第八章 假设检验.ppt

* 第八章 假设检验 §8.1 假设检验 假设检验是统计推断的另一类重要组成部分.它分为参数假设检验与非参数假设检验. 参数假设检验与参数估计是从不同的角度推断总体分布中的某些参数, 参数检验解决定性问题, 参数估计解决定量问题. 参数假设检验是对总体分布函数中的未知参数提出某种假设, 然后利用样本提供的信息对所提出的假设进行检验, 根据检验的结果对所提出的假设作出拒绝或接受的判断. 非参数假设检验是对总体分布函数的形式或总体的性质提出某种假设进行的检验. √ H0 : ? =?0=0.5 8.1.1 问题的提出 例1 设某车间用自动包装机装糖，生产中额定标准：每袋重量为0.5kg. 由长期经验知每袋重量服从正态分布N(? , 0.0152). 某日开工后，为检查包装机的工作状况，从包装好的糖中随机抽取9袋，称得净重(单位:kg)为: 0.499 0.514 0.508 0.514 0.498 0.515 0.513 0.524 试问该包装机工作是否正常？ 由题意, 每袋糖重 X~ N(? , 0.0152). 包装机正常工作是指 X~ N(0.5, 0.0152). 若重 X不服从N(0.5, 0.0152)，就认为包装机不正常工作. 换句话说，本题所要回答的问题是“? =0.5”成立吗？ 现在的问题是，如何根据样本观察值来判断总体的均值?是否等于?0 （? 0 =0.5）. 为此我们提出假设 H1 : ? ??0 ----------称为原假设或零假设, ----------称为备择假设(备选假设). 8.1.2 假设检验的基本思想 于是问题转化为判断 H0 是否成立. 我们要做的工作是根据样本提供的信息作出接受H0 (拒绝H1)还是拒绝H0 (接受H1)的判断.如果作出的判断是接受H0 ，即认为包装机工作正常，否则认为包装机工作不正常。 假设检验的基本思想实质上是带有某种概率性质的反证法. 为了检验一个假设H0是否正确, 首先假定该假设H0正确, 然后根据抽到的样本对假设H0作出接收或拒绝的决策.如果样本观察值导致了不合理的现象发生, 就应拒绝假设H0 ,否则应接受假设H0. 检验规则的制定常常是通过如下办法实现的：从具体问题的直观背景出发，构造适用于所提出的假设的统计量（把样本所含的信息集中起来），并以此统计量来作判断（检验）. 如何对一个假设进行判断（检验）呢？我们需要制定一个判断“规则”，使得根据每个样本值都能做出接受还是拒绝原假设的决定. 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. 判断“假设”的根据?-----实际推断原理 由于 是 ? 的无偏估计量, 如果H0成立, 即? =?0, 则 与?0的偏差 一般不应太大，若 过分大，就怀疑H0的正确性而拒绝H0. 为了确定常数 k，我们考虑统计量，当H0成立时， 而衡量 的大小可归结为衡量 的大小， 所以可适当选定一正数k, 使当观察值 满足 时， 就拒绝假设H0 ，反之，若 ，就接受假设H0. 由实际推断原理知, 小概率事件在一次试验中实际上几乎是不可能发生的, 而现在居然在一次抽样试验中发生了. 这表明“假设H0成立”是错误的, 因此我们拒绝H0. 反之, 我们没有理由拒绝H0. 即: 统计量 进入 区域, 就决策否定 H0 ,这个区域就叫否定(拒绝)域. 对于例1: 取 ?=0.05, 计算得: |z|=2.2>1.96,　从而拒绝H0 ,即认为包装机工作不正常. 当H0成立时, 是概率为 ? 的小概率事件. （“小概率事件”发生了） 由于抽样的随机性, 由上述检验方法作出拒绝H0 或不拒绝H0的判断, 有可能犯以下两类错误: 第一类错误 (弃真): 当H0为真拒绝H0; 第二类错误 (取伪): 当H0为假接受H0. 记: ? =P{第一类错误}=P{拒绝H0 | H0真} ? =P{第二类错误}=P{接受H0 | H0伪} 当然,我