概率统计简明教程第八章假设检验.docVIP

第八章假设检验 统计推断的另一个问题是假设检验，即在总体的分布未知或总体的分布形式已知但参数未知的情况下，为推断总体的某些性质，提出关于总体的某种假设，然后根据抽样得到的样本观测值，运用统计分析的方法，对所提的假设作出接受还是拒绝的决策，这一决策的过程称之为假设检验.假设检验分为参数假设检验和非参数假设检验,仅涉及总体分布的未知参数的假设检验称为参数假设检验,不同于参数假设检验的称作非参数假设检验. 本章介绍假设检验的基本概念以及正态总体参数的显著性检验. §1假设检验的基本概念 1.1假设检验的思想与方法 下面我们通过例子说明假设检验的基本思想和方法. 例1D1某化肥厂用自动打包机包装化肥，其均值为100kg,根据经验知 每包净重X（单位：kg）服从正态分布，标准差为1kg.某日为检验自动打 包机工作是否正常,随机地抽取9包,重量如下: 99.3,98.7,100.5,101.2,98.3,99.7,99.5,102.1,100.5 试问这一天自动打包机工作是否正常? 本例的问题是如何根据样本值来判断自动打包机是否工作正常,即要看总体均值是否为为此我们给出假设 H:100 0 现用样本值来检验假设H是否成立,H成立意味着自动打包机工作正常00 否则认为自动打包机工作不正常.在假设检验问题中,我们把与总体有关的 假设称之为统计假设把待检验的假设称之为原假设记为H与原假设 0 H相对应的假设称为备择假设记为H本例中的备择假设为01 H:・・100用样本值来检验假设H成立称为接受H即拒绝H否 1001 则称为接受H即拒绝H 10 如何检验H:100成立与否我们知道，样本均值X是的无偏 0 估计自然地希望用X这一统计量来进行判断在H为真的条件下X的0 观测值X应在附近即x・00比较小也就是说,要选取一个适当的常 k是一个小概率事件我们称这样的小概率为显著  为真时,统计量 X100 UN,1・ /五 对于给定的显著性水平令  于是k・u.设统计量U的观测值为u如果 2/pnKjn u・u.2则意味着概率为的小概率事件发生了根据实际推断原理（ 个小概率事件在一次试验中几乎不可能发生），我们拒绝化否则接受H0 因此，接受原假设H即自动打包机工作正常 O 从本例中可以看出假设检验的基本思想是：为验证原假设H是否成 O 立我们首先假定H是成立的然后在H成立的条件下利用观测到的样OO 本提供的信息如果能导致一个不合理的现象出现即一个概率很小的事件在一次试验中发生了,我们有理由认为事先的假定是不正确的从假而拒绝 H，因为实际推断原理认为,一个小概率事件在一次试验中是几乎不可能0 发生的.如果没有出现不合理的现象,则样本提供的信息并不能否定事先假 定的正确性从而我们没有理由拒绝H,即接受H 00 为了利用提供的信息,我们需要适当地构造一个统计量,称之为检验统 计量，如例的检验统计量是U丁利用检验统计量我们可以 KJn 确定一个由小概率事件对应的检验统计量的取值范围,称这一范围为假设检 验的拒绝域记为W，如例的拒绝域为Wu当uW时 2 我们拒绝H当uW时接受H 00 1.2假设检验的两类错误 由于假设检验是依据实际推断原理和一个样本值作出判断的,因此，所 作的判断可以会出现错误如原假设H客观上是真的我们仍有可能以 0 的概率作出拒绝H的判断从而犯了“弃真”的错误这种错误称为第一类 0 错误犯这个错误的概率不超过给定的显著性水平为简单起见，记 P拒绝HH成立() 00 另外，当原假设H客观上是假的由于随机性而接受H这就犯了“取 00 伪”的错误这种错误称为第二类错误犯第二类错误的概率记为b，即 PH受HH成立.() 01 在检验一个假设时，人们总是希望犯这两类错误的概率都尽量小但当样本容量n确定后,不可能同时做到犯这两类错误的概率都很小,因此,通常我们的做法是利用事前给定的显著性水平来限制第一类错误,力求使犯第二类错误的概率b尽量小这类假设检验称为显著性检验 为明确起见，我们把两类错误列于表中 表8.假1设检验的两类错误 真实情况 判断 H成立 0 H成立 1 拒绝H 0 犯第一类错误 判断正确 接受H 0 判断正确 犯第二类错误 3假设检验的步骤 从例1.中1可以看出假设检验的一般步骤为 (1)根据实际问题提出原假设 H和备择假设H; 01 (2)确定检验统计量Z; (3)对于给定的显著性水平 ,并在H为真的假定下利用检验统计量 0 确定拒绝域W; (4)由样本值算出检验统计量的观测值 z,当zW时，拒绝 H.当 0 zW时,接受H. 0 需要说明的是：原假设和备择假设的建立主要根据具体问题来决定.通常把没有把握不能轻易肯定的命题作为备择假设，而把没有充分理由不能轻易否定的命题作为原假设. 在对参数的假设检验中形如H:H:的假设检验称