嘉兴学院课件第七章假设检验其他分布参数的假设检验.ppt

第七章 假设检验 嘉兴学院 * 第*页 * 第七章 假设检验 嘉兴学院 * 第*页 §7.3 其他分布参数的假设检验 7.3.1 指数分布参数的假设检验 设 x1, x2 , …, xn 是来自指数分布 的样本，关于? 的如下检验问题： (7.3.1) 拒绝域的形式是 ，由于在?=?0时， 所以拒绝域为 例7.3.1 设我们要检验某种元件的平均寿命不小 于6000小时，假定元件寿命为指数分布，现取 5个元件投入试验，观测到如下5个失效时间: 395, 4094, 119, 11572, 6133。 解：由于待检验的假设为 若取 ?=0.05，则检验拒绝域为: 故接受原假设， 可以认为平均寿命不低于6000小时. 经计算得 7.3.2 比例的检验 比例 p 可看作某事件发生的概率。作 n 次独立试验，以 x 记该事件发生的次数，则 。我们可以根据 x 检验关于 p 的一些假设: (1) 直观上看拒绝域为: ，由于x 只 取整数值，故c 可限制在非负整数中。 这是在对离散总体作假设检验中普遍会遇到的问题. 一般情况下，对给定的? ，不一定能正好取到一个正整数c 使下式成立: 一般较常见的是找一个c0，使得 (2) 检验的拒绝域为: c 为满足 的最大正整数。 (3) 检验的拒绝域为: 或 其中c1为满足下式的最大正整数: c2为满足下式的最小正整数: 例7.3.2 某厂生产的产品优质品率一直保持在 40%，近期对该厂生产的该类产品抽检 20 件，其中优质品7件，在 下能否认为 优质品率仍保持在40%？ 解：以p 表示优质品率，x 表示20件产品中的优质 品件数，则 ，待检验的假设为 拒绝域为 或 由于 下求c1与c2: 故取 c1=3，又因为 从而c2=12，拒绝域为 附带指出，该拒绝域的显著性水平实际上不是0.05，而是0.0160+0.021=0.0370 。 由于观测值没有落入拒绝域，故接受原假设。 或 7.3.3 大样本检验 在二点分布参数 p 的检验问题中，临界值的确定比较繁琐，使用不太方便。如果样本量较大，我们可用近似的检验方法——大样本检验。 大样本检验一般思路如下：设 是来自某 总体的样本，又设该总体均值为? ，方差为? 的函数，记为 ，譬如，对二点分布b(1,? )， 其方差?(1-? )是均值? 的函数，则在样本容量n 充分大时， 故可采用如下检验: 由此近似地确定拒绝域。 统计量 例7.3.3 某厂产品的不合格品率为 10%，在 一次例行检查中，随机抽取80件，发现有 11件不合格品，在? =0.05下能否认为不合 格品率仍为10%？ 解：这是关于不合格品率的检验，假设为: 若取? =0.05，则u0.975=1.96, 故拒绝域为 故不能拒绝原假设。 因为n =80 比较大，可采用大样本检验方法。检验统计量为 例 7.3.4 某建筑公司宣称其麾下建筑工地平均每 天发生事故数不超过 0.6 起，现记录了该公司 麾下建筑工地 200天的安全生产情况，事故数 记录如下： 天数 102 59 30 8 0 1 0 200 一天发生的事故数 0 1 2 3 4 5 合计 ?6 试检验该建筑公司的宣称是否成立(取? =0.05)。 解：以X 记建筑工地一天发生的事故数，可认 为 ，要检验的假设是： 由于n=200很大，可以采用大样本检验，泊松分布的均值和方差都是?，这里 ，检验统计量为 若取? =0.05，则 u0.95=1.645，拒绝域为 如今 u=2.556 已落入拒绝域，故拒绝原假设， 认为该建筑公司的宣称明显不成立。 7.3.4 检验的 p 值 假设检验的结论通常是简单的: 在给定的显著水平下，不是拒绝原假设就是保留原假设。然而有时也会出现这样的情况：在一个较大的显著水平（? =0.05）下得到拒绝原假设的结论，而在一个较小的显著水平（? =0.01）下却会得到相反的结论。 这种情况在理论上很容易解释： 因为显著水平变小后会导致检验的拒绝域变小，于是原来落在拒绝域中的观测值就可能落入接受域。 但这种情况在应用中会带来一些麻烦：假如这时一个人主张选择显著水平? =0.05，而另一个人主张选? =0.01，则第一个人的结论