[理学]gl81 概率论与数理统计2版上交大.ppt

ch8 第八章 假设检验 对于一个或多个总体的未知概率分布或参数作出假设， 所作的假设可以是正确的, 也可以是错误的. 为判断所作的假设是否正确, 从总体中抽取样本, 根据样本的取值, 按一定的原则进行检验, 然后, 作出接受或拒绝所作假设的决定. §8.1. 假设检验的基本概念 进行假设检验的原则为实际推断原理: 小概率事件(? 0.05 或0.01) 在一次试验中几乎是不可能发生的. 例1. 某厂生产的一种螺钉, 按标准要求强度为 68克/mm2, 而实际生产的螺钉的强度为随 机变量 X , 已知它服从正态分布 N( ? ,3.62). 若 E ( X ) = ? = 68, 则认为这批螺钉符合要 求, 否则, 认为不符合要求. 为此提出如下 假设: 原假设的对立面: H1 : ? ? 68 称为备择假设 从该厂生产的螺钉中随机地抽取了一个容量 为 36 的样本, 样本均值 ,问原假设 是否正确? H0 : ? = 68 称为原假设或零假设 若原假设正确, 因而 ,即 偏离68不应该太远, 故 取较大值是小概率事件 是小概率事件, 偏离较远 由于 则 规定? 为小概率事件的概率大小, 通常取 ? = 0.05, 0.01,… 例如, 取? = 0.05, 则 因此, 可以确定一个常数 c , 使得 由 可以确定区间 称 的取值区间 ( 66.824 , 69.18 ) 现 落入接受域, 为检验的接受域(实际上是没有理由拒绝), 而区间 ( ?? ,66.824 ) 与 ( 69.18 , +? ) 为检验的拒绝域 则接受原假设 H0: ? = 68 由本例可见, 在给定 ? 的前提下, 接受还是拒绝原假设完全取决于样本值, 因此可能导致错误的结论. H0 为真 H0 为假 真实情况 所作判断 接受 H0 拒绝 H0 正确 正确 第一类错误 (弃真) 第二类错误 (取伪) 假设检验的两类错误 犯第一类错误的概率通常记为? 犯第二类错误的概率通常记为? 希望所用的检验方法尽量少犯错误,但不能完全排除犯错误的可能性.理想的检验方法应使犯两类错误的概率都很小,但在样本的容量给定的情形下, 不可能使两者都很小,降低一个, 往往使另一个增大. 假设检验的指导思想是控制犯第一类错误的概率，使其不超过?,然后,若有必要,通过增大样本容量的方法,减小犯第二类错误的概率? . 犯第一类错误的概率 P ( 拒绝H0| H0为真 ) 若H0为真, 则 所以, 拒绝H0的概率为?, ?又称为显著性水平, ? 越大, 犯第一类错误的概率越大, 即越显著. 本例中 H0不真, 即? ? 68, ? 可能小于68, 也可能大于 68, ? 的大小取决于? 的真值的大小. 下面计算犯第二类错误的概率? ( P. 252 ) 设 ? = 66, n = 36, ? = P ( 接受 H0 | H0不真) 若 ? = 69, n = 36, 取伪的概率较大 ?/2 ?/2 ? H0 真 H0 不真 仍取? = 0.05, 则 由 可以确定拒绝域为 ( ?? ,67.118 ) 与 ( 68.882 , +? ) 因此，接受域为 (67.118,68.882) 现增大样本容量, 取 n = 64, ? = 66, 则 注1o 一般地, 在作假设检验时, 先控制犯 第一类错误的概率 ? , 在保证? 的条件下 使 ? 尽量地小. 要降低 ? 一般要增大样本 容量. 当 H0 不真时, 参数值越接近真值, ? 越大, 本课程仅考虑 ? . 注2o 备择假设可以是单侧的, 也可以是双侧的. 上例中的备择假设是双侧的. 如果, 根据以往的生产情况, ?0 = 68. 现采用了 新工艺, 关心的是新工艺能否提高螺钉强度, ? 越大越好. 此时, 可作如下的假设检验: 原假设 H0 : ? = 68 备择假设 H1 : ? 68 当原假设H0 : ? = ?0 = 68 为真时, 取较大值的概率较小 当备择假设H1: ? 68