假设检验(4学时).pptVIP

怎样解决下面的问题？ 一个水库里有多少鱼？ 一片原始森林里的木材储蓄量有多少？ 一批灯泡的平均使用寿命是多少？ 一批产品的合格率是多少？ 怎样才能知道这些问题的答案？你不可能把一个水库里的水抽干去称鱼的重量，不可能把森林伐完去量木材有多少，不可能把一批灯泡都用完去计算它的平均寿命，也不可能把每一件产品都检测完才知道它的合格率 一、 参数假设检验 在总体的分布函数已知，但参数未知时，如对总体分布中的未知参数提出假设，则如何利用样本提供的信息来检验这个假设，即接受此假设还是拒绝此假设。这类统计问题我们称之为参数的假设检验问题。 假设检验是统计推断的另一种方式，它与区间估计的差别主要在于：区间估计是用给定的大概率推断出总体参数的范围，而假设检验是以小概率为标准，对总体的状况所做出的假设进行判断。假设检验与区间估计结合起来，构成完整的统计推断内容。 假设检验分为两类：一类是参数假设检验，另一类是非参数假设检验。 例1：消费者协会接到消费者投诉，指控品牌纸包装饮料存在容量不足，有欺骗消费者之嫌。包装上标明的容量为250毫升。消费者协会从市场上随机抽取50盒该品牌纸包装饮品，测试发现平均含量为248毫升，小于250毫升。这是生产中正常的波动，还是厂商的有意行为？消费者协会能否根据该样本数据，判定饮料厂商欺骗了消费者呢？ 消费者协会实际要进行的是一项统计检验工作。检验总体平均 =250是否成立。这就是一个原假设(null hypothesis)，通常用 表示，即： ： =250 与原假设对立的是备选假设(alternative hypothesis) ，备选假设是在原假设被否定时另一种可能成立的结论。备选假设比原假设还重要，这要由实际问题来确定，一般把期望出现的结论作为备选假设。 构造一个统计量来决定是“接受原假设，拒绝备选假设”，还是“拒绝原假设，接受备选假设”。对不同的问题，要选择不同的检验统计量。检验统计量确定后，就要利用该统计的分布以及由实际问题中所确定的显著性水平，来进一步确定检验统计量拒绝原假设的取值范围，即拒绝域。 在给定的显著性水平α下，检验统计量的可能取值范围被分成两部分：小概率区域与大概率区域。小概率区域就是概率不超过显著性水平α的区域，是原假设的拒绝区域；大概率区域是概率为1-α的区域，是原假设的接受区域。 二、两种类型的错误 三、检验功效 在犯第一类错误概率得到控制的条件下，犯取伪错误的概率也要尽可能地小，或者说，不取伪的概率1-β应尽可能增大。1-β越大，意味着当原假设不真实时，检验判断出原假设不真实的概率越大，检验的判别能力就越好；1-β越小，意味着当原假设不真实时，检验结论判断出原假设不真实的概率越小，检验的判别能力就越差。可见1-β是反映统计检验判别能力大小的重要标志，我们称之为检验功效或检验力。 第二节 总体参数检验 一、单侧检验与双侧检验 二、参数检验 参数检验都是先对样本所属总体的性质作出若干的假定，或对总体的分布形状加以限定，然后对总体的有关参数情况进行统计假设检验。因此，参数检验又称为限定分布检验。如在总体服从正态分布条件下，对其均值进行检验。 在例1中，按历史资料，总体的标准差是4毫升。我们通过检验总体均值是否等于250毫升，来判断饮料厂商是否欺骗了消费者。程序如下： 例1：消费者协会接到消费者投诉，指控品牌纸包装饮料存在容量不足，有欺骗消费者之嫌。包装上标明的容量为250毫升。消费者协会从市场上随机抽取50盒该品牌纸包装饮品，测试发现平均含量为248毫升，小于250毫升。 第一步：确定原假设与备选假设。 ： =250； ： 250 以上的备选假设是总体均值小于250毫升，因为消费者协会希望通过样本数据推断出厂商的欺骗行为(大于250毫升一般不会发生)。因此使用左侧检验。 第三步：确定显著性水平，确定拒绝域。 通常显著水平由实际问题确定，我们这里取α=0.05，左侧检验，拒绝域安排在左边，查标准正态分布表得临界值： - = - 1.645，拒绝域是 z -1.645。 总体标准差未知时，对总体均值检验经常用 t 统计量： 但是，在大样本场合(样本容量n大于30时)，t-统计量与标准正态分布统计量近似，通常用 z 检验代替 t 检验。 例2 某种元件，按照标准其使用寿命不低于1000（小时），现从生产出的一批元件中随机抽取25件，测得其平均寿命为950（小时），样本标准差为100（小时）。 假设该种元件寿命服从正态分布，对于置信度95%,试问这批元件是否可以认为合格？ 非正态总体参数的假设检验 这里讨论的是在大样本（样本容量）情形下总体均值和总体