正态总体方差的假设检验—检验.PPT

（2）当方差σ2未知时，用 S2 代替σ2，检验统计量为 （2） 仍然近似服从标准正态分布 N (0,1)，拒绝域为 （3）右边检验 H0：μ=μ0，H1：μ＞μ0 的拒绝域为 左边检验 H0：μ=μ0，H1：μ＜μ0 的拒绝域为 例1 某工厂生产一批产品，要求次品率不超过10%，如果从产品中抽取50件，发现有8件次品，可否认为这批产品合格(取α=0.05)？ 解 设次品率为 p，要检验的假设为 H0：p = p0 = 0.1， H1：p＞0.1． 由于总体 X 服从参数为 p 的 (0-1) 分布，方差为σ2 = D (X ) = p (1－p)．在H0 成立的条件下，检验统计量为 拒绝域为 u≥uα． 这里 uα= u0.05 = 1.645，n = 50， ， 于是 因此，在显著性水平α=0.05下接受H0，即认为这批产品合格． 例2 对于一个未知分布的总体 X ，从中抽取容量为150的样本观察值，算得 ，s = 4，在显著性水平α=0.05下检验假设H0：μ= 0． 解 这里方差σ2未知，因此检验统计量为 拒绝域为 ．查表得 = u0.025 = 1.96 ． 由于 所以接受H0，即认为总体的均值μ=0． 在总体 X 的分布未知时，检验总体的分布函数 F ( x ) 是否与已知的分布函数 F0( x ) 有显著差别，即检验 H0：F(x)=F0(x)． 这类问题称为非参数检验． 若总体分布为离散型，则上述假设相当于 H0：总体 X 的分布律为 ． 若总体分布为连续型，则相当于检验假设 H0：f (x) = f0 (x) （ f0(x) 为已知密度函数）． 第五节 总体分布的假设检验— 检验 区间的频率为 ，如果假设 H0 成立，即 F(x)=F0(x)，则落入第 i 个区间内的概率为 在这里，视 ．称 pi 为理论频率，称 nipi 为理论频数． 为检验假设H0，在实数轴上取k－1个点 t1 ＜t2＜…＜tk－1，把实数轴分成 k 个区间： ( , t1]，( t1, t2]，…，( tk－1， ) ． 对于总体 X 的一个样本观察值( x1, x2, …，xn )，计算出 x1，x2，… ，xn 落入第 i 个区间 (ti－1, ti]的个数ni（称为实际频数 )，则落入该 由频率与概率的关系知道，当原假设H0成立时，(ni /n－pi)2 应该比较小， 也应该比较小，因此 比较小才合理．上式称为皮尔逊统计量． 如果F0(x)中含有r 个未知参数θ1,θ2,…,θr 即总体 X 的分布函数为 F0 ( x；θ1,θ2,…,θr )，则应先求出θ1,θ2,…,θr 的极大似然估计 ，再求出 可以证明，在假设H0成立的条件下，不论F0(x)是怎样的分布函数，当样本容量充分大时，皮尔逊统计量 总是近似地服从自由度为k－1的 分布． 对于给定的显著性水平α，当样本容量 n 很大时，有 原假设H0的拒绝域为 当 n 充分大时，统计量 近似地服从自由度为 k － r － 1的 分布．此时假设 H0： 的拒绝域为 注意 在使用上述皮尔逊 检验法时，通常应取 n ≥ 50，且每个 npi≥ 5，如果某些区间的 npi 太小，则应适当地将相邻若干个区间合并，使合并后的区间上 npi 超过 5，此时要相应减少自由度． 例1 在一实