湖南师范大学《概率论与数理统计》课件-第8章假设检验.pdfVIP

第八章 假设检验 •假设检验的基本思想 •正态总体均值和方差的检验 •单正态总体 •双正态总体 •样本容量的选取 •分布拟和检验 §8.1 假设检验 统计估计 • 统计推断—— 由样本推断总体 假设检验 假设检验 总体的分布分布检验 已知总体分布，但未知其参数参数检验 • 参数的假设检验的基本思想 p213例：葡萄糖包装机正常工作时，均值为 0.5公 斤，标准差为0.015公斤。某日抽取9袋样本，测得 平均重0.511公斤。假设机器的标准差没有改变， 问机器是否正常工作？ 分析：如果机器正常工作，那么对机器的全部产品 （总体）而言，平均总量应为0.5公斤。即µ=0.5。 假设µ=0.5成立，即 H 0 :µ 0.5 µ0 QX 是µ的无偏估计。如果假设为真， µ0 − x 0.5 − x 一般不应太大。于是 x − µ0 应在一定的范围内。 σ / n ∴可选择一个适当的正数k，当 x − µ0 ≥ k 时，就拒绝假设H ， 0 σ / n x − µ0 k 时，就接受假设H . 0 σ / n 然而，由于做出决策的依据是一个样本，由部分推 断总体就不可避免的会犯错误。但必须控制犯错误 的概率。 所陈述的假设H。 结论(样本) 真 假 拒绝假设H。 第一类错误(弃真) 正确 接受假设H。 正确 第二类错误(取伪) 这就是检验的两类错误 P{拒绝H | H 真}=犯第一类错误的概率; 0 0 P{接受H | H 假}=犯第二类错误的概率 0 0 奈曼—皮尔逊 (Neyman—Pearson)提出了一个原则： “在控制犯第一类错误的概率不超过指定值α的条件 下, 尽量使犯第二类错误的概率β小”按这种法则做 出的检验称为“显著性检验”, α称为显著性水平或 检验水平。 控制犯第一类错误的概率不超过指定值α ，即 P{ 当H 为真拒绝H }≤α 0 0 P{ 当H 为真拒绝H }≤α 回到机器的问题 0 0 要选择适当的k ，当 x − µ0 ≥ k 时，就拒绝H0 σ / n X − µ0 Q σ ~ N (0,1) k z