区间估计2.ppt

检验法则: 当 T(x1,…, x9)?? C 时拒绝H0，否则接受H0 令W={(x1,…, x9) :T(x1,…, x9)?? C } 称其为检验的拒绝域，它的边界点称为检验的临界点 令A={(x1,…, x9) :T(x1,…, x9)?? C } 称其为检验的接受域 （3） 显著水平与临界值 由于作出决策的依据是一个样本，当实际 H0为真 时仍有可能作出拒绝H0的判断，这是一种错误。我们无法排除犯这类错误的可能性，因此自然希望将犯这类错误的概率控制在一定的限度内，即给出一个较小的数?（0 ? 1），使 P(拒绝H0| H0为真 )? ? ?称为检验的显著水平 ? 根据上式确定检验的临界点 假设检验中的基本概念 （1）假设：关于总体分布的某个命题 （2）原假设：把需要检验的假设称为原假设，记为H0 （3）备择假设：在拒绝原假设后，可供选择的一个命题称为备择假设，它可以是原假设对立面的全体，或其中的一部分，记为H1 （4）检验统计量：用于判断原假设成立与否的统计量称为检验统计量。 （5）拒绝域：使原假设H0被拒绝的样本观测值所组成的区域称为检验的拒绝域 接受域：保留原假设H0的样本观测值所组成的区域称为检验的接受域 （6）显著水平：控制P(拒绝H0| H0为真 )? ? 中的 ? 称为检验的显著水平 两 类 错 误 第一类错误：原假设H0为真，但由于样本的随机性，使样本观测值落入拒绝域，从而作出拒绝H0的结论，这类错误称第一类错误，它发生的概率称为犯第一类错误的概率，也称为“拒真概率”。 第二类错误：原假设H0为假，但由于样本的随机性，使样本观测值落入接受域，从而作出接受H0的结论，这类错误称第二类错误，它发生的概率称为犯第二类错误的概率，也称为“取伪概率”。 在一般情形，当样本容量固定时，减小一类错误概率会导致另一类错误概率的增加. 要同时降低两类错误的概率，或者要在第一类的错误概率不变的条件下降低，第二类的错误概率，需要增加样本容量. 一般来说，我们总是控制犯第一类错误的概率，使它不大于?。 再在这一限制下使第二类的错误发生的概率尽可能地小 —— 控制第一类错误的原则 显著性检验 假设检验问题的类型 参数检验，非参数检验 下面我们主要讨论 正态总体参数的假设检验问题 区间估计 前面，我们讨论了参数点估计常用的矩估计法和最大似然法. 它是用样本算得的一个值去估计未知参数. 但是，点估计仅仅给出了未知参数的一个近似值，它没有反映出这种估计的精度. 区间估计正好弥补了点估计的这个不足之处. 区间估计 一 、定义 设X1 ，…，Xn为来自总体X?F(x, ?）的一个样本，? ? ?为未知参数。若对于给定的?（0 ? 1），存在统计量 使得对所有的? ? ? 满足 则称随机区间 二 构造置信区间的方法 1. 枢轴变量法的具体步骤 为参数? 的置信度为1-? 的置信区间， 分别称为置信度为1-? 的双侧置信区间的置信下限和上限。置信度1-? 也称置信水平。 如何寻找置信区间? 通常有如下的枢轴变量法 从未知参数? 的某个点估计 出发，构造 与? 的一个函数 使得G的分布已知，且与 ? 无关。该函数通常称为枢轴变量。 利用不等式运算，将不等式 适当选取两个常数c, d，使对给定?的有 等价变形为 即 此时参数? 的置信度为1-? 的置信区间为 2. 如何确定a , b 我们总是希望置信区间尽可能短. 任意两个数a和b，只要它们的横标包含f(x)下95%的面积，就确定一个95%的置信区间. 在 a = ? b 概率密度为单峰且对称的情形，当c = ?d 时求得的置信区间的长度为最短. 当 的概率密度不对称的情形，如 分布，F分布，习惯上仍取对称的百分位点来计算未知参数的置信区间. 2 正态总体均值与方差的区间估计 先看下面的例子: ~N(0, 1) 选 的点估计为 求参数 的置信度为 的置信区间. 例1 设X1,…Xn是取自 的样本， 解： 寻找一个待估参数和 估计量的函数 ，要求 其分布为已知. 有了分布，就可以求出 U取值于任意区间的概率. 对于给定的置信水平, 根据U的分布，