医学统计学假设检验基本思想.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 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。 一、 假设检验问题的提出 　　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。 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，…，xn)。 注意到 是的无偏估计量。因此，若H0正确， 则 与?0的偏差一般不应太大，即 不 应太大，若过分大，我们有理由怀疑H0的正确性而拒 绝H0。由于 ，因此，考察 的大小等价于考察 的大小，哪么如 何判断 是否偏大呢？ 具体设想是，对给定的小正数?，由于事件 是概率为的小概率事件，即 因此，当用样本值代入统计量 具体 计算得到其观察值 时，若 ，即说明在一次抽样中，小概率事件居然发生了。因此依据小概率原理，有理由拒绝H0，接受H1； 若