实验数据处理方法：第三部分统计学方法.pptVIP

实验数据处理方法第三部分：统计学方法 第十四章 假设检验 (Hypothesis Testing) 第十三章 假设检验(Hypothesis Testing) 一. 假设检验的基本概念 二. 假设检验的一般方法 三. 假设检验的一个例子：Li－Ma显著性（Significance） 第十三章 假设检验(Hypothesis Testing) 一. 假设检验的基本概念 1. 什么是假设检验 实验的目的：验证一个科学论断的正确性 假设检验：利用概率和统计的语言，根据实验的结果来验证一个理论模 型是否可接受。 统计假设：待检验的理论模型 例：Ξ0粒子的衰变。 实验结果：测量衰变时间求Ξ0粒子的平均寿命τ。 理论模型：ΔI=1/2规则，Ξ0的寿命是Ξ- 的两倍， Ξ- 的寿命 ? Ξ0的寿命τ0 问题：τ ＝ τ0 ？ 由于τ有测量误差，对该问题的回答：τ=τ0概率是多少？ 第十三章 假设检验(Hypothesis Testing) 2. 假设检验的分类 （1）参数检验：如果欲检验的统计假设只包括某些参数的特定值， （2）非参数检验：被观测的随机变量的分布是否符合一个特定的 原假设：欲检验的统计假设，如 如：τ ＝ τ0 ？ 函数形式？两个给定的实验分布是否具有相同 分布形式？…… 3. 原假设和备择假设（Null Hypothesis，Alternative Hypothesis） H0：τ=τ0 备择假设：实验结果有可能支持原假设，也可能支持别的假设而拒 绝原假设，与原假设不同的其它假设称为备择假设，如 H1：τ≠τ0 第十三章 假设检验(Hypothesis Testing) 一般情况下，是否接收原假设依赖于与备择假设的比较结果。 简单假设：假设中参数的值是一常数，如 4. 简单假设和复合假设（Simple Hypothesis，Composite Hypothesis） H0：τ=τ0 复合假设：假设中的某一参数的值不是完全确定的，如 H：τ≠τ0 、 H1：τ≥τ0 如何选择原假设和备择假设，要根据所要解决的实际问题决定 第十三章 假设检验(Hypothesis Testing) 二. 假设检验的一般方法 随机变量x 参数检验 观测结果：容量为n的样本，（x1, x2, …, xn) 定义通过观测结果来接收原假设或拒绝原假设的标准 p.d.f.: f（x,θ）， θ为未知参量 检验θ是否取某一值 原假设 H0：θ=θ0 备择假设 H1：θ=θ1 检验统计量：t = t(x1, x2, …, xn) t 的定义域：ω 第十三章 假设检验(Hypothesis Testing) 即：若t 的观测量tobs， f (t |Ho)：H0为真时，t 的p.d.f. α：显著性水平（Significance Level），tc：临界值 f (t |H1)：H1为真时，t 的p.d.f. R：ω中的子域 α：t 落入R中的概率。 0≤α≤1（H0为真时） R： H0 的拒绝域 ω - R： H0 的接收域 否则，接收H0 f (t |Ho) ω - R R tc t 落入R，则拒绝H0 第十三章 假设检验(Hypothesis Testing) 第一类错误（弃真错误）：当H0为真时，tobs有α的概率落入R ? α应尽可能地小 1-β：H0 对H0的检验势 当tobs tc时， H0被拒绝，而实验上H0为真 I类错误的概率： 第二类错误（取伪错误）：H0不为真，但却接收了H0 II类错误的概率： f (t |Ho) 1 - α R tc t α 1-β大，II类错误的概率小 第十三章 假设检验(Hypothesis Testing) 假设检验的方法： ? α应尽可能地小 设x的p.d.f.： 1. 选择合适的检验统计量t 标准：α尽可能地小，1-β尽可能大。 三. 复合假设的检验： 似然比（Likelihood Ratio） f (t |H1) β tc t 1-β ω：Ω的子空间，即 2. 选择适当的临界值tc ，x样本：(x1, x2, …, xn) 的取值空间 的分量中只有一个受到某种约束 第十三章 假设检验(Hypothesis Testing) 原假设 备择假设 设 ：L 在Ω中的极大值 ： 在H0为真时， L 在ω中的极大值 定义： ： 似然比（Likelihood Ratio） 不可能比 大 ?H0 为真的可能性较大 ?H0 为真的可能性较小 λ可作为原假设H0的检验统计量 第十三章 假设检验(Hypothesis Testing) 对H0的检验 ：L 在Ω中的极大值 y=y(λ) 中当H0 为真时有γ个参数取固定