7.1+总体分布参数的假设检验.ppt

统计的基本任务是根据对样本的考察来 对总体的某些情况作出判断。采用先对总体X 的分布律或未知参数作某种假设，再运用统计 分析的方法来检验这一假设是否正确，从而作 出接受或拒绝的决定。这就是假设检验问题。 常把一个要检验的假设记作H0,称为原假设 （或零假设），与H0对立的假设H1，称为备择 假设。 某工厂在正常情况下生产的电灯泡的寿命 X(小时)~N(1600,802).从该工厂生产的一批灯 泡中随机抽取10个灯泡，测得它们寿命为： 1450,1480,1640,1610.1500, 1600,1420,1530,1700.1550 如果标准差不变，试检验这批灯泡的寿命 均值μ也是1600，或大于1600，或小于1600. 以上有三种不同的形式，在统计学中通常记作： 由于是根据总体的一个样本的观测值及小 概率原理对所提出的假设进行检验并决定接受 或放弃所提出的假设， 因此假设检验的结果 会出现以下两类错误： ⑴ 在原假设为真时，决定放弃原假设， 称为第一类错误，其出现的概率通常记作α； ⑵ 在原假设不真时，决定接受原假设， 称为第二类错误，其出现的概率通常记作β。 通常只限定犯第一类错误的最大概率α， 不考虑犯第二类错误的概率β。这样的假设 检验又称为显著性检验。 α =0.05。以下所讲述的假设检验，都是 显著性检验。 当H0为μ＝μ0、假设检验的结果是放弃H0时， 如果α=0.05，则称μ与μ0有显著的差异或 差异显著；如果水平α=0.01，则称μ与μ0有 极显著的差异或差异极显著。 0.01或0.05或其他的数值，在未加说明时 概率α称为显著性水平,α可以等于 假设检验的步骤如下： ⑴ 提出H0和H1； ⑵ 指定概率α； ⑶ 寻求统计量g(X1,X2,…,Xn)及其分布； ⑸ 当统计量的观测值g(x1,x2,…,xn)满足 不等式时拒绝H0、否则接受H0。 ⑷ 在H0为真时构造小概率事件并推导 g所满足的不等式； 习惯上称观测值g(x1,x2,…,xn)所 满足的不等式为假设检验方案，称这个不等式所确定的观测值g 的取值范围为假设检验的拒绝域。 拒绝域由两个区间构成的假设检 验被形容为双侧检验，拒绝域由一个 区间构成的假设检验被形容为单侧检 验。后面将要讲述的内容可以粗糙地 概括为： H0为相等、H1为不相等的假设检验 为双侧检验，观测值g 较大或较小时 拒绝H0； H0为相等、H1为大于的假设检验为单 侧检验，观测值g 较大时拒绝H0； H0为相等、H1为小于的假设检验为 单侧检验，观测值g 较小时拒绝H0。 2.一个正态总体均值或方差的假设检验 为 ,修正方差的观测值为s*2，离均差 平方和的观测值为ss，显著性水平为α， 则有： 设总体X服从N(μ,σ2)分布，X的一个 样本为X1、X2、…、Xn、均值为 、修正 方差为S*2、离均差平方和为SS，样本 的观测值为x1,x2,…,xn ,均值的观测值 结论1）若σ2已知，对于给定的数值μ0， 作一个正态总体均值的假设检验时， H0为μ＝μ0，而H1分别为 ①μ≠μ0，②μ＞μ0，③μ＜μ0。 可设 它的观测值 当H0为真时， 也可使用区间估计的结果做假设检验： 结论2）若σ2未知，对于给定的数值μ0， 作一个正态总体均值的假设检验时， H0为μ＝μ0，而H1分别为 ①μ≠μ0，②μ＞μ0，③μ＜μ0。 可设 它的观测值 当H0为真时， 结论3） 作一个正态总体方差的假设检验时， 可设 它的观测值 当H0为真时， 《作物栽培》已知豌豆百粒重X(单位： g)服从正态分布N(37.72,0.1089)，在改善栽 培条件后随机抽出9粒，平均重量＝37.92，问 改善栽培条件是否显著地提高了豌豆的百粒 重，α＝0.05。 解：因为改善栽培条件不会降低豌豆籽的 百粒重，所以设 H0为μ＝37.72，H1为μ37.72 计算出u=1.818, 《品种提纯》一个混杂的小麦品种， 其株高的标准差为14cm，经提纯后随机地 抽出10株，它们的株高(单位：cm)为90, 105,101,95,100,100,101,105,93,97，试 检验提纯后的群体是否比原来的群体较为 整齐，α＝0.05。 解：提纯后的群体应该比原来的群体 较为整齐，故设 H0为σ2＝196，H1为σ2196， 3.两个正态总体均值或方差的假设检验 结论4） H0为μ1＝μ2，而H1分别为 ①μ1≠μ2，②μ1＞μ2，③μ1＜μ2。 可设 它的观测值 当H0为真时，因为U～N(0,1)，所以 结论5） H