关于假设检验及两种错误思考.docVIP

关于假设检验及两种错误思考 　　 摘要：本文通过对假设检验及弃真、取伪错误的思考，明确了假设检验学习的困难不在于解题本身，而在于如何真正理解其基本思想；分析了两类错误的成因与影响等。 　　 关键词：假设检验；基本思想；区间估计 　　 在实际应用中，人们不仅需要依据样本估计总体的未知参数，还需要依据样本检验未知参数是否等于某个数。如在生产工艺改变后，检验新工艺对产品的某个指标是否有影响时，就需要抽样来检验总体的某个参数是否等于改变工艺前的参数值。这样的问题就属于假设检验。假设检验是统计推断的重要组成部分，通常我们把关于总体分布的某个命题作为假设，它从统计量出发，运用样本信息对母体某些特性的“假设”作出拒绝或接受的判断，也叫做假设的鉴定问题。其间蕴含着诸多辩证哲理，很值得我们思考。 　　 　　 一、对假设检验基本思想的思考 　　 　　 首先，要充分认识统计推断所涉及的三种信息：⑴总体信息，即总体分布或总体所属分布族给我们的信息。譬如，“总体是正态分布”这句话就给我们带来很多信息：它的密度函数是一条钟形曲线：它的一切阶矩都存在；有许多成熟的方法可供我们选用等。⑵样本信息，即样本提供给我们的信息，这是最“新鲜”的信息，并且越多越好，希望通过样本对总体或总体的某些特征作出比较精确地推断。甚至可以说，没有样本就没有统计学。⑶先验信息，即在抽样之前有关统计问题的一些信息。一般说来，先验信息来源于经验和历史资料，它在日常生活和工作中是很重要的。对以上三种信息有清晰的了解是我们深入学习假设检验的基础。 　　 其次，要充分认识这里所讨论的假设与数学中的假设含义是不同的。譬如数学中“假设某函数连续”，那么我们就承认这一前提，而这里所讲的假设是否正确还有待于我们用样本去做检验。 　　 第三，要充分理解差异显著性这一术语所表达的含义。客观地讲，由于众多因素的干扰，要求检验值恰好等于标准值，既不科学，也不实际。检验值与标准值有差异是正常的，问题是希望这种差异不要那么显著。一旦差异显著将等同于对原假设持否定态度，从而拒绝原假设。 　　 反之，就要对原假设持肯定态度，考虑接受原假设。我们在建立假设时，应本着“保护原假设”的原则，也就是说拒绝它要慎重，这是因为原假设是经过周密的调查和研究才作出的，是有一定依据的。 　　 第四，要充分理解假设检验的基本思想是“概率性质的反证法”。一是用了反证法的思想，即先假设，再检验，最后下结论。二是这种推理与纯数学的反证法有所不同。我们这里的“矛盾”并不是形式逻辑上的绝对矛盾，而是基于人们在实践中广泛采用的一个原则：小概率事件在一次观察中可以认为基本上不会发生。 　　第五，要充分认识检验过程较为严密的逻辑程序。任何假设检验问题都要按照步骤进行：1、根据题设要求，提出待验假设（原假设和替换假设）。2、构造检验用的统计量，在显著性水平α（其含义是什么？能换作β吗？）下确定出拒绝域（为什么不是接受域呢？） ；人们之所以更重视拒绝区域，是因为我们只依据一个样本来进行推断。要用一个实例去证明某个命题是正确的，在逻辑上显然是不充分的，但运用一个反例去推翻一个命题，理由倒是充足的。3、运用样本信息，计算出观测值。4、对待验假设在拒绝和接受中作出抉择。 　　 总之，假设检验的学习，困难往往不在于解题本身，而在于对贯穿于其中的辩证哲理的深入理解。重要的不仅要清楚规范的解题步骤是一个完整的逻辑推理过程，还要深知推理的根本立足点是小概率原理，更要深入理解其所包含的概率性质的反证法思想。 　　 　　二、对假设检验与区间估计之间关系的思考 　　 　　 假设检验与区间估计各有特点，表现为：1、区间估计通常求得的是以样本估计值为中心的双侧置信区间，而假设检验不仅有双侧检验也常常采用单侧检验，视检验的具体问题而定。2、区间估计立足于大概率，通常以较大的把握程度（可信度）1-α去估计总体参数的置信区间。而假设检验立足于小概率，通常是给定很小的显著性水平α去检验对总体参数的先验假设是否成立。 　　 假设检验与区间估计也有着紧密的联系，表现为：1、两者都是根据样本信息对总体参数进行推断，都是以抽样分布为理论依据，都是建立在概率基础上的推断，推断结果都有一定的可信程度或者风险。2、对同一实际问题的参数进行推断，使用同一样本、同一统计量、同一分布，因而二者可以相互转换。即区间估计问题可以转换成假设检验问题，假设检验问题也可以转换成区间估计问题。这种相互转换形成了区间估计与假设检验的对偶性。 　　 　　 三、对两种错误的思考 　　 　　 在对原假设的真伪作判断时，由于样本的随机性，无论拒绝还是接受原假设，都不会百分之百正确，有可能犯下两类错误。第一类错误是弃真，发生的概率记为α，第二类错误为取伪，发生的概率记为β。按照人们的