概率电子教案8(06).pptVIP

* 第八章 假设检验 §8.1 假设检验 统计推断的另一类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。 例如提出总体服从泊松分布的假设。又例如，对于正态 总体提出数学期望等于 的假设等。假设检验就是根据样本 对所提出的假设作出检验：是接受，还是拒绝原假设。在此， 先结合实例来说明假设检验的基本思想和做法。 用 ?，? 分别表示这一天袋装糖重总体X的均值和标准 差．由于长期实践表明标准差比较稳定，这里就设? ＝ 0.015，X～N（? , ），这里? 未知，问题是根据样本值来判断? =0.5 还是? ? 0.5，为此，提出假设 例1 某工厂用某台包装机包装糖果，包得的袋装糖重是一 个随机变量，它服从正态分布，当机器正常时，其均值为0.5 千克,标准差为0.015千克。某日开工后，为检验包装机是否正 常, 随机地抽取它所包装的糖9袋,称得净重为(千克) : 0.497, 0.518, 0.506, 0.511, 0.498, 0.524, 0.520, 0.515, 0.512 问机器 是否正常? 由于要检验的假设涉及总体均值? ，故首先想到是否可 借助样本均值这一统计量来进行判断． 这是两个对立的假设．下面我们要给出一个合理的 法则，根据这一法则，利用已知样本作出判断是接受假 设 ,还是拒绝假设 (接受假设 ）．如果作出判断是接受 , 则认为 ， 即认为机器工作正常，否则认为机器工作是不正常的． 我们知道， 是? 的无偏估计， 的观察值的大小在一 定程度上反映了? 的大小， 因此，如果假设 为真，则观察值 与 的偏 差 一般不应太大。若 过分大，就可以怀疑 假设 的正确性而拒绝 。 并考虑到当 为真时， ,而衡量 的 大小可归结为衡量 的大小．基于上面的想法，可适当选定一正数k，使观察值 满足 时就拒绝假设 ，反之 ，若 就接受假设 如何确定常数 k 呢？ 由于作出判断的依据是一个样本，当 实际上为真时，仍可 能作出拒绝 的判断，这是一种错误，犯这种错误概率记为 或 或 事实上,因只允许犯这类错误的概率最大为? ,令(1.1)式右端取等 号,即令 , 我们无法排除犯这类错误的可能性，因此自然希望将犯这类错 误的概率控制在一定限度之内,即给出一个较小的数? (0?1） ，使犯这类错误的概率不超过?，即使得 （1.1） 引入上式后，就能确定k了． 由于当 为真时， 要使 由标准正态分布的分位点的定义得 因而,若观察值 满足 ，则拒绝 ， 而若 ，则接受 ． ? ＝0.05，则有 又已知n=9, 再由样本计算 =0.511，即有 于是拒绝 ，认为这台包装机不正常． 例1 某工厂用某台包装机包装糖果，包得的袋装糖重是一 个随机变量，它服从正态分布，当机器正常时，其均值为0.5 千克,标准差为0.015千克。某日开工后，为检验包装机是否正 常, 随机地抽取它所包装的糖9袋,称得净重为(千克):0.497, 0.518, 0.506, 0.511, 0.498, 0.524, 0.520, 0.515, 0.512 问机器是否正 常?(? ＝0.05) 上例中所采用的检验法则是符合实际推断原理的，因 通常 ?总是取得较小，一般取?＝0.01，0.05