。 1.3 参数估计方法-最小二乘估计 极大似然法与最小二乘估计两种常用方法的比较： 极大似然估计： 极大似然法要求已知总体的分布，才能获得估计量； 参数可以是随机的，也可是非随机的。 最小二乘估计： 最小二乘估计方法对分布没有严格的要求，无论哪种统计分布，均可进行估计； 参数是非随机的。 1.3 参数估计方法 是随机参数向量X在 的条件下的条件概率密度。如果 是 中的最大值，那么 是X的准确值的可能性最大。极大验后准则: 一般用 表示，并称之为极大验后估值。 极大验后估计的解法： 称之为验后方程。 或 1.3 参数估计方法-极大验后估计 假设X和L均为正态随机向量，此时条件概率密度为： 其中： 则极大验后准则等价于 1.3 参数估计方法-极大验后估计 求一阶偏导数，并令其等