概率论与数理统计第6章 假设检验.pptVIP

6.3 正态总体方差的假设检验 6.3.1 单个正态总体方差的χ2检验法. 设X～N（μ，σ2），X1，X2，…，Xn是来自X的一个样本.μ，σ2未知，要对σ2进行检验，其检验的形式为 * * * * 6.3.2 两正态总体方差相等的F检验法 * * * * * * 出版社 理工分社 概率论与数理统计(第二版) 一章介绍的参数估计是统计推断的重要内容，它是对总体随机抽取的样本进行加工，以推断出分布中未知参数的估计值或有一定可信度的置信区间，乃至对分布的估计.而实践中还有另一大类重要的推断问题—假设检验.当对总体的分布或参数不知或不全知时，还会根据某些信息先对总体或参数作出一些推想、猜测、希望甚至怀疑，然后再进一步来寻求合理的答案.比如，总体X的分布函数F（x;θ）中，参数θ为未知参数，现对未知参数θ提出假设“θ=θ0”（ θ0是已知的），试问，如何利用样本X1，X2，…，Xn提供的信息来检验该假设是拒绝还是接受？ 第6章 假设检验 * 即是按照研究目的先对总体提出某种“假设”，再对此假设的真实性如何作出最终判断，就是本章要研究讨论的内容.其作法仍然是对反映总体的样本进行加工，在前一章参数估计中是从构造一个估计量入手，而这里就由样本构造一个检验统计量，通过它来获取进一步的信息，以对所作假设是否合理进行检验，得出是接受还是拒绝的回答. * 6.1 假设检验的基本思想 6.1.1 问题的提出 为进一步深入理解假设检验的基本思想，下面不妨先例举一些简单例子以对此内容有些初步的了解. * 6.1.2 假设检验的基本原理 将需要证实的命题称为原假设（或零假设或基本假设），用H0表示，另一个与H0对应的命题（互斥，通常是对立的）称为备择假设（或对立假设），以H1表示.如前边的例6.2，按这里的定义由题意要检验的假设就是： * 6.1.3 犯两类错误问题 * * * * 6.1.４ 显著性检验——小概率原则 针对涉及的这些问题，在选择检验时，有一些不同的处理方法，本书介绍奈曼（Neyman）和皮尔逊（Pearson）原则（另有α水平最大功效检验、序贯检验等本书不介绍）.这个原则是考虑将样本容量n固定，使犯第一类错误的概率α很小，即让α受到控制，使原假设得到保护，不至于轻易被否定，在此原则下再适当考虑犯第二类错误概率β的大小，这种检验称为α水平下的显著性检验.此检验法具体的就是使犯第一类错误概率α不超过某一给定的常数α0（0＜α0＜1），α0是 * 一个特别小的界限称为显著水平，当一个事件发生的概率不能大过这个小的界限时，就认为该事件实际上是一个不可能事件，既是说它在一次试验中是不会出现的，这就是前面提到的“小概率原则”. * 6.1.5 假设检验的一般步骤 由前述及例的分析计算，作假设检验问题的一般步骤归纳如下： 1.根据实际问题的要求提出原假设H0和备择假设H1 这里要注意的是：在使犯第一类错误的概率不超过给定的显著水平α，而使犯第二类错误的概率尽可能小的原则下，H0和H1的地位是不等同的.上面已说明，只要适当选择显著性水平α值，便可控制犯第一类错误概率，这一原则起到“保护”H0原假设的作用，而对第二类错误的概率却无法控制，也就对备择假设起不到“保护” * 作用，故实际问题中确定原假设应是很慎重的.在应用中有可能对同一问题若提出了不同的原假设，而得出了完全不同的结论，检验结果都不否定各给的原假设H0，出现矛盾，这就要看你是要“保护”哪一个来取原假设.一般将有把握的、不愿轻易被否定的事情作为原假设，而将把握性不大、不能轻易肯定的事情作为备择假设. * 2.选定显著性水平α及样本容量n α的大小通常根据实际问题全面权衡.1.中已说明了H0是从“保护”原假设不轻易被否定这一角度考虑设定的，当实际问题要求拒绝H0应十分谨慎时，这时α应取得较小，当使如此小概率的事件都发生了，就非常相信原假设确实不真，实际情况与它有显著差异，拒绝H0理由就相当充分.当然，注意到二类错误概率的关系，α取得越小，β就会增大，因此α的确定也要适当.上面已说明只在容量n固定情况下进行检验，至于如何确定一个最小的样本容量n，使犯两类错误的概率都在预先控制的范围内，可通过具体的检验问题来分析计算确定，我们不讨论. * 3.确定检验统计量及检验的拒绝域 * * 6.2 正态总体均值的假设检验 6.2.1 单个正态总体N（μ，σ2）均值的检验 1.σ2已知时μ的检验——U检验法 （1）双侧检验 * * （2）单侧检验 有些问题我们只关心总体均值是否增大或减小，比如采用一种新的工艺或进行一些技术革新，其目的是想