假设检验及基本思想.pptVIP

8.1　假设检验的基本思想　 一、 假设检验问题的提出 二、 假设检验的基本思想 三、假设检验中两类错误 * 一、 假设检验问题的提出 二、 假设检验的基本思想 三、假设检验中两类错误 上一章介绍了对总体中未知参数的估计方法。本章将讨论统计推断的另一个重要方面——统计假设检验。出于某种需要，对未知的或不完全明确的总体给出某些假设，用以说明总体可能具备的某种性质，这种假设称为统计假设。如正态分布的假设，总体均值的假设等。这个假设是否成立，还需要考察，这一过程称为假设检验，并最终作出判断，是接受假设还是拒绝假设。本章主要介绍假设检验的基本思想和常用的检验方法，重点解决正态总体参数的假设检验 。 统计推断的另一个重要问题是假设检验问题。在总体的分布函数未知或只知其形式，但不知其参数的情况下，为了推断总体的某些性质，提出某些关于总体的假设。例如，提出总体服从泊松分布的假设，又如，对于正态总体提出数学期望μ0的假设等。 这里，先结合例子来说明假设检验的基本思 想和做法。 假设检验就是根据样本对所提出的假设作出 判断：是接受，还是拒绝。 　　例1 已知某炼铁厂的铁水含碳量X在某种工艺条件下服从正态分布N(4.55，0.1082)。现改变了工艺条件，又测了五炉铁水，其含碳量分别为： 4.28，4.40，4.42，4.35，4.37。 根据以往的经验，总体的方差?2= 0.1082一般不会改变。试问工艺改变后，铁水含碳量的均值有无改变？　 显然，这里需要解决的问题是，如何根据样本判断现在冶炼的铁水的含碳量是服从?≠4.55的正态分布呢？还是与过去一样仍然服从? =4.55的正态分布呢？若是前者，可以认为新工艺对铁水的含碳量有显著的影响；若是后者，则认为新工艺对铁水的含碳量没有显著影响。通常，选择其中之一作为假设后，再利用样本检验假设的真伪。 例2 某自动车床生产了一批铁钉，现从该批铁钉中随机抽取了11根，测得长度(单位：mm)数据为： 10.41，10.32，10.62，40.18，10.77，10.64， 10.82， 10.49，10.38，10.59，10.54。 试问铁钉的长度X是否服从正态分布？ 而在本例中，我们关心的问题是总体X是否服从正态分布。如同例1那样，选择是或否作为假设，然后利用样本对假设的真伪作出判断。 以上两例都是科技领域中常见的假设检验问题。 我们把问题中涉及到的假设称为原假设或称待检假设，一般用H0表示。而把与原假设对立的断言称为备择假设，记为H1。 如例1，若原假设为H0：?= ? 0=4.55，则备择假设为H1：?≠4.55。 若例2的原假设为H0：X服从正态分布，则备择假设为H1：X不服从正态分布。 当然，在两个假设中用哪一个作为原假设，哪一个作为备择假设，视具体问题的题设和要求而定。在许多问题中，当总体分布的类型已知时，只对其中一个或几个未知参数作出假设，这类问题通常称之为参数假设检验，如例1。而在有些问题中，当总体的分布完全不知或不确切知道，就需要对总体分布作出某种假设，这种问题称为分布假设检验，如例2。 接下来我们要做的事是：给出一个合理的法则，根据这一法则，利用巳知样本做出判断是接受假设H0 ，还是拒绝假设H0。 假设检验的一般提法是：在给定备择假设H1下，利用样本对原假设H0作出判断，若拒绝原假设H0，那就意味着接受备择假设H1，否则，就接受原假设H0。 换句话说，假设检验就是要在原假设H0和备择假设H1中作出拒绝哪一个和接受哪一个的判断。究竟如何作出判断呢？对一个统计假设进行检验的依据是所谓小概率原理，即 概率很小的事件在一次试验中是几乎不可能发生 例如，在100件产品中，有一件次品，随机地从中取出一个产品是次品的事件就是小概率事件。 因为此事件发生的概率?=0.01很小，因此，从中任意抽一件产品恰好是次品的事件可认为几乎不可能发生的，如果确实出现了次品，我们就有理由怀疑这“100件产品中只有一件次品”的真实性。 那么?取值多少才算是小概率呢？这就要视实际问题的需要而定，一般?取0.1，0.05，0.01等。 以例1为例：首先建立假设 ： H0：?=?0=4.55，H1：?≠4.55。 其次，从总体中作一随机抽样得到一样本观察值(x1，x2，…，x