补充假设检验.ppt

得否定域 W: |t |4.0322 故不能拒绝H0 . 第四步： 将样本值代入算出统计量 t 的实测值, | t |=2.9974.0322 没有落入 拒绝域 这并不意味着H0一定对，只是差异还不够显著, 不足以否定H0 . 假设检验会不会犯错误呢？ 由于作出结论的依据是下述 小概率原理 小概率事件在一次试验中基本上 不会发生 . 不是一定不发生 如果H0成立，但统计量的实测值落入否定域，从而作出否定H0的结论，那就犯了“以真为假”的错误 . 如果H0不成立，但统计量的实测值未落入否定域，从而没有作出否定H0的结论，即接受了错误的H0，那就犯了“以假为真”的错误 . 请看下表 假设检验的两类错误 H0为真 实际情况 决定 拒绝H0 接受H0 H0不真 第一类错误 正确 正确 第二类错误 P{拒绝H0|H0为真}= , P{接受H0|H0不真}= . 犯两类错误的概率: 显著性水平 为犯第一类错误的概率. 两类错误是互相关联的， 当样本容量固定时，一类错误概率的减少导致另一类错误概率的增加. 要同时降低两类错误的概率 ，或者要在 不变的条件下降低 ，需要增加样本容量. 例3 某织物强力指标X的均值 =21公斤. 改进工艺后生产一批织物，今从中取30件，测得 =21.55公斤. 假设强力指标服从正态分布 且已知 =1.2公斤， 问在显著性水平 =0.01下，新生产织物比过去的织物强力是否有提高? 解:提出假设: 取统计量 否定域为 W : =2.33 是 一小概率事件 代入 =1.2, n=30，并由样本值计算得统计 量U的实测值 U=2.512.33 故拒绝原假设H0 . 落入否定域 解:提出假设: 取统计量 否定域为 W : =2.33 例4 为比较两台自动机床的精度，分别取容量为10和8的两个样本，测量某个指标的尺寸(假定服从正态分布)，得到下列结果： 在 =0.1时， 问这两台机床是否有同样的精度? 车床甲：1.08, 1.10, 1.12, 1.14, 1.15, 1.25, 1.36, 1.38,1.40,1.42 车床乙：1.11, 1.12, 1.18, 1.22, 1.33, 1.35, 1.36, 1.38 解:设两台自动机床的方差分别为 在 =0.1下检验假设: 其中 为两样本的样本方差 取统计量 否定域为 W: 或 由样本值可计算得F的实测值为: 查表得 由于 0.3041.513.68， 故接受H0 . 否定域为 W: 或 F=1.51 这时可能犯第二类错误. 提出 假设 根据统计调查的目的, 提出 原假设H0 和备选假设H1 作出 决策 抽取 样本 检验 假设 对差异进行定量的分析， 确定其性质(是随机误差 还是系统误差。为给出两 者界限，找一检验统计量T， 在H0成立下其分布已知。） 拒绝还是不能 拒绝H0 显著性 水平 P(T W)= -----犯第一 类错误的概率， W为拒绝域 总 结 在大样本的条件下，若能求得检验统计量的 极限分布，依据它去决定临界值C. F 检验 用 F分布 一般说来，按照检验所用的统计量, 分为 U 检验 用正态分布 t 检验 用 t 分布 检验 用 分布 　 按照原假设或对立假设的提法，分为 单侧检验，它的舍弃域取在左侧或右侧 . 双侧检验，它的舍弃域取在两侧; 补充：假设检验 让我们先看一个例子. 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，