假设检验-西南交通大学.PPT

* * * * * * * 实例 某车间用一台包装机包装葡萄糖, 包得的袋装糖重是一个随机变量, 它服从正态分布.当机器正常时, 其均值为0.5千克, 标准差为0.015千克.某日开工后为检验包装机是否正常, 随机地抽取它所包装的糖9袋, 称得净重为(千克): 0.497 0.506 0.518 0.524 0.498 0.511 0.520 0.515 0.512, 问机器是否正常? 分析: 由长期实践可知, 标准差较稳定, 问题: 根据样本值判断 提出两个对立假设 再利用已知样本作出判断是接受假设 H0 ( 拒绝假设 H1 ) , 还是拒绝假设 H0 (接受假设 H1 ). 如果作出的判断是接受 H0, 即认为机器工作是正常的, 否则, 认为是不正常的. 由于要检验的假设设计总体均值, 故可借助于样本均值来判断. 于是可以选定一个适当的正数k, 由标准正态分布分位点的定义得 于是拒绝假设H0, 认为包装机工作不正常. 假设检验过程如下: 以上所采取的检验法是符合实际推断原理的. 二、假设检验的相关概念 1. 显著性水平 2. 检验统计量 3. 原假设与备择假设 假设检验问题通常叙述为: 4. 拒绝域与临界点 当检验统计量取某个区域C中的值时, 我们拒绝原假设H0, 则称区域C为拒绝域, 拒绝域的边界点称为临界点. 如在前面实例中, 5. 两类错误及记号 假设检验的依据是: 小概率事件在一次试验中很难发生, 但很难发生不等于不发生, 因而假设检验所作出的结论有可能是错误的. 这种错误有两类: (1) 当原假设H0为真, 观察值却落入拒绝域, 而作出了拒绝H0的判断, 称做第一类错误, 又叫弃真错误, 这类错误是“以真为假”. 犯第一类错误的概率是显著性水平 (2) 当原假设 H0 不真, 而观察值却落入接受域, 而作出了接受 H0 的判断, 称做第二类错误, 又叫取伪错误, 这类错误是“以假为真”. 当样本容量 n 一定时, 若减少犯第一类错误的概率, 则犯第二类错误的概率往往增大. 犯第二类错误的概率记为 若要使犯两类错误的概率都减小, 除非增加样本容量. 6. 显著性检验 7. 双边备择假设与双边假设检验 只对犯第一类错误的概率加以控制, 而不考虑犯第二类错误的概率的检验, 称为显著性检验. 8. 右边检验与左边检验 右边检验与左边检验统称为单边检验. 9. 单边检验的拒绝域 证明 (1)右边检验 上式不等号成立的原因: 证明 (2)左边检验 三、假设检验的一般步骤 3. 确定检验统计量以及拒绝域形式; 四、典型例题 例1 这是右边检验问题, 即认为这批推进器的燃烧率较以往有显著提高. 解 根据题意需要检验假设 解 例2 解 例3 五 假设检验的基本原理、相关概念和一般步骤. 真实情况 (未知) 所 作 决 策 接受 H0 拒绝 H0 H0 为真 正确 犯第I类错误 H0 不真 犯第II类错误 正确 假设检验的两类错误 * * * 西南交通大学数学学院统计系 * J. TANG 第三章 假设检验 §8.1 假设检验的基本概念 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 总体分布未知时的 假设检验问题 在本讲中，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. 让我们先看一个例子. 这一讲我们讨论对参数的假设检验 . 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, 看看容量是否合于标准. 这样做显然不行！ 罐装可乐的容量按标准应在 350毫升和360毫升之间. 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. 通常的办法是进行抽样检查. 很明显，不能由5罐容量的数据，在把握不大的情况下就判断生产 不正常，因为停产的损失是很大的. 当然也不能总认为正常，有了问题不能及时发现，这也要造成损失. 如何处理这两者的关系，假设检验面对的就是这种矛盾. 在正