概率论ch81课件.pptVIP

第八章 假设检验 (Hypothesis Testing ) 假设检验 正态总体均值的假设检验 正态总体方差的假设检验 第一节 假设检验(Hypothesis Testing ) 二、假设检验的相关概念 三、双边检验与单边检验 一、假设检验的基本原理 四、假设检验的一般步骤 五、小结 假设检验 参数假设检验 非参数假设检验 这类问题称作假设检验问题 . 总体分布已知， 检验关于未知参数 的某个假设 总体分布未知时的 假设检验问题 在本讲中,我们将讨论不同于参数估计的另一类重要的统计推断问题. 这就是根据样本的信息检验关于总体的某个假设是否正确. 一、假设检验的基本原理 这一讲讨论对参数的假设检验 . 在总体的分布函数完全未知或只知其形式、但不知其参数的情况下, 为了推断总体的某些性质, 提出某些关于总体的假设. 假设检验就是根据样本对所提出的假设作出判断: 是接受, 还是拒绝. 如何利用样本值对一个具体的假设进行检验? 通常借助于直观分析和理论分析相结合的做法,其基本原理就是人们在实际问题中经常采用的所谓小概率原理:“一个小概率事件在一次试验中几乎是不可能发生的”. 下面结合实例来说明假设检验的基本思想. 生产流水线上罐装可乐不断地封装，然后装箱外运. 怎么知道这批罐装可乐的容量是否合格呢？ 把每一罐都打开倒入量杯, 看看容量是否合于标准. 这样做显然不行！ 罐装可乐的容量按标准应在350毫升和360毫升之间. 通常的办法是进行抽样检查. 每隔一定时间，抽查若干罐 . 如每隔1小时, 抽查5罐, 得5个容量的值X1，…，X5 ,根据这些值来判断生产是否正常. 很明显，不能由5罐容量的数据，在把握不大的情况下就判断生产 不正常，因为停产的损失是很大的. 当然也不能总认为正常，有了问题不能及时发现，这也要造成损失. 如何处理这两者的关系，假设检验面对的就是这种矛盾. 如发现不正常,就应停产,找出原因,排除故障,然后再生产;如没有问题,就继续按规定时间再抽样,以此监督生产,保证质量. 在正常生产条件下,由于种种随机因素的影响,每罐可乐的容量应在350毫升上下波动. 这些因素中没有那一个占有特殊重要的地位. 因此,根据中心极限定理,假定每罐容量服从正态分布是合理的. 现在就来讨论这个问题. 罐装可乐的容量按标准应在350毫升和360毫升之间. 它的对立假设是： 称H0为原假设（或零假设）； 称H1为备择假设（或对立假设）. 现在要检验的假设是： 那么，如何判断原假设H0 是否成立呢？ 那么，如何判断原假设H0 是否成立呢？ 较大、较小是一个相对的概念，合理的界限 在何处？应由什么原则来确定？ 问题归结为对差异作定量的分析,以确定其性质. 差异可能是由抽样的随机性引起的，称为 “抽样误差”或 “随机误差” 这种误差反映偶然、非本质的因素所引起的随机波动. 然而,这种随机性的波动是有一定限度的,如果差异超过了这个限度,则我们就不能用抽样的随机性来解释了. 必须认为这个差异反映了事物的本质差别,即反映了生产已不正常. 问题是,根据所观察到的差异,如何判断它究竟是由于偶然性在起作用,还是生产确实不正常？ 即差异是“抽样误差”还是“系统误差”所引起的？ 这里需要给出一个量的界限 . 问题是：如何给出这个量的界限？ 这里用到人们在实践中普遍采用的一个原则： 小概率事件在一次试验中基本上不会发生. 下面用一例说明这个原则. 小概率事件在一次试验中基本上不会发生. 这里有两个盒子,各装有100个球. 一个盒子里有99个红球一个白球，另一个盒子里有99个白球一个红球, 现从两盒中随机取出一个盒子,问这个盒子里是白球99个还是红球99个？ 小概率事件在一次试验中基本上不会发生. 不妨先假设：这个盒子里有99个白球. 现在从中随机摸出一个球，发现是: 此时你如何判断这个假设是否成立呢？ 假设其中真有99个白球，摸出红球的概率只有1/100，这是小概率事件. 小概率事件在一次试验中竟然发生了，不能 不使人怀疑所作的假设. 这个例子中所使用的推理方法,可以称为 带概率性质的反证法 不妨称为概率反证法. 它不同于一般的反证法. 概率反证法的逻辑是：如果小概率事件在一次试验中居然发生,我们就以很大的把握否定原假设. 一般的反证法要求在原假设成立的条件下导出的结论是绝对成立的