[理学]07北航数理统计课件.ppt

第七讲 假设检验 一、 基本概念 二、 单个正态总体的检验 三、 两个正态总体的检验 四、 似然比检验 五、 非正态总体大样本参数检验 六、 Pearson( )检验法 拒绝域为 这样检验统计量也可以为 可得临界值为 可以证明这时的 检验和 检验是等价的。 从上述两个例子可得求似然比检验的一般步骤： （1） 在 内求 的极大似然估计 ， 在 内求 的极大似然估计 （2） 计算并化简 使成形式 ， 满足两个要求， 是 的单调增函数或单调减函数； 当 成立时， 的分布完全已知。 （3） 增函数时，由 求临界值 减函数时，由 求临界值 （4） 检验统计量取为 增函数时，拒绝域为 减函数时，拒绝域为 其一： 其二： 注： （1） 正态总体下参数的检验基本都是似然比检验 （2） 似然比检验可用于检验样本来自两个不同类 型分布之一， 样本来自正态总体族 样本来自双参数指数分布族 其中 如 （3） 似然比检验适应面广， （4） 一般情形下， 难获得， 总体均可以构造， 且构造的检验常具有一 些优良性质， 如在某种意义下具有最有性。 因此临界值的求法有两种。 其一， 利用Monte-Carlo模拟计算； 其二， 当样本 容量 很大时， 利用似然比统计量的极限 分布近似给出。 正态总体和非正态 似然比统计量的精确分布很 * 一、基本概念 二、单个正态总体的检验 三、两个正态总体的检验 五、非正态总体大样本参数检验 六、Pearson检验法 四、似然比检验 在自然科学和社会科学等中，常常要对某 些重要问题做出回答：是或否。 如月球比地球 早形成吗？ 一种新药对某种病有效吗？ 某种 股票会涨吗？ 新推出的电视节目收视率高吗？ 等等。 为了回答这些问题， 我们需要对感兴趣 的问题进行试验或观察获得相关数据， 根据这 些数据决定是或否的过程称为假设检验。 (Hypothesis Testing) 在这节，给出一般的Neyman-Pearson假设 检验构架。 原假设和备择假设 布或关于参数 的推测， 称为 假设， 其中 是 的非空真子集。 在一个假设检验中，常涉及两个假设。 所 要检验的假设称为原假设或零假设， 记为 。 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。 保留这个的灵活性， 不仅是理论的 需要， 也有其实际意义。 则称 为简单假设(Simple Hypothesis)， 否则称为复 合假设(Composite Hypothesis)， 对备择假设也有 简单假设和复合假设。 拒绝域、接受域、检验统计量 检验一个假设，就是根据某一法则在原 假设和备择假设之间做出选择， 而基于样本 做出拒绝 或接受 所依赖的法则称为检验。 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 能由统计量 确定出拒绝域 ， 这样的统 计量 称为检验统计量(Test Statistic)。 两类错误 由于样本时随机的， 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 定义8.1 一个检验的功效(Power)定义为当 不 成立时拒绝 的概率， 即 检验的显著性水平 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。 这样就是在给定一个较 小的数 (一般取为0.01