概率论与数理统计-假设检验PPT.ppt

8.3 双正态总体均值差与方差比的假设检验 一、均值差的假设检验 而对应的单边问题 拒绝域为 拒绝域为 第八章 假设检验 8.1假设检验的基本概念和思想 8.2 单正态总体的假设检验 8.3 双正态总体均值差与方差比的 假设检验 推断统计：利用样本统计量对总体某些性质或数量特征进行推断。 随机原则 总体参数 统计量 推断估计 参数估计 检验 假设检验 抽样分布 假设检验 基本思想 检验规则 检验步骤 常见的假设检验 基本思想 小概率原理： 如果对总体的某种假设是真实的，那么不利于或不能支持这一假设的事件A（小概率事件）在一次试验中几乎不可能发生的；要是在一次试验中A竟然发生了，就有理由怀疑该假设的真实性，拒绝这一假设。 总 体 （某种假设） 抽样 样 本 （观察结果） 检验 （接受） （拒绝） 小概率事件 未 发 生 小概率事件 发 生 检验规则 确定检验规则 检验过程是比较样本观察结果与总体假设的差异。差异显著，超过了临界点，拒绝H0；反之，差异不显著，接受H0 差 异 临界点 拒绝H0 接受H0 c c 判 断 两类错误 接受或拒绝H0，都可能犯错误 I类错误——弃真错误， 发生 的概率为α II类错误——取伪错误，发生 的概率为β 检验决策 H0为真 H0非真 拒绝H0 犯I类错误（α） 正确 接受H0 正确 犯II类错误（β） 怎样确定c? 检验步骤 建立总体假设 H0，H1 抽样得到样 本观察值 1 2 选择统计量 确定H0为真 时的抽样分布 3 根据具体决策 要求确定α 确定分布上的临 界点C和检验规则 计算检验统 计量的数值 比较并作出检验判断 7 4 5 6 8.1假设检验的基本概念和思想一、基本概念 (一) 两类问题 1、参数假设检验 总体分布已知, 参数未知, 由观测值x1, …, xn检验假设 H0：?=?0；H1：?≠?0 2、非参数假设检验 　总体分布未知, 由观测值x1, …, xn 检验假设H0：F(x)=F0(x;?); H1： F(x)≠F0(x;?) 以样本(X1, …, Xn)出发制定一个法则, 一旦观测值(x1, …, xn)确定后, 我们由这个法则就可作出判断是拒绝H0还是接受H1, 这种法则称为H0对H1的一个检验法则, 简称检验法。 样本观测值的全体组成样本空间S, 把S分成两个互不相交的子集W和W*, 即S=W∪W*, W∩W*=? 假设当(x1, …, xn) ∈W时, 我们就拒绝H0；当(x1, …, xn) ∈W*时, 我们就接受H0。子集W? S就称为检验的拒绝域(或临界域 )。 (二) 检验法则与拒绝域 (三) 检验的两类错误 称 H0真而被拒绝的错误为第一类错误或弃真错误； 称 H0假而被接受的错误为第二类错误或取伪错误。 记 p(I)=p{拒绝H0| H0真}; ?=p {接受H0| H0假} 对于给定的一对H0和H1, 总可找出许多临界域, 人们自然希望找到这种临界域W, 使得犯两类错误的概率都很小。 奈曼—皮尔逊 (Neyman—Pearson)提出了一个原则： “在控制犯第一类错误的概率不超过指定值?的条件下, 尽量使犯第二类错误 ?小”按这种法则做出的检验称为“显著性检验”, ?称为显著性水平或检验水平。 怎样构造的拒绝域方可满足上述法则？ 如:对总体X~N(? , 1), 要检验 H0：?=0；H1：?=1 显著性检验的思想和步骤： (1)根据实际问题作出假设H0与H1； (2)构造统计量, 在H0真时其分布已知； (3)给定显著性水平?的值, 参考H1, 令 P{拒绝H0| H0真}= ?, 求出拒绝域W； (4) 计算统计量的值, 若统计量?W, 则拒绝H0, 否则接受H0 8.2 单正态总体的假设检验 一、单总体均值的假设检验 1、?2已知的情形---U检验 对于假设H0：?=?0；H1：???0, 构造 查表, 计算, 比较大小, 得出结论 说明：(1) H0：?=?0；H1：??m0称为双边HT问题；而 H0：?=?0；