第七章假设检验00001.pptVIP

1．中心极限定理 我们知道，概率论中用来阐明大量随机现象平均 结果的稳定性的定理，是著名的大数定理。其具体内 容是：频率稳定于概率，平均值稳定于期望值。但 是，大量随机现象的稳定性不仅表现在平均结果上， 同时也表现在分布上，这就是中心极限定理所要阐明 的内容。显然，推论统计需要有一座能够架通抽样调 查和抽样分布的桥梁。中心极限定理告诉我们：如果 从任何一个具有均值μ和方差σ2的总体(可以具有任 何分布形式)中重复抽取容量为n的随机样本，那么当 n变得很大时，样本均值的抽样分布接近正态，并具 有均值μ和方差 。 (2)由于抽样分布的标准 差要比总体标准差小，并且 ，所以如右图所 示，样本容量越大，抽样分 布的峰态愈陡峭，由样本结 果来推断总体参数的可靠性 也随之提高。 无疑，中心极限定理大大拓展了正态分布的适用面，同时我们得到了以下重要信息：  (1)虽然样本的均值可能和总体均值有差别，但我们可期望这些将聚集在μ的周围。因此均值抽样分布的算术平均数能和总体的均值很好地重合，这就是为什么总体均值和抽样分布的均值用同一个μ来表示的缘故。 统计检验应用正态分布和二项分布有两点区别：①抽样分布 在这里是连续的而非离散的，否定域的大小可以和显著性水平的 要求精确地一致起来。②计算检验统计量不再像在应用二项分布 时那样，可以不劳而获了。很显然，为了能使用现成的正态分布 表，关键是要从样本资料中计算出在N(0，1)形式下的统计量Z， 再根据Z是否落在否定城内而对被检验假设的取舍作出决定。 在上一节我们曾引出 。Z 的这种形式适用于 N(μ，σ2)的总体，但并不适用于取正态的抽样分布。正如我们 反复强调的那样，统计检验单纯依靠样本自身是得不出结果的， 必须首先在一系列假设的基础上求出抽样分布。如果这些假设实 际上正确，那么抽样分布将告诉我们得到一个给定的的可能性是 多少。在抽样分布中，随机变量的取值是每个 ，均值是μ， 标准差是 。因此 Z 如果作为检验统计量，应该用 替换X，用 替换σ，μ不动，因而有 。 一个完整的假设应该包括零假设和备 择假设。在Z检验中，假设有三种写法： 第一种：H0: μ =90 H1: μ≠ 90 第二种：H0: μ =90 H1: μ90 第三中：H0: μ =90 H1: μ 90 双侧检验 单侧检验（右） 单侧检验（左） 思考题 1.如何理解两类错误及其关系？ 2.如何理解小概率原理在假设检验中的重要性？ 3.假设检验的基本原理和步骤是什么？ 4.什么是原假设域备择假设？ 5.如何理解双侧检验与单侧检验？ * * 第七章 假设检验 我们在第一章就已经知道，推论统计有两个基本 内容：①假设检验；②参数估计。有了概率和概率分 布的知识，接下来我们要逐步掌握统计检验的一般步 骤。既然按照数学规则得到的概率都不能用经验方法 准确求得，于是，理论概率和经验得到的频率之间肯 定存在某种差别，这就引出了实践检验理论的问题。 随机变量的取值状态不同，其概率分布的形式也就不 同。本章我们不仅要引出二项分布和正态分布这两个 著名的概率分布，并且要将它们与抽样调查联系起 来，以领会统计检验，并逐步拓宽其应用面。 第一节 二项分布 二项分布是从著名的贝努里试验中推导而来。所谓 贝努里试验，是指只有两种可能结果的随机试验。在实际 问题中，有许多随机现象只包含两个结果，如男与女，是 与非，生与死，同意与不同意，赞成与反对等等。通常， 我们把其中比较关注那个结果称为“成功”，另一个结果则 称为“失败”。每当情况如同贝努里试验，是在相同的条件 下重复n次，考虑的是“成功”的概率，且各次试验相互独 立，就可利用与二项分布有关的统计检验。虽然许多分布 较之二项分布更实用，但二项分布简单明了，况且其他概 率分布的使用和计算逻辑与之相同。所以要理解统计检验 以及它所涉及的许多新概念，人们几乎都乐意从二项分布 的讨论入手。 1. 二项分布的数学形式 从掷硬币的试验入手。假定二项试验由重复抛掷n次 硬币组成，已知硬币面朝上(成功)的概率是p，面朝下(失 败)的概率是q (显然有