应用数理统计2011数理统计10假设检验.ppt

第三章 假设检验 引 子 一 基本概念 原假设和备择假设 简单假设和复合假设 二、 Neyman-Pearson 引理 注: （1） MPT的 检验统计量可取为非随机化的形式 这说明此种情形下 引理的证明可参看《高等统计学》(郑忠国)。 * 冯伟 数学与系统科学学院 wfeng_323@buaa.edu.cn 一、基本概念 二、Neyman-Pearson 引理 解：H0：?＝ ?0； 因为22.064,所以接受H0,即认为合格。 事实上是得到了一个拒绝域： 因此，一个检验就是构造一个拒绝域。 布(或关于参数 )的推测， 称为 其中 是 的非空真子集。 在一个假设检验中，常涉及两个假设。 要检验的假设称为原假设或零假设， 记为 。 假设， 而与 不相容的假设，称为备择假设或对立 假设， 记为 。 对参数统计模型 而 言，原假设和备择假设这对矛盾的统一体 称为假设检验问题。 在假设检验问题中， 不相交的非空子集， 一定成立。 保留这个灵活性， 不仅是理论的 需要， 也有其实际意义。 则 称为简单原假设(Simple Hypothesis)， 否则称为复 合原假设(Composite Hypothesis)， 对备择假设也有 简单备择假设和复合备择假设。 简单假设也有另外一种等价定义，即如果 一个假设完全决定统计问题的分布函数，则称 为简单假设。 检验和拒绝域 检验一个假设，就是根据某一法则在原 而基于样本x 做出拒绝H0或接受H0所依赖的法则称为检验。 假设和备择假设之间做出选择. 这样一个检验就等同于将样本空间分成 两个互不相交的子集 和 ， 绝 ， 称 为拒绝域(Rejection Region), 称 为接受域(Acceptance Region)。 这样检验和拒绝 域就建立起一一对应关系。 为了确定拒绝域， 往往根据问题的直观背 景， 寻找合适的统计量 ， 要 检验统计量 这样的统 计量 称为检验统计量(Test Statistic)。 能由统计量 确定出拒绝域 ， 有必要引入函数 它是拒绝域上的示性函数， 为了便于描述拒绝域及数学理论上的需要， 称其为检验函数。 检验函数 上面这种检验函数也称为非随机化检验函数。 定义(随机化检验函数)： 的函数 当得到样本x后，以概率 否 定零假设，以概率 接受备择假设。这 样的函数 样的函数称为随机化检验函数。 在随机化检验函数中，若 只取0和1， 则检验 就是非随机化检验函数，其拒绝 域由满足条件 的x构成。 而随机化的检验函数如下： 在随机化检验时，是否接受零假设的 计算 若 决定分两阶段作出：先观察样本x，然后 对于连续总体，随机化检验函数没有必 要。对于离散总体，可适当调整检验水平，以避免随机化。总之可证明，相当多的随机化检验函数可非随机化。并且我们常用的检验尽管有一些在推导时要用到随机化检验函数，但都可化为非随机化检验函数。因此，我们不再强调随机化检验了。 参数假设检验的风险函数 参数检验的决策空间为{d0,d1}, d0为接受 原假设， d1为拒绝原假设。参数检验的损失函数定义如下： 第一类错误（弃真）和第二类错误（取伪） 由于样本是随机的，进行检验时可能犯 两类错误， 其一是当 为真时，却拒绝 ， 称为第一类错误，其概率为 其二是当 为假时，却接受 ， 称为第二类 错误， 其概率为 它称为一个检验的功效(Power), 即当H0假 第一类错误和第二类错误相当于a=1,b=1时分别对应的风险函数。注意，因为?的取值不同，它们的和不是1。 定义1 (Power Function), 也称为势函数。 为功效函数 恰是犯第一类错误的概率 时,拒绝 H0 的概率,也是不犯第二类错误的概率. (2) (1) 检验的水平 当样本容量 固定时， 要减少犯第一类错 误的概率， 就会增大犯第二类错误的概率； 反 之， 若要减少犯第二类错误的概率，就会增大 犯第一类错误的概率。 即就是说当样本容量固 定时， 不可能同时减少犯两类错误的概率， 这 是一对不可调和的矛盾。 类错误的概率, 在给定的范围内， 寻找检验使得 犯第二类错误的概率尽可能的小， 即就是使检 验的功效尽可能的大。 这样就是给定一个较 小的数 (一般取为0.01,0.05,0.1等)， 在满足 的检验函数类中， 寻找使得功效 尽可能大的检验函数。 Neyman-Pearson检验原理就是控制犯第一 则称 是一个水