《管理统计学》参数假设检验浙大研究生课程.pptx

《管理统计学》第六章学习分享 　　判断的“可信度”又怎么样 　　判断样本统计量值与其他样本或总体(参数)假设值之间是否存在可以观察到的差值，以及这种差值在统计上是否明显. 可以观察到的差值： 由于随机原因 或者 存在实质性的差别 什么是“假设检验” ６.1 假设检验的概念 参数假设检验： 　　已知总体分布，猜出总体的某个参数（假设H0），用一组样本来检验这个假设是否正确（是接受还是拒绝H0 ）。 非参数假设检验： 　　猜出总体分布（假设H0），用一组样本来检验这个假设是否正确（是接受还是拒绝H0 ）。 　　假设检验是一种统计推断, 它是根据样本提供的信息判断总体是否具有某种指定的特性. 假设检验的基本思想是带概率性质的反证法: 为了判断一个“结论”是否成立, 先假设该”结论”成立, 然后在这一结论成立的前提下进行推导与运算, 如果导致一个不合理的现象出现与实际推断原理矛盾, 这就表明这”结论”不成立。通常称假设”结论”成立为原假设, 记为H0(又称零假设), 与之对立的”结论”称为备择假设, 记为H1。 可信度的保证 小概率原理 　　在给定的前提下,接受还是拒绝原假设完全取决于样本值, 因此所作检验可能导致以下两类错误的产生： 第一类：以真为假（弃真） 第二类：以假为真（取伪） 　　 假设检验的指导思想是控制犯第一类错误的概率不超过限值,然后,若有必要,通过增大样本容量的方法来减少犯第二类错误的概率。 　　在检验中，我们通常设法保证“弃真”（以真为假）的错误的概率很小，也就是概率 P{拒绝H0 | H0为真}很小。这是我们在假设检验时，分析问题的主线。 原假设 (H0) —— 对被研究的总体参数做试探性的假设 备择假设 (H1) —— 原假设(H0)的对立面 H0 和 H1 是两个对抗性陈述 ----- 被观察的样本数据只能支持其中一个陈述。 原假设和备择假设 检验统计量落在临界区域之内  接受 H0 检验统计量落在临界区域之外  拒绝 H0 6.2.1 关于正态总体均值  的假设检验 关于均值的假设检验，可分如下三种情况： （1）已知方差2，假设 H0 ：=  0，通过样本观测值x1，x2，…，xn ，检验H0 是否成立。 （2）未知方差2，假设 H0 ：=  0，通过样本观测值x1，x2，…，xn ，检验H0 是否成立。 （3）未知方差2，假设 H0 ：    0 (或   0), 通过样本观测值x1，x2，…，xn ，检验H0 是否成立。 ６.２　一个正态总体下的参数假设检验 6.2.1.1 已知方差2，假设 H0 ：=  0 例：已知生产线上生产出来的零件直径服从正态分布，已知方差为0.09(毫米2) , 现有假设 H0 ：=10(毫米)。这个假设可以是生产标准的要求. 现有一组样本观测值: 10.01, 10.02, 10.02, 9.99 (在实际问题样本容量大些更好)。 请判断这批零件的平均直径 =10(毫米)是否正确。 设原假设H0成立，如果原假设H0是正确的，我们希望拒绝H0(犯错误)的概率很小，也就是 P(|Z|  k) =  很小。 称为显著性水平. /2 /2 -k k 见P147 本题算得该 z=0.067, （取=0.05 ）小于 k=z0.025=1.96, 所以不应当拒绝假设H0 ：=10(毫米)。当然，若z≥z0.025，就应当拒绝H0。 例：已知生产线上生产出来的零件直径服从正态分布，现有假设 H0 ：=10(毫米). 这个假设可以是生产标准的要求. 现有一组样本观测值: 10.01, 10.02, 10.02, 9.99 (在实际问题样本容量大些更好). 请判断假设H0 ：=10(毫米)是否正确. 6.2.1.2 未知方差2，假设 H0 ：= 0 首先设: 原假设H0 ：=10(毫米) 备择假设H1 ：10(毫米) 其次: 构造一个统计量, 也要满足: a. 其分布和参数已知; b . 在已知条件下, 能算出这个 统计量. 由5.3.2 构造统计量为: t 由 P( |T|  t0.025 ) = , 取=0.05. 算得 |t | =1.414, t0.025 =3.182. 有|t | t0.025. 所以接受原假设. -t /2 /2 6.2.1.3 未知方差2，检验假设 H1 ：  0 （这是作为备择假设出现） 例：已知生产线上生产出来的零件抗剪强度服从服从正态分布，以往的数据表明抗剪强度的均值 0 =10(毫米).