数理统计初步.PPT

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？ 罐装可乐的容量按标准应为355毫升. 基本概念 每隔一定时间，抽查若干罐 . 通常的办法是进行抽样检查. 基本概念 如每隔1小时，抽查5罐，得5个容量的值 ，根据这些值来判断生产是否正常。 ? 基本概念 定义1 根据样本的信息检验关于总体的某个命题是否正确. 这类问题称作假设检验问题 . 什么是假设？ ? 对总体参数的的数值所作的一种陈述 总体参数包括总体均值、比例、方差等 分析之前必需陈述 我认为该地区新生婴儿的平均体重为3190克! 出于某种需要，对未知的或不完全明确的总体给出某些假设，用以说明总体可能具备的某种性质，这种假设称为统计假设。如正态分布的假设，总体均值的假设等。这个假设是否成立，还需要考察，这一过程称为假设检验，并最终作出判断，是接受假设还是拒绝假设。 基本概念 假设检验问题 1 统计推断的另一个重要问题是假设检验问题。在总体的分布函数未知或只知其形式，但不知其参数的情况下，为了推断总体的某些性质，提出某些关于总体的假设。例如：对于正态总体提出数学期望μ0的假设等。 假设检验就是根据样本对所提出的假设作出判断： 是接受，还是拒绝。 例1 已知某炼铁厂的铁水含碳量X在某种工艺条件下服从正态分布N(4.55，0.1082)。现改变了工艺条件，又测了五炉铁水，其含碳量分别为： 4.28，4.40，4.42，4.35，4.37 根据以往的经验，总体的方差?2= 0.1082一般不会改变。试问工艺条件改变后，铁水含碳量的均值有无改变？ 显然，这里需要解决的问题是，如何根据样本判断现在冶炼的铁水的含碳量是服从?≠4.55的正态分布呢？还是与过去一样仍然服从? =4.55的正态分布呢？ 例2 某自动车床生产了一批铁钉，现从该批铁钉中随机抽取了11根，测得长度(单位：mm)数据为： 10.41，10.32，10.62，40.18，10.77，10.64， 10.82， 10.49，10.38，10.59，10.54。 试问铁钉的长度X是否服从正态分布？ 而在本例中，我们关心的问题是总体X是否服从正态分布。如同例1那样，选择是或否作为假设，然后利用样本对假设的真伪作出判断。 以上两例都是科技领域中常见的假设检验问题。 我们把问题中涉及到的假设称为原假设或称待检假设，一般用H0表示。而把与原假设对立的断言称为备择假设，记为H1。 如例1，若原假设为H0：?= ? 0=4.55，则备择假设为H1：?≠4.55。 若例2的原假设为H0：X服从正态分布，则备择假设为H1：X不服从正态分布。 在许多问题中，当总体分布的类型已知时，只对其中一个或几个未知参数作出假设，这类问题通常称之为参数假设检验， 而在有些问题中，当总体的分布完全不知或不确切知道，就需要对总体分布作出某种假设，这种问题称为分布假设检验 接下来我们要做的事是：给出一个合理的法则，根据这一法则，利用巳知样本做出判断是接受假设H0 ，还是拒绝假设H0。 假设检验原理—小概率原理 2 假设检验就是要在原假设H0和备择假设H1中作出拒绝哪一个和接受哪一个的判断。究竟如何作出判断呢？对一个统计假设进行检验的依据是所谓小概率原理，即： 概率很小的事件在一次试验中是几乎不可能发生! 定义1 例3 在100件产品中，有一件次品，随机地从中取出一个产品是次品的事件就是小概率事件。 因为此事件发生的概率?=0.01很小，因此，从中任意抽一件产品恰好是次品的事件可认为几乎不可能发生的，如果确实出现了次品，我们就有理由怀疑这“100件产品中只有一件次品”的真实性。 那么?取值多少才算是小概率呢？ 显著性水平? 1. 是一个概率值 2. 原假设为真时，拒绝原假设的概率 被称为抽样分布的拒绝域 表示为 ?? 常用的 ??值有0.01, 0.05, 0.10 4. 由研究者事先确定 U 检验法 1 利用统计量 来检验 已知方差 的正态总体 的均值 （已知常数）的方法称为 检验法． 定义1 ? ? ? ? ? 原假设H0：? =? 0，备择假设H1： ?≠? 0。 由上节的讨论可知，在H0成立的条件下，选用检验统计量