参数估计和假设检验原理方法和误区.docVIP

参数估计和假设检验原理方法和误区 　　[摘 要]作为统计分析的基础，参数估计和假设检验的原理与方法是教学难点所在，常常引起教与学的过程中诸多误解、误用和误读。在对参数估计和假设检验的原理与方法加以阐释基础上，采用比较研究的方法，可以找出教学中可能存在的误区。参数估计和假设检验具有许多共同点，二者之间存在紧密联系。一般情况下，区间估计与假设检验之间具有对应性；可以利用置信区间进行假设检验，也可以利用假设检验进行区间估计；但不能把参数估计与假设检验等同起来。 　　[关键词]参数估计；置信区间；假设检验；原理；方法；误区 　　[中图分类号] C8 [文献标识码] A [文章编号] 2095-3437（2018）02-0040-03 　　参数估计和假设检验是统计学专业的基础知识，是统计学课程教学的重点内容。然而，由于对基本思想和原理的认识不到位，常常导致对一些知识点存在误解，进而造成错误的应用，甚至得出错误的结论。本文将从参数估计与假设检验的原理谈起，重点就这两类方法应用中的一些误区展开讨论，为相关课程的教学提供参考。 　　一、参数估计与假设检验的内涵 　　参数估计与假设检验是推断统计的重要内容。[1]其中参数估计是利用样本统计量的信息推断未知的总体参数，包括点估计和区间估计。因点估计不能提供可信程度的信息，我们更多使用的是区间估计。而假设检验是先对总体的参数做出某种假设，为判断所作的假设是否正确，从总体中抽取样本判断假设是否成立的过程。[2] 　　（一）正确理解置信水平的含义 　　在区间估计时，我们可以根据样本信息求出总体未知参数的置信区间，并保证总体参数的真值将有一定的机会落在所计算的区间内。比如置信水平为95%，即意味着总体参数的真值将有95%的机会落在该区间内。当然，对置信水平含义的这一解释常常会被误解为“有95%的把握保证”参数的真值会落在这个区间里。显然，计算某人对某一件事的把握程度，与计算一个置信区间完全是两回事，不应该“从一个结论的角度看待置信区间”，而应该“将其视为一个过程” 。[3] 　　（二）正确理解假设检验的目的 　　在很多情况下，假设检验的目的是用来拒绝原假设，也因此称之为显著性检验。拒绝原假设，并不意味着有充分的理由认为备择假设就必然是正确的；不拒?^原假设，也不意味着原假设必然是正确的。不论是拒绝还是不拒绝原假设，“该显著性检验永远不能确认这些假设一定是真的”。[3]针对有的情况下我们将拒绝域以外的部分称为“接受域”的说法，主要是为了方便，而并不是说在不能拒绝原假设时就等于“接受”原假设。但对于“接受原假设”、或“接受备择假设”这样的表述，由于容易让人造成误解，我们倾向于表述为“不拒绝”，而不是“接受”。[4] 　　二、参数估计与假设检验的共同点与联系 　　参数估计与假设检验之间的共同点有很多。比如，二者都是根据样本的信息，以样本统计量的抽样分布为依据，对总体参数进行推断，推断结果都有一定的风险。而且，最为重要的一点就是，对同一问题的区间估计和假设检验，使用的是同一样本、同一统计量、同一分布。[1] [2]这也正是二者之间存在紧密联系的根源所在。 　　以双侧检验为例，根据统计量的抽样分布和给定的显著性水平，我们可以确定左右两侧的临界值和拒绝域。拒绝域位于两侧临界值的外侧，而位于两侧临界值之间的区域（或称接受域），正好与该总体参数的置信区间相对应或相等价。[1]单侧检验与单侧置信区间同样如此。在此为了表述方便，我们将二者的这一联系称为区间估计与假设检验之间的对应性。也就是说，我们总是可以根据假设检验的拒绝域，得到对应的区间估计的置信区间；或反过来根据置信区间，得到对应的拒绝域。[5] 　　三、区间估计与假设检验的对应性原理 　　在一般情况下，区间估计与假设检验的对应关系，可以根据检验统计量的关系式推导出来。不论是双侧检验还是单侧检验，都与相应的置信区间相对应。 　　（一）双侧检验 　　以总体均值的假设检验为例，在假定正态分布、已知总体方差的情况下，我们对总体均值的双侧检验是在假定原假设为真，即μ=μ0的情况下，通过计算样本统计量的值，并与一定的显著性水平下对应的临界值比较，进而做出决策。这时的拒绝域可以表示为： 　　P（zα/2）=α 　　于是，相应的接受域为： 　　P（zα/2≤≤zα/2）=1-α 　　这一接受域对应的正是总体均值的置信区间的范围。我们可以从中求出总体均值μ0的置信区间为： 　　-zα/2≤μ0≤+zα/2。 　　（二）单侧检验 　　当左侧检验时，拒绝域分布在左侧，其表达式应为：P（-zα）=α。这时的接受域应为：P（≥-zα）=1-α，于是对应的左侧（单侧上限）置信区间应为：（-∞，+zα）。 　　当右侧检验时，拒绝域分布在右侧，其表