北大光华考研辅导班讲解统计学计量资料讲解假设检验.ppt

新祥旭北京大学光华考研 统计学考研辅导班讲义 二、诸 pi 不完全已知 若诸 由r (rk)个未知参数 确定，即 首先给出 的极大似然估计 然后给出诸 的极大似然估计 Fisher证明了 在H0成立时近似服从自由度 为k-r-1的 分布，于是检验拒绝域为 7.3.2 比例的检验 比例 p 可看作某事件发生的概率。作 n 次独立试验，以 x 记该事件发生的次数，则 。我们可以根据 x 检验关于 p 的一些假设: (1) 直观上看拒绝域为: ，由于x 只 取整数值，故c 可限制在非负整数中。 这是在对离散总体作假设检验中普遍会遇到的问题. 一般情况下，对给定的? ，不一定能正好取到一个正整数c 使下式成立: 一般较常见的是找一个c0，使得 (2) 检验的拒绝域为: c 为满足 的最大正整数。 (3) 检验的拒绝域为: 或 其中c1为满足下式的最大正整数: c2为满足下式的最小正整数: 例7.3.2 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 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，则 ，待检验的假设为 拒绝域为 或 由于 下求c1与c2: 故取 c1=3，又因为 从而c2=12，拒绝域为 附带指出，该拒绝域的显著性水平实际上不是0.05，而是0.0160+0.021=0.0370 。 由于观测值没有落入拒绝域，故接受原假设。 或 7.3.3 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。 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， 故可采用如下检验: 由此近似地确定拒绝域。 统计量 例7.3.3 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: 若取? =0.05，则u0.975=1.96, 故拒绝域为 故不能拒绝原假设。 因为n =80 比较大，可采用大样本检验方法。检验统计量为 例 7.3.4 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： 天数 102 59 30 8 0 1 0 200 一天发生的事故数 0 1 2 3 4 5 合计 ?6 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?，这里 ，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， 认为该建筑公司的宣称明显不成立。 大样本检验是近似的: 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(7.3.12)中 u 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。 7.3.4 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