概率论发课件第二十一次课.ppt

作业: P246 3 4 解： 取检验统计量 | t | = 2.6756 故 接受原假设H0 ， 检验假设 例7、已知某一试验，其温度服从正态分布，现 随机抽取5个温度样本，算得样本均值为1263，样 本标准差为11.7，问是否可以认为温度的均值是 对 查表得： 而 2.7764, 即认为?=1277. 解 (2)取检验统计量 (4)计算检验统计量的值| t |=2.67562.7764, (5) 接受原假设H0 ，即认为?=1277. (1)提出假设 第八章 假设检验 第一节 假设检验 若对 参数 有所 了解 但有怀 疑猜测 需要证 实之时 用假设 检验的 方法来 处理 若对参数 一无所知 用参数估计 的方法处理 假设检验是指施加于一个或多个总体的概率分 为判断所作的假设是否正确, 从总体中抽取样 何为假设检验? 布或参数的假设. 所作假设可以是正确的,也可以是 错误的. 本,根据样本的取值,按一定原则进行检验, 然后作 出接受或拒绝所作假设的决定. 在本节中，我们将讨论不同于参数估计的另 一类重要的统计推断问题. 这就是根据样本的信息 检验关于总体的某个假设是否正确. 假设检验 参数假设检验 非参数假设检验 这类问题称作假设检验问题 . 总体分布已知，检验关于 未知参数的某个假设 我们主要讨论对参数的假设检验 . 总体分布未知时的 假设检验问题 符合标准. 这样做显然不行！ 例1、 罐装可乐的容量按标准应在350毫升和360 通常的办法是进行抽样检查. 毫升之间.生产流水线上罐装可乐不断地封装，然 后装箱外运. 怎么知道这批罐装可乐的容量是否 合格呢？ 把每一罐都打开倒入量杯,看看容量是否 每隔一定时间， 抽查若干罐 , 如每隔1小时，抽查5罐，得5个容量的 值X1，…，X5，根据这些值来判断生产是否正常. 如发现不正常，就应停产，找出原因，排除故 很明显，不能由5罐容量的数据，在把握不大 当然也不能总认为正常，有了问题不能及时发 障，然后再生产；如没有问题，就继续按规定时间 再抽样，以此监督生产，保证质量. 的情况下就判断生产 不正常，因为停产的损失是 很大的. 现，这也要造成损失. 在正常生产条件下，由于种种随机因素的影响， 每罐可乐的容量应在355毫升上下波动. 这些因素中 没有哪一个占有特殊重要的地位. 因此，根据中心 极限定理，假定每罐容量服从正态分布是合理的. 这样，我们可以认为X1,…,X5是取自正态总体 的样本，当生产比较稳定时， 常数. 是一个 如何处理这两者的关系，假设检验面对的就是 这种矛盾. 它的对立假设是： 称H0为原假设（或零假设）； 称H1为备选假设（或对立假设）. 现在要检验的假设是： 那么，如何判断原假设H0 是否成立呢？ 来判断H0 是否成立. 均值 ， 由于 是正态分布的期望值，它的估计量是样本 因此可以根据 与 的差距 在实际工作中，往 往把不轻易否定的 命题作为原假设. 较大、较小是一个相对的概念，合理的界限 可以认为H0是成立的； 应认为H0不成立， 即生产已不正常. 在何处？应由什么原则来确定？ 问题是：如何给出这个量的界限？ 这里用到人们在实践中普遍采用的一个原则： 这里需要给出一个量的界限 . 小概率事件在一次试验中基本上不会发生 . 概率反证法的逻辑是：如果小概率事件在一 次试验中居然发生，我们就以很大的把握否定原 假设. 在假设检验中，我们称这个小概率为显著性水 平，用 表示. 常取 的选择要根据实际情况而定. 现在回到我们前面罐装可乐的例中，罐装可乐 的容量按标准应在350毫升和360毫升之间. 一批可 在提出原假设H0后，如何作出接受和拒绝H0 乐出厂前应进行抽样检查，现抽查了n罐，测得容 量为X1, X2, …, Xn，问这一批可乐的容量是否合格？ 的结论呢？ 提出假设： 选检验统计量 ～ N(0,1) 对给定的显著性水平 ，查标准正态分布表得分 位点的值 ，使 故我们可以取拒绝域为： 值落入否定域， 假设检验会不会犯错误呢？ 由于作出结论的依据是下述小概率原理 小概率事件在一次试验中基本上不会发生 . 如果H0成立， 但统计量的实测 从而作出否定H0 的结论，那就犯了“以真为假”的错误 . 不是一定不发生 如果H0不成立， 请看下表 假设检验的两类错误 H0为真 实际情况 决定 拒绝H0 接受H0 H0不真 第一类错误 正确 正确 第二类错误 但统计量的实测值未落入