多元正态分布均值向量和协差阵的检验.pptxVIP

第三章 多元正态分布均值向量和协差阵的检验;第三章 多元正态分布均值向量和 协差阵的检验;补充：;生产流水线上罐装可乐不断地封装，然后装箱外运。 怎么知道这批罐装可乐的容量是否合格呢？;;这就需要根据X1,…, X35的样本信息，检验上述的两个假设哪个正确： H0： 称H0为原假设（或零假设） 它的对立假设是： H1： 称H1为备选假设（或对立假设）。;那么，如何判断原假设H0 是否成立呢？ 由于 是正态分布的期望值，它的估计量是样本均值 ，因此可以根据 与 的差距 来判断H0 是否成立。 当 时，可以认为H0是成立的； 当 时，应认为H0不成立，即生产已不正常。;?怎么来确定？合理的界限在何处？应由什么原则来确定？;下面我们用一例说明这个原则。 这里有两个盒子，各装有100个球。; ？;;在假设检验中，称这个小概率为显著性水平，用α 表示。α 的选择要根据实际情况而定。常取 ;现在回到我们前面罐装可乐的例中：在提出原假设H0后，如何作出接受和拒绝H0的结论呢？ 罐装可乐的容量按标准应在350毫升和360毫升之间。 一批可乐出厂前进行抽样检查，现抽查了n罐，测得容量为X1 , X2 ,…,Xn，问这一批可乐的容量是否合格？;提出假设: 假定σ 已知，构造检验统计量z： 对给定的显著性水平α ，可以在N(0,1)表中查到分位点的值 ，使;也就是说，“ ”是一个小概率事件。 故我们可以取拒绝域为： 如果由样本值算得该统计量的实测值落入区域 ，则拒绝H0 ；否则，不能拒绝H0 。 ;其基本思想和步骤均可归纳为： 第一，提出待检验的假设H0和H1； 第二，给出检验的统计量及其服从的分布； 第三，给定检验水平，查统计量的分布表，确定相应的临界值，从而得到否定域； 第四，根据样本观测值计算出统计量的值，看是否落入否定域中，以便对待判假设做出决策（拒绝或接受）。;第一节 均值向量的检验 ;单一变量假设检验的内容： 提出假设 构造检验统计量 （总体方差已知时） 判断：根据显著水平 确定临界值 ，当 落在拒绝域，接受备择假设，否则接受原假设。;当 未知时，用 （3.2） 作为 的估计量，构造检验统计量： （3.3） 判断，根据显著水平 ，确定临界值 ，当 ，落入拒绝域，接受备择假设；否则接受原假设。 ;（3.3）式可以表示为 （3.4） 定义3.1 设 ， 且 与 相互独立， ，则称统计量 的分布为非中心HotellingT2分布，记为 。当 时，称 服从（中心）HotellingT2 分布。记为 。;注意：F分布和t 分布有如下关系：;若 ， 且 与 相互独立，令 ，则 这表明，将HotellingT2统计量乘上一个适当的常数后，便成为F统计量，从而可利用F分布来进行推断。实践中，常用上式给出的F统计量来代替HotellingT2统计量进行推断。;在一元正态总体的情况下，若 一元统计中样本方差 是 的估计，有 ;定义2.10 设