概率论与数理统计第8章 假设检验.pptVIP

2.方差σ2的假设检验 * * 8.2.2* 双正态总体参数的假设检验 设X1,X2,…,Xn，Y1,Y2,…,Ym分别是来自总体X～N(μ1,σ21)，Y～N(μ2,σ22)的样本，且相互独立。X，S21，Y，S22分别表示X,Y的样本均值和样本方差。 * 1. 双正态总体均值比较的假设检验 下面讨论具有代表性的假设形式： ①H0：μ1=μ2,H1：μ1≠μ2； ②H0：μ1≤μ2,H1：μ1μ2； ③H0：μ1≥μ2,H1：μ1μ2。 * * * * * * * 2.双正态总体方差比较的假设检验 在此仅讨论下列统计假设形式，其他形式的讨论类似： * * * * * 8.2.3 比率p的检验 在实际中常常遇见这样一些检验问题，如某企业生产的一批产品次品率是否低于3%；新发行的债券中承销价高于面值的债券比例是否大于50%；某种商品的市场占有率是否至少是40%等，这些问题可看成是比率p的检验问题，它属于非正态总体的参数检验问题。 * * 当总体X～B(1,p)时，因为EX=p，所以对参数p的假设检验可看成是对均值EX检验，注意到在H0成立下DX=p0(1－p0)。于是，当n充分大时，由式(8.2.21)得检验统计量为： * * 8.3* 非参数假设检验 前面讨论的是参数假设检验方法问题，本节将介绍非参数假设检验问题，主要介绍分布函数的χ2拟合检验、独立性检验、秩和检验。 * 出版社 理工分社 概率论与数理统计 第8章 假设检验 假设检验是统计推断的一个重要内容，它利用样本信息对总体的某种假设进行检验。假设检验分为参数假设检验与非参数假设检验。对总体分布中未知参数的假设检验称为参数假设检验，对总体分布函数形式或总体分布性质的假设检验称为非参数假设检验。 * 8.1 假设检验的基本概念 8.1.1 问题的提法与基本概念 在现实生活中，常常需要对总体的某些状态或“说法”进行判断，比如：判断一生产流水线某天的生产是否正常；在某地区某种商品的需求率是否至少为45%；两地区居民的收入是否有明显的差异；一种感冒特效新药是否有明显的疗效等。对这些问题可以视为假设检验问题，用假设检验方法进行推断。 * 假设检验方法依据“小概率原理”——小概率事件在一次试验中几乎不发生，利用样本信息，采用“反证法”对事先提出的某种“假设”作出是接受还是拒绝的推断。下面的例子说明了假设检验的基本概念和基本原理。 * 例8.1.1 一盒子中共有红、黑两种颜色的球100只，这两种颜色球的比例为9∶1。有人告诉你红球所占的比例为0.1。问此人的说法是否可信？ * 为了用假设检验的方法来判断该人的说法是否可信，先进行随机抽样。假设从盒中有放回地任意抽取3只球，结果随机事件A=“抽得1只黑球2只红球”发生了。依据这个抽样信息进行假设检验的全过程为： * 1)首先提出一种“假设”, 称为“原假设”， 记为H0。在此H0为“盒中红球所占的比例为0.1”；假设的另一面定义为备择假设，记为H1，在此H1为“盒中红球所占的比例不为0.1”。 2)在原假设成立下，判断抽样结果A是否为小概率事件。根据二项概率计算公式，在原假设成立下P(A)= 。若认为概率不超过α=0.05(检验的显著性水平)的随机事件是小概率事件，则此时的事件A就是一个小概率事件。 * (3)判断是否接受原假设。若原假设成立，则在一次抽样试验中小概率事件出现了，有理由认为原假设不成立，即红球比例不为0.1，这时拒绝原假设。 * 假设检验其实是建立在“小概率原理”上的反证法：首先对所研究的问题提出原假设，并给定显著性水平α，它界定了小概率事件；然后在原假设成立的条件下，分析随机抽样所发生的事件是否是一个小概率事件。若是，就拒绝原假设，否则，就接受原假设。本例算出来的概率是0.027，而规定显著水平为0.05，因此拒绝“红球比例为0.1”的假定，认为红球比例为0.9。 * 例8.1.2 已知某体校男生100米跑的成绩（单位：秒）服从N(13.4,0.25)，经过一年的训练后，从中抽测了100名男生的100米跑成绩，得其平均成绩为13.3秒。在显著性检验水平α=0.05和方差不变的情况下，问训练后男生的百米跑平均成绩与μ0=13.4比较是否有显著的差异？ * * 8.1.2 假设检验的主要步骤 1.设立统计假设 统计假设是关于总体状态的一种陈述，一般包含两个假设，一个称为原假设，也称为零假设，用H0表示；另一个称为备择假设，也称为对立假设，用