东北石油大学研究生数理统计课件第十讲.pptVIP

* 上页 下页 返回 结束 数学与统计学院 * 上页 下页 返回 结束 数学与统计学院 §3 其他分布参数的假设检验 一、指数分布参数的假设检验 二、比例 p 的检验 三、大样本检验 四、检验的 p 值 一、指数分布参数的假设检验 x1, x2 , …, xn 是来自总体的样本， 检验统计量？ 一、指数分布参数的假设检验 拒绝域： 检验统计量 拒绝域： 拒绝域： 例1 设我们要检验某种元件的平均寿命不小于6000小时，假定元件寿命为指数分布，现取5个元件投入试验，观测到如下5个失效时间: 395, 4094, 119, 11572, 6133. 解：由于待检验的假设为 若取?=0.05, 则检验拒绝域为: 故接受原假设， 可以认为平均寿命不低于6000小时. 二、比例 p 的检验 比例p可看作某事件发生的概率。作n次独立试验， 我们可以根据 x 检验关于 p 的一些假设. 以x 记该事件发生的次数，则 由于x 只取非负整数值，故c 可限制在非负整数中. 对给定的? ,不一定能正好取到正整数c 使下式成立: 转化为： 例2 某厂生产的产品优质品率一直保持在40%,近期对该厂生产的该类产品抽检 20件,其中优质品7件,在α＝0.05下能否认为优质品率仍保持在40%？ 解:以p表示优质品率, x表示20件产品中的优质品件数， 由于观测值没有落入拒绝域，故接受原假设。 注:显著性水平实际上不是0.05,而是0.0160+0.021 =0.0370 三、大样本检验 在二点分布参数 p 的检验问题中，临界值的确定比 较繁琐，使用不太方便。如果样本量较大，我们可用 近似的检验方法——大样本检验。 故可采用如下检验: 由此近似地确定拒绝域。 大样本检验一般思路如下：设 是来自某总体 的样本，又设该总体均值为? ，方差为? 的函数，记为 ，譬如，对二点分布b(1,? )，其方差?(1-? )是均值? 的函数，则在样本容量n 充分大时， 例3 某厂产品的不合格品率为 10%，在一次例行检查中，随机抽取80件，发现有11件不合格品，在? =0.05下能否认为不合格品率仍为10%？ 解：这是关于不合格品率的检验，假设为: n =80 比较大,可采用大样本检验法。检验统计量为 若取? =0.05，则u0.975=1.96, 故拒绝域为 故不能拒绝原假设。 可以认为不合格品率仍为10%. 例4 某建筑公司宣称其麾下建筑工地平均每天发生事故数不超过 0.6 起，现记录了该公司麾下建筑工地 200天的安全生产情况，事故数记录如下： 一天发生的事故数 试检验该建筑公司的宣称是否成立(取? =0.05)。 解：以X 记建筑工地一天发生的事故数，可认为 要检验的假设是： 由于n=200很大，可以采用大样本检验， 泊松分布的均值和方差都是?， 检验统计量为 若取? =0.05,则 u0.95=1.645,拒绝域为 如今 u=2.556 已落入拒绝域，故拒绝原假设. 即认为该建筑公司的宣称明显不成立。 要检验的假设是： 近似的含义是指检验的实际显著性水平与原先设 定的显著性水平有差距，这是由于诸如 的分布与N(0,1)有距离。如果n 很大，则这种差异就很小。实用中我们一般并不清楚对一定的n, u 的分布与N(0,1) 的差异有多大，因而也就不能确定检验的实际水平与设定水平究竟差多少。在区间估计中也有类似问题。因此，大样本方法是一个“不得已而为之”的方法。只要有基于精确分布的方法一般总是首先要加以考虑的。 补充说明：大样本检验是近似的 四、检验的 p 值 假设检验的结论通常是简单的: 在给定的显著水平下，不是拒绝原假设就是保留原假设。然而有时也会出现这样的情况：在一个较大的显著水平（? =0.05）下得到拒绝原假设的结论，而在一个较小的显著水平（? =0.01）下却会得到相反的结论。这种情况在理论上很容易解释： 因为显著水平变小后会导致检验的拒绝域变小， 于是原来落在拒绝域中的观测值就可能落入接受域。 但这种情况在应用中会带来一些麻烦：假如这时一个 人主张选择显著水平? =0.05，而另一个人主张选? =0.01，则第一个人的结论是拒绝H0，而后一个人的结 论是接受H0， 我们该如何处理这一问题呢？ 例5 一支香烟中的尼古丁含量X 服从正态分布 符合质量标准的规定。 毫克，试问该厂生产的香烟尼古丁含量是否 中随机抽取20支测得其中平均每支香烟的尼古丁含量为 质量标准规定? 不能超过1.5毫克. 现从某厂生产的香烟 解：假设： H0 : ??1.5 vs H1 : ? 1.5, 采用u检验，计算得: 对不同的显著性水平，下表列出了