《概率论与数理统计》全套课件（完整版）.ppt

7.1.3 假设检验的步骤 1、建立原假设和备择假设; 2、确定适当的检验统计量; 3、指定检验中的显著性水平; 4、利用显著性水平根据检验统计量的值建立拒绝原假设的规则; 5、搜集样本数据,计算检验统计量的值; 6、作出统计决策:(两种方法) (1) 将检验统计量的值与拒绝规则所指定的临界值相比较,确定是否拒绝原假设; (2)由步骤5的检验统计量计算p值,利用p值确定是否拒绝原假设。 7.2 总体均值的检验 7.2.1 Z－检验 7.2.2 T-检验 7.2.1 Z－检验 a/2 a/2 2.2　均值未知时方差的区间估计 a/2 a/2 解 由题意得 查表得 算 得 所求置信区间为 (0.038,0.506) 例: 设某机床加工的零件长度 今抽查16个零件，测得长度（单位：mm）如下： 12.15, 12.12, 12.01, 12.08, 12.09, 12.16, 12.03, 12.01, 12.06, 12.13, 12.07, 12.11, 12.08, 12.01, 12.03, 12.06, 在置信度为95%时，试求总体方差 的置信区间. 解 三、两个正态总体均值差的区间估计 由于样本函数 其中 对于给定的置信度1-α有 即 置信区间为 解 求得 由于样本函数 解 求得 四、两个正态总体方差之比的区间估计 解 求得 查表得 计算得 五、单侧置信区间 解 此时 于是 * 第七章 假设检验 §1. 假设检验 一. 基本思想: 例1： 某车间用一台包装机包装葡萄糖，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公斤，标准差为0.015公斤。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9袋，称得净重分别为(公斤) 0.497 0.506 0.518 0.524 0.498 0.511 0.520 0.515 0.512 问机器是否正常? 先假设再检验！ 7.1 假设检验中的基本问题 7.1.1 假设检验中的小概率原理 7.1.2 假设检验的一些基本概念 7.1.3 假设检验的步骤 7.1.1 假设检验中的小概率原理 小概率原理:指发生概率很小的随机事件在一次试验中是几乎不可能发生的。小概率指p5%。 假设检验的基本思想是应用小概率原理。 例如:某厂产品合格率为99%,从一批(100件)产品中随机抽取一件,恰好是次品的概率为1%。随机抽取一件是次品几乎是不可能的, 但是这种情况发生了,我们有理由怀疑该厂的合格率为99%.这时我们犯错误的概率是1%。 7.1.2 假设检验的一些基本概念 1.原假设和备择假设 原假设：用H0表示，即虚无假设、零假设、无差异假设； 备择假设：用H1表示，是原假设被拒绝后替换的假设。 若证明为H0为真，则H1为假； H0为假，则H1为真。 对于任何一个假设检验问题所有可能的结果都应包含在两个假设之内，非此即彼。 2.检验统计量 用于假设检验问题的统计量称为检验统计量。 与参数估计相同，需要考虑： 总体是否正态分布； 大样本还是小样本； 总体方差已知还是未知。 7.1.2 假设检验的一些基本概念 7.1.2 假设检验的一些基本概念 3.显著性水平 用样本推断H0是否正确，必有犯错误的可能。 原假设H0正确，而被我们拒绝，犯这种错误的概率用?表示。把?称为假设检验中的显著性水平( Significant level), 即决策中的风险。 显著性水平就是指当原假设正确时人们却把它拒绝了的概率或风险。 通常取?＝0.05或?=0.01或?=0.001, 那么, 接受原假设时正确的可能性(概率)为:95%, 99%, 99.9%。 7.1.2 假设检验的一些基本概念 4.接受域与拒绝域 接受域：原假设为真时，统计结果在允许范围内的变动，应该接受原假设。 拒绝域：当原假设为真时只有很小的概率出现，因而当统计量的结果落入这一区域便应拒绝原假设，这一区域便称作拒绝域。 例：?＝0.05时的接受域和拒绝域 7.1.2 假设检验的一些基本概念 5.双侧检验与单侧检验 假设检验根据实际的需要可以分为 ： 双侧检验（双尾）: 指只强调差异而不强调方向性的检验。 单侧检验（单尾）：强调某一方向性的检验。 左侧检验 右侧检验 假设检验中