概率统计简明教程(同济)chapter12.pptVIP

Chapter 12 假设检验 假设检验是数理统计的另一类问题. 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特性, 关于总体提出假设,称为“统计假设”. 第一节 检验的基本原理 一、检验问题的提法 X ~ E(?) (i) ? = ? (ii) “这批元件是否合格”? 第二节 显著水平检验法与正态总体检验 一、两类错误的概率 第一类错误: 当H0为真时而拒绝H0. 第二类错误: 当H0为假时而接受H0. *第三节 拟合优度检验 根据样本检验关于分布的假设. 本节内容为: 拟合检验. (一) 拟合检验(K. Pearson, 1900, 英国统计学家) H0: 总体X的分布函数为F(x). 样本: * * 所提出的假设可能是 (1) 对总体分布形式中的参数:掌握 Z, t, ?2, F等检验. (2) 总体服从的分布: 1)?2拟合. 二、原假设和备择假设 例1(P131) Step 1 提出假设 H0: ? = ? 0 = 5. H1: ? ? 5. (H0与H1的不同.) 在实际问题中, 通常将需要着重考虑的假设视为H0. 从数学上看, 这两个假设的地位是平等的. 在实际问题中, 它取决于犯两类错误带来的后果. 确定的原则: (1) 当目的是希望从样本观察值得出对某论断的支持时, 可将论断的否定作为H0. (2) 尽量使后果严重的一类错误是第一类错误. (3) 把由过去资料所提供的论断作为H0,这样当检验后的最终结论为拒绝H0时, 由于犯第一类错误的概率被控制而显得有说服力或危害较小. 三、检验统计量 Step 2 如何检验? 因为样本平均值 是总体X的均值?的无偏估计, 如果接受原假设H0, 则观察值 与5的偏差 应比较小, 否则就应怀疑原假设H0的正确性而拒绝H0. 怎样才算比较小? 但作出决策的根据是样本, 完全可能酒精含量合格而我们拒绝H0 (犯第一类错误), 当然也可能接受H0,有一定的随机性;也完全可能酒精含量不合格而我们接受H0 (犯第二类错误) . 希望在H0为真时而拒绝的概率较小. 要求犯第一类错误的概率最大为?, 这是较自然的, 比选取常数k更合理. 实际上,由?可以求出k: 由于在机器正常工作时, 检验统计量: 四、否定论证及实际推断原理 Step 3 拒绝域: 如取? = 0.05, 已知n = 10, ? = 0.00016, 这时, 有 于是, 在要求犯第一类错误的概率最大为0.05时, 只能拒绝H0,即只能认为原假设不成立, 该批药品的酒精含量不符合要求. 实际推断原理. ?称为显著性水平,这种检验又称为显著性检验. 这种检验用于判断诸如 与 有无显著差异. 合理地选取?是值得考虑的问题, 通常? = 0.1, 0.05, 0.01, 0.005等. *五、p值及p值法 p值法是统计检验的常用方法. p值就是在H0成立时, 检验统计量出现的那个观察值或者比之更极端值发生的概率. p值较大就接受H0; p值较小就拒绝H0. 一般, p ≤ 0.05就算“很小”, 并称结果是统计显著; p ≤ 0.01就称结果是高度显著. 拒绝H0. 二、显著水平检验 与p值不同之处在于要预先给定一个?, 0 ? 1. 例3(P136) : 关于?的Z检验(?2已知, 检验?, Z服从标准正态分布的随机变量) Z检验. 参数的假设检验的步骤(P136): step1. H0. step2. 确定检验统计量以及统计量的服从的分布. step3. 求出拒绝域. step4. 根据样本值作出决策. 例4(P137): 关于?的t检验(?2未知,检验?, t是服从t分布的随机变量, 下同.) t检验. 例5(P137): 两个总体情况. Solution (i) P125: (ii) P109例2: *