问题提法学习.pptxVIP

1 第一节 第1页/共21页 2 让我们先看一个例子. 第2页/共21页 3 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？ 把每一罐都打开倒入量杯, 看看容量是否合于标准 . 这样做显然不行！ 第3页/共21页 4 如每隔1小时, 抽查5罐，得 5个容量的值 X1，…，X5， 根据这些值来判断生产是否正常 . 每隔一定时间, 抽查若干罐 . 如发现不正常，就应停产，找出原因，排除故障，然后再生产； 如没有问题，就继续按规定时间再抽样，以此监督生产，保证质量 . 通常的办法是进行抽样检查 . 第4页/共21页 5 很明显，不能由5罐容量的数据，在把握不大的情况下就判断生产 不正常，因为停产的损失是 很大的 . 当然也不能总认为正常，若有了问题而不能及时发现，这也要造成损失 . 如何处理这两者的关系，假设检验面对的就是这种矛盾 . 第5页/共21页 6 它的对立假设是 ： 称H0为原假设（或零假设 ）； 称H1为备择假设 . 现在要检验的假设是 ： 第6页/共21页 7 那么，如何判断原假设 H0 是否成立呢？ 较大、较小是一个相对的概念，合理的界限在何处？应由什么原则来确定？ 来判断H0 是否成立 . 不正常 . 第7页/共21页 8 问题归结为对差异作定量的分析，以确定其性质 . 差异可能是由抽样的随机性引起的，称为 “抽样误差”或 “随机误差”. 这种误差反映偶然、非本质的因素所引起的随机波动. 然而，这种随机性的波动是有一定限度的, 如果差异超过了这个限度，则我们就不能用抽样的随机性来解释了. 此时必须认为这个差异反映了事物的本质差别，即反映了生产已不正常 . 这种差异称作“系统误差”. 第8页/共21页 9 问题是，根据所观察到的差异，如何判断它究竟是由于偶然性在起作用，还是生产确实不正常？ 即差异是“抽样误差”还是“系统误差”所引起的？ 这里需要给出一个量的界限 . 一般依据人们在实践中普遍采用的一个原则 ： 概率很小的事件在一次试验中几乎不会发生 . “小概率原理” : 第9页/共21页 10 下面我们用一例说明这个原则 . 概率很小的事件在一次试验中几乎不会发生 . 某箱子中有白球和黑球共100个，但不知两种球各占多少 . 我们认为这是一个小概率事件 . 第10页/共21页 11 这个例子中所使用的推理方法，可以称为 带概率性质的反证法 不妨称为概率反证法 . 它不同于一般的反证法, 数理统计中的推断并不是形式逻辑推断而是统计推断 . 概率反证法的依据是：如果小概率事件在一次试验中居然发生，我们就以很大的把握否定原假设 . 一般的反证法要求在原假设成立的条件下导出的结论是绝对成立的, 如果事实与之矛盾, 则完全绝对地否定原假设 . 第11页/共21页 12 现在回到我们前面罐装可乐的问题中 . 在提出原假设H0后，如何作出接受和拒绝H0的结论呢？ 第12页/共21页 13 罐装可乐的容量按标准应在350毫升和360毫升之间. 一批可乐出厂前应进行抽样检查, 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？ (1) 提出假设 (2) 选取检验统计量 第13页/共21页 14 (2) 选取检验统计量 (4) 由样本值算得 U 的值； 第14页/共21页 15 不否定H0并不是肯定H0一定对，而只是说差异还不够显著，还没有达到足以否定H0的程度 . 所以假设检验又叫 “显著性检验”. 注意 当作出接受H0的判断时,所依据的既不是逻辑推理,也不是小概率原理,而只是因为不能“信心十足”地拒绝H0而不得不作出接受的“无奈”抉择 . 第15页/共21页 16 上面所提到的“有违常理”的现象,并不是形式逻辑上的绝对不可能现象, 而是基于小概率原理或统计推断原理基础上的不可能. 因此在对H0 的取舍上可能要犯以下两类错误： (1) 当H0为真时，作出否定H0的决策——称为第一类错误(或称“弃真”错误)； (2) 当H0不真时，作出接受H0的决策——称为第二类错误(或称“存伪”错误). 犯这两类错误所造成的影响常常很不一样. 例如我们要求检验病人是否患某种疾病. 若假设H0表示该人患病，则第二类错误(无病当有病)造成后果是使用不必要的药品而引起病人的痛苦和经济上的浪费，但第一类错误(有病当无病)就