第七章 接假设检验.docVIP

第七章 假设检验 假设检验（hypothesis test）是统计推断的另一基本问题，它包括参数假设检验和非参数假设检验。所谓参数假设检验是对总体分布函数中的未知参数提出某种假设，然后利用样本提供的信息对所提出的假设进行检验并作出判断。而非参数假设检验是对总体分布函数形式或类型的假设进行检验。 7.1 假设检验的基本概念 先看几个例子。 例1 随机抽取了26块被播撒过“硝化银”的云，检测其产生的降雨量是否多于未播撒过“硝化银”的云。取每块云降雨量的对数作为观测指标，假设, 其中未知，未播撒“硝化银”的云通常有，现在我们想根据已有数据来判定是否成立？ 例2 某厂有一批产品，须经检验合格才能出厂。按规定，次品率不得超过。今从中任取10件发现有1件次品，问这批产品能否出厂？ 设这批产品的次品率是，问题化为如何根据抽样结果判断假设是否成立。 例3 由实践经验知，某建筑材料的抗断强度指标服从正态分布，现改变了该材料的生产配方并进行新的生产流程，从新材料中随机抽取100件，测其抗断强度，试问新材料的抗断强度指标是否仍服从正态分布？ 设新材料的抗断强度指标为,则问题可转换为如何根据样本推断假设是否成立。 类似的问题还很多，其共同特点是根据来自总体的样本去判断某个假设是否成立，这就是所谓假设检验的问题。例1、例2是关于总体参数的假设检验，属于参数假设检验，例3是关于总体分布函数形式的假设检验，属于非参数假设检验。 一、假设检验的基本思想 现在通过一个简单的例子来说明。 例4 袋中有黑白两种颜色的球共100个，甲说这里有95个白球，乙从袋中任取一个，发现是黑球，问甲的说法是否正确？ 我们可以先做假设：袋中确有95个白球，如果正确，那么从袋中任取一个球是黑球的概率只有0.05，概率很小。人们通常认为，在一次试验中，概率大的事件发生，而概率小的事件不发生。但现在乙做了一个实验，抽到了黑球，即小概率事件发生了，这是不合理现象，因此有理由怀疑假设的正确性，也就是说可以拒绝假设，即认为甲的说法不正确。 如果乙从袋中任取一球，发现是白球，这说明在一次试验中小概率事件未发生，即没有发生不合理现象，因此有理由怀疑假设的正确性，也就是说不能拒绝假设，应认为甲的说法正确。 假设检验的基本思想是带有某种概率性质的反证法。为了检验一个假设是否成立，首先假定这个假设成立，然后看由此会产生什么后果。如果样本观察值导致了一个不合理的现象出现，表明假设不成立，应该拒绝假设；如果样本观察值未导致不合理的现象发生，则认为假设成立，应该接受。 假设检验中所谓“不合理”，并不是逻辑中的绝对矛盾，而是基于人们在实践中广泛采用的一个原则——小概率事件在一次事件中几乎是不发生的。 究竟概率小到什么程度才能当做“小概率事件”，显然，“小概率事件”的概率越小，否定假设就越有说服力。我们把这个概率值记作，称为检验的显著性水平（significance level）。对于不同的实际问题，检验的显著性水平可以选取不同值，但一般应取为一个较小的数，通常取为一些标准值， 如0.1, 0.05或0.01。 假设检验的两类错误 当假设正确时，小概率事件也有可能发生，一旦小概率事件发生，我们会拒绝假设，因此犯了“弃真”的错误，称为第一类错误。犯第一类错误的概率恰好就是“小概率事件”发生的概率，即 （7.1.1） 除此之外，还会有另一种情形，假设不真，但一次抽样检验结果，未发生不合理现象，这时我们会接受，因而犯了“取伪”的错误，称为第二类错误，记为犯第二类错误的概率，即 （7.1.2） 我们希望犯两类错误的概率都很小，但是，当样本容量一定时，和不能同时都变小，即变小时，就变大；变小时，就变大。在实际问题中，一般总是控制犯第一类错误的概率，即给定检验的显著性水平，然后通过增大样本容量来减小。检验的显著性水平如何给定呢？如果注重经济效益，可取小些，如；如果既要考虑经济效益，又要考虑社会效益，一般取0.05。 假设检验的一般步骤 在假设检验问题中，把要检验的假设称为原假设（null hypothesis），把原假设的对立面称为备择假设或对立假设(alternative hypothesis)，记为。在确定原假设和备择假设时往往把有把握的、不能够轻易被否定的命题作为原假设，而把无把握的、不能够轻易肯定的命题作为备择假设。由假设检验的两类错误可知：原假设成立时被否定的概率是很小的，这说明在假设检验问题中，原假设是受到保护的。 假设检验一般可按如下步骤进行： 充分考虑和利用已知的背景知识，提出原假设和备择假设。 构造检验统计量