第章参数估才计与假设检验.ppt

五、p-值检验 p-值检验就是通过计算p-值，再将它与显著性水平α作比较，决定拒绝还是接受原假设。 所谓p-值就是拒绝原假设所需的最低显著性水平。 p-值判断的原则是：如果p-值小于给定的显著性水平α，则拒绝原假设；否则，接受原假设。直观来说：如果p-值很小，拒绝原假设，p-值很大，接受原假设。 例 5.33 机床的加工精度可以用其加工的产品的直径的方差来度量。欲比较甲、乙两台机床的加工精度，从这两台机床加工的产品中分别抽取 n1 和 n2 个样品，测量这些产品的直径得到样本值： 甲： ； 乙： 。 问甲、乙两个机床的加工精度是否有差别？ 解 一般认为产品的直径是服从正态分布的。 如果设甲机床加工的产品的直径 X ~ N ( ?甲 , ?甲2 ) ，乙机床加工的产品的直径 Y ~ N ( ?乙 , ?乙2 ) ，则 统计假设 H0 ：?甲2 = ?乙2 ， H1 ：?甲2 ? ?乙2 。 这是双正态总体的参数假设检验问题，也称为多参数检验问题。 二、假设检验的思想和原理 假设检验的基本统计思想是实际推断原理（小概率原理） —— “ 小概率事件在一次试验中几乎是不可能发生的” 。这个原理是人们通过大量的社会实践经验发现的，同时人们也在社会生活中广泛地使用这个原理。 例如，上街遇到车祸是一个小概率事件，人们深信在一次外出活动中几乎是遇不到车祸的，因而街上的行人总是安然地来来往往。 又如，假定某商品的次品率很低，则某位顾客买到的一件商品几乎不可能正好就是次品；反之，如果他买到的恰好是一件次品，那么他就有理由认为该商品的次品率较高。 小概率一般用 ? （0 ? 1）表示，称为显著性水平或检验水平, 它是事先给定的小正数, 通常 ? = 0.01，0.05 或 0.10 。 把小概率原理运用到假设检验中的基本做法是： 首先，设想原假设 H0 是成立的； 然后，考虑在 H0 成立的条件下，已观测到的样本值（x1 ，x2 ，…，xn ）出现的概率（通常需要对样本信息进行一定的加工）： 如果这个概率很小，就表明小概率事件在一次试验中发生了，出现了违背小概率原理的不合理的现象。这就说明事先假想的 H0 是不正确的。因此，有理由否定 H0 ，而接受 H1 （就像顾客只购买一件商品就买到了次品时，他就有理由认为此商品的质量不高一样）； 否则，就没有充分的理由否定 H0 了，此时，人们就只能接受 H0 ，认为 H0 是正确的。 可见，假设检验是针对 H0 进行的，考虑在 H0 成立的前提下，会发生什么样的事情。 这很符合人们的逻辑,实际上这种思维也叫: 带概率性质的反证法 带概率性质的反证法的逻辑是: 如果假设H0是正确的话,出现一个概率很小的事件,则以很大的把握否定假设H0. 通常的反证法设定一个假设以后,如果出现的事实与之矛盾,(即如果这个假设是正确的话,出现一个概率等于0的事件)则绝对地否定假设. 解: 三. 假设检验的一般步骤： （1）根据实际问题提出统计假设： 原假设 H0 ：? = ?0（? ? ?0 或 ? ? ?0 ）， 备择假设 H1 ：? ? ?0（? ?0 或 ? ?0 。 （2）利用样本（X1 ，X2 ，…，Xn ）及待检参数 ? 构造一个枢轴量V( X1 , X2 , … , Xn ；? ) ，并确定其分布（如标准正态分布、?2 分布、t 分布 、F 分布等）； （3）根据确定的小概率值 ? ，以及枢轴量 V( X1 , X2 , … , Xn ；? ) 的分布，求出枢轴量 V( X1 , X2 , … , Xn ；? ) 的否定原假设 H0 的区域 C（拒绝域），使得在原假设 H0 成立的前提下 P ( V0 ( X1 , X2 , … , Xn ；?0 ) ? C ? H0 成立 ) ? P ( V( X1 , X2 , … , Xn ；? ) ? C ) = ? （4）根据样本值（x1 ，x2 ，…，xn ）计算出枢轴量 当