双侧检验单个正态总体（均值和方差）的假设检验.ppt

第四章 随机变量的数字特征 几个特殊随机变量的数学期望与方差 定义1 设X是离散型随机变量，它的分布率是: P{X=xk}=pk , k=1,2,… 请注意 :离散型随机变量的数学期望是一个绝对收敛的级数的和.数学期望简称期望，又称为均值。 若级数 绝对收敛， 则称级数 即 的和为随机变量X的数学期望，记为 , 随机变量X的数学期望 定义2 设X是连续型随机变量，其密度函数为 f (x),如果积分 绝对收敛,则称此积分值为X的数学期望, 即 请注意 : 连续型随机变量的数学期望是一个绝对收敛的积分. (1) 当X为离散型时,它的分布率为P(X= xk)=pk ; (2) 当X为连续型时,它的密度函数为f(x).若 定理 设Y是随机变量X的函数:Y=g (X) (g是连续函数) 上述定理还可以推广到两个或两个以上随 机变量的函数的情况。 数学期望的性质 1. 设C是常数，则E(C)=C; 4. 设X、Y 相互独立，则 E(XY)=E(X)E(Y); 2. 若k是常数，则E(kX)=kE(X); 3. E(X+Y) = E(X)+E(Y); （诸Xi相互独立时） 请注意: 由E(XY)=E(X)E(Y) 不一定能推出X,Y 独立 X为离散型， 分布率 P{X=xk}=pk 由定义知，方差是随机变量 X 的函数 g(X)=[X-E(X)]2 的数学期望 . 方差的计算 X为连续型，X概率密度f(x) D(X)=E(X2)-[E(X)]2 方差的性质 1. 设C 是常数, 则 D(C)=0 ; 2. 若 C 是常数, 则 D(CX)=C2 D(X) ; 3. 设 X 与 Y 是两个随机变量，则 D(X+Y)= D(X)+D(Y)+2E{[X-E(X)][Y-E(Y)]} 4. D(X)=0 P{X= C}=1 , 这里C=E(X) 例1 设随机变量X具有(0—1）分布，其分布率为 例2 例3 设随机变量X服从指数分布,其概率密度为 例4 例5 设X~B(n,p) 例6 切比雪夫不等式 或 由切比雪夫不等式可以看出，若 越小，则事件{|X-E(X)| }的概率越大，即随机变量X 集中在期望附近的可能性越大. 量E{[ X-E(X)][Y-E(Y) ]}称为随机变量X和Y的协方差,记为Cov(X,Y) ，即 ⑶ Cov(X1+X2,Y)= Cov(X1,Y) + Cov(X2,Y) ⑴ Cov(X,Y)= Cov(Y,X) 协方差 2.简单性质 ⑵ Cov(aX,bY) = ab Cov(X,Y) a,b 是常数 Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} 1.定义 Cov(X,Y)=E(XY) -E(X)E(Y) 可见，若X 与 Y 独立， Cov(X,Y)= 0 . 计算协方差的一个简单公式 由协方差的定义及期望的性质，可得 Cov(X,Y)=E{[ X-E(X)][Y-E(Y) ]} =E(XY)-E(X)E(Y)-E(Y)E(X)+E(X)E(Y) =E(XY)-E(X)E(Y) 即 相关系数 为随机变量 X 和 Y 的相关系数 . 定义: 设D(X)0, D(Y)0, 称 * * 假设检验的基本思想和方法、一般步骤、 两类错误和单、双侧检验 单个正态总体（均值和方差）的假设检验 第八章 假设检验 提出 假设 根据统计调查的目的, 提出 原假设H0 和备选假设H1 作出 决策 抽取 样本 检验 假设 对差异进行定量的分析， 确定其性质(是随机误差 还是系统误差. 为给出两 者界限，找一检验统计量T， 在H0成立下其分布已知.） 拒绝还是不能 拒绝H0 显著性 水平 P(T W)= -----犯第一 类错误的概率， W为拒绝域 基本思想和方法 提出原假设和备择假设 第一步： 第二步： 能衡量差异大小且分布已知 取一检验统计量，在H0成立下 求出它的分布 一般步骤 第三步：根据给定的显著性水平，确定拒绝域 即“ ”是一个小概率事件 . 对给定的显著性水平 =0.01，查表确定临界值 ,使 得否定域 W: |t |4.0322 故不能拒绝H0 . 第四步：根据样本信息确定拒