概率电子教案806.pptVIP

取 ? ? 2 ( n ? 1 ) S 2 ? 0 2 为检验统计量 2 拒绝域的形式为 ( n ? 1 ) s ? 2 0 ? k 1 或 ( n ? 1 ) s 2 ? 2 0 ? k 2 P { 拒绝 H 0 H 0 为真 } 2 2 ? ? ? ? ? ? ( n ? 1 ) S ? ? ( n ? 1 ) S ? ? ? ? ? P ? ? ? k ? ? k ? ? ? 1 ? 2 2 2 ? ? ? ? ? ? 0 ? ? ? ? ? 0 ? 为计算方便起见，习惯上取 ? ? ? ? ? ? 2 ? ? ? ? 2 2 2 P ? ? ? ? ? ( n ? 1 ) ? ? , P ? ? ? ? ? ( n ? 1 ) ? ? 1 ? 2 2 ? ? ? ? 2 2 ? ? ? ? 第八章 § 8.1 假设检验 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 ? 0 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。 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 ? 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 ? ＝ 2 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 H 0 : ? ? ? 0 ? 0 . 5 和 H 1 : ? ? ? 0 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 H 0 , 还是拒绝假设 H 0 ( 接受假设 H 1 ）．如果作出判断是 接受 H 0 , 则认为 ? ? ? 0 ， 即认为机器工作正常，否则认 为机器工作是不正常的． 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． 我们知道， X 是 ? 的无偏估计， X 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 H 0 为真，则观察值 x 与 ? 0 的偏 差 x ? ? 0 一般不应太大。若 x ? ? 0 过分大，就可以怀疑 假设 H 0 的正确性而拒绝 H 0 。 X ? ? 0 ~ N ( 0 , 1 ) , 而衡量 x ? ? 的 并考虑到当 H 0 为真时， 0 ? n x ? ? 0 大小可归结为衡量 的大小．基于上面的想法，可适当 ? n x ? ? 0 ? k 时就拒绝假设 H 0 ， 选定一正数 k ，使观察值 x 满足 ? n x ? ? 0 反之 ，若 ? k 就接受假设 H 0 ? n 如何确定常数 k 呢？ 由于作出判断的依据是一个样本，当 H 0 实际上为真时，仍可 能作出拒绝 H 0 的判断，这是一种错误，犯这种错误概率记为 p ? 拒绝 H 0 H 0 为真 ? 或 p ? 0 { 拒绝 H 0 } 或 p ? ? H 0 { 拒绝 H 0 } 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 p ? 拒绝 H 0 H 0 为真 ? ? ? （ 1.1 ） 引入上式后，就能确定 k 了． 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 p ? 拒绝 H 0 ~ N ( 0 , 1 ) H 0 为真 ? ? ? , 由于当 H 0 为真时， ? ? ? X ? ? 0 ? H 0 为真 ? ? p ? ? k ? ? ? ? ? ? n ? ? 2 X ? ? 0 ? 要使 n p ? 拒绝 H 0 由标准正态分布的分位点的定义得 k ? Z ? 因而 , 若观察值 x 满足 x ? ? 0 ? n ? k ? Z ? 2 而若 x ? ? 0 ? n ? k ? Z ? 2 ，则拒绝 H 0 ，