讲稿5 区间估计与假设检验.pptVIP

5 区间估计与假设检验 5.1 区间估计与假设检验的基本概念 5.2 总体均值的区间估计与假设检验的SAS实现 5.3 总体比例的区间估计与假设检验的SAS实现 5.4 总体方差的区间估计与假设检验的SAS实现 5.5 分布检验 5.1 区间估计与假设检验的基本概念 5.1.1 区间估计 5.1.2 假设检验 5.1.1 区间估计 1. 点估计和区间估计 参数的估计方法主要有两种：点估计和区间估计。 点估计：用样本的观测值估计总体未知参数的值。 区间估计：在点估计的基础上，给出总体参数的一个范围。 2. 参数的置信区间和置信水平 置信区间：由样本统计量所构造的总体参数的估计区间。 置信区间是一个随机区间，它依赖与样本。 如果将构造置信区间的步骤重复多次，置信区间中包含总体参数真值的次数所占的比例，称为置信水平。 置信水平为1 – α的含义是随机区间(θ1，θ2)以1 – α的概率包含了参数θ。 90％ α＝0.1 为正态曲线下右侧面积为α/2的Z值。 3. 正态总体均值和方差的置信区间 正态总体参数的各种置信区间见表5-1。 4. 总体比例与比例差的置信区间 实际应用中经常需要对总体比例进行估计，如产品的合格率、大学生的就业率和手机的普及率等。记π和P分别表示总体比例和样本比例，则当样本容量n很大时（一般当nP和n(1 – P)均大于5时，就可以认为样本容量足够大），样本比例P的抽样分布可用正态分布近似。总体比例与比例差的置信区间如表5-2所示。 要用到的3个分布： 正态概率分布有以下重要特征： （1）正态分布是对称分布，对称轴是x=μ。 （2）当x=μ时，正态概率密度最大。 （3）正态分布的图形由μ和σ决定。 （4）当σ为定值时，μ的变化引起正态概率密度曲线在横轴上平行移动。 （5）当μ为定值时，σ的变化将引起正态概率密度曲线的形状变得尖峭或偏平。 5.1.2 假设检验 1. 假设检验的基本概念和原理 假设检验：先对总体参数提出某种假设，然后利用样本信息判断假设是否成立的过程。 备择假设：研究者想通过收集证据以支持的假设记为H1 原假设： 研究者想通过收集证据以反对的假设记为H0 a: 当原假设为真时拒绝原假设的概率，为显著性水平。 检验统计量：对原假设和备择假设作出决策的某个样本统计量。 拒绝域：能够拒绝原假设的检验统计量的所有可能值的集合。 对总体参数进行假设检验时，首先要给定一个原假设H0，H0是关于总体参数的表述，与此同时存在一个与H0相对立的备择假设H1，H0与H1有且仅有一个成立；经过一次抽样，若发生了小概率事件（通常把概率小于0.05的事件称为小概率事件），可以依据“小概率事件在一次实验中几乎不可能发生”的理由，怀疑原假设不真，作出拒绝原假设H0，接受H1的决定；反之，若小概率事件没有发生，就没有理由拒绝H0，从而应作出拒绝H1的决定。 2. 假设检验的步骤 1) 根据问题确立原假设H0和备选假设H1； 2) 确定一个显著性水平?，它是衡量稀有性（小概率事件）的标准，常取为0.05； 3) 选定合适的检验用统计量W（通常在原假设中相等成立时，W的分布是已知的），根据W的分布及?的值，确定H0的拒绝域。 4) 由样本观测值计算出统计量W的观测值W0，如果W0落入H0的拒绝域，则拒绝H0；否则，不能拒绝原假设H0。 注意：在SAS系统中，是由样本观测值计算出统计量W的观测值W0和衡量观测结果极端性的p值（p值就是当原假设成立时得到样本观测值和更极端结果的概率），然后比较p和?作判断：p ?，拒绝原假设H0；否则，不能拒绝原假设H0。 p值通常由下面公式计算而得到。 ● p = P{|W| ≥ |W0|} = 2 P{ W ≥ |W0|} （拒绝域为两边对称的区域时） ● p = min{P{W ≥ W0}，P{W ? W0}} （拒绝域为两边非对称区域时） ● p = P{W ≥ W0} （拒绝域为右边区域时） ● p = P{W ? W0} （拒绝域为左边区域时） 只需根据SAS计算出的p值，就可以在指定的显著水平下，作出拒绝或不能拒绝原假设的决定。 3. 正态总体均值和方差的假设检验 对正态总体的参数进行假设检验是假设检验的重要内容，如对单总体均值、方差的检验、两总体均值之差的检验和两总体方差比的检验等。正态总体参数的各种检验方法见下表5-3至表5-5。 表5-3 单正态总体N(μ,?2)均值μ的检验法 表5-4