假设检验的步骤.pptVIP

产生检验统计量主要根据似然比准则和相交并原则。 似然比准则就是从机理上来推导检验统计量，其思想是在原假设成立的情况下，进行抽样是否一定如极大似然估计中所认为的那样：样本出现的情况总是概率密度最大的情况，如从N(0，1)中抽样是否一定是零或抽样三、五次是否一定平均值为零。 第29页，共42页，编辑于2022年，星期二 发生这一概率密度最大的情况是很少的，经常发生的情况是很靠近零，但不等于零的样品。按参数估计方法这时不能估计为零，但在这种情况下完全不应拒绝均值为零的假设，故接受域应是概率密度极大值点附近的一个区域。但为了定量化这个区域的范围，根据一般分布在极大值二边是单调下降的事实，可用其它点概率密度与最大概率密度之比来定量化表示，这个比一定大于0小于1，接近于1，则该点与密度最大点靠近，接近于零则该点与密度最大点较远。因而接近于1 则接受，接近于零则拒绝原假设。 第30页，共42页，编辑于2022年，星期二 第1页，共42页，编辑于2022年，星期二 误判概率 在数理统计中，浓缩信息、建立模型、作出判断、得出结论都依据样本。由于样本是随机抽取的，只反映部分总体情况，信息是不完全的，即使满足大数定律的条件，再多的有限样本也不能保证一定正确，判断总有可能发生错误。 但这不等于说用什么方法作出判断的结果都是相同的，差别在于判断错误的概率有大有小。 第2页，共42页，编辑于2022年，星期二 弃真与存伪 人们希望知道根据样本，用某种方法作出判断，其错误有多大概率，或者更直接一些，是否可以接受这个判断。因此人们预先规定一个小概率(通常取0.1或0.05或0.01)，作为可以接受的误判概率，然后进行假设检验，了解判断对错的概率以决定接受或拒绝原假设．由于假设检验时作出错误判断有两种可能：一种称为弃真，另一种称为存伪．同时控制这两类错误是困难的，所以上面提到的小概率一般指弃真或犯第一类错误的概率，亦称之为显著性水平． 第3页，共42页，编辑于2022年，星期二 双尾和单尾检验 按拒绝域分布在两边或分布在一边，假设检验分双尾检验与单尾检验 第4页，共42页，编辑于2022年，星期二 第二类错误 第5页，共42页，编辑于2022年，星期二 假设检验的分类 在假设检验中，根据对未知母体分布的了解程度提出不同的假设。 如果对母体分布了解较多，仅涉及到母体分布中所包含的几个未知参数的统计假设，则称这种假设为参数假设； 如果统计假设只能给出未知分布函数的形式或者它的某些数字符征，则称这种假设为非参数假设。 在实际问题中有时只提出一个统计假设，我们的目的也仅仅是判断这一统计假设是否成立，并不同时研究其他统计假设，则称这种假设为显著性检验。 第6页，共42页，编辑于2022年，星期二 建立统计假设H0，及备择假设H1； 抽取样本，样本也可以事先抽好，但应独立抽样，且代表母体； 构造一个合适的统计量M和根据子样观察值算出这个统计量的观察值uj。 考虑统计量的分布。如果是大样本问题，也可用渐近分布代替精确分布。 这个统计量最好是充分统计量，它有助于充分利用样本，并由此提取样本中关于待检验问题的全部信息，这个统计量还应是已知其分布的并且可以计算出概率的量。 显著性检验问题的处理步骤 第7页，共42页，编辑于2022年，星期二 第8页，共42页，编辑于2022年，星期二 第9页，共42页，编辑于2022年，星期二 确定一个显著性水平a，求出在H0成立条件下能使P(|u|＞u0)＜a满足的u0； 比较观察值u0和uj 。以决定拒绝或接受原假设。 对于每一个具体的假设，可以作出的决定只有两个：拒绝或接受原假设。至于采取哪个决定是根据变量的观察值即样本。 所谓检验一个假设就是制定一个规则，使对每批样品可由这个规则唯一地决定接受还是否定所提假设。 第10页，共42页，编辑于2022年，星期二 三个角度的理解 假设检验把样本空间分成两个部分：接受域，拒绝域。落在接受域则接受原假设，否则拒绝原假设。 从统计判决函数的观点来说，一个检验就是一个定义于样本空间之上值域为两点(拒绝、接受)的函数。 如果考虑概率则检验建立的是从样本空间到实轴上[0，1]的一个映射。接受与拒绝的依据是认为在一次试验中小概率事件是不会发生的，因而当发生的事件计算出的统计值落在概率很小的区间时则拒绝假设，并认为有较充分理由的 因此， 对经过一个显著性检验没有被拒绝的假设不能误解为一定是正确的假设。 第11页，共42页，编辑于2022年，星期二 均值的检验 第12页，共42页，编辑于2022年，星期二 第13页，共42页，编辑于2022年，星期二 第14页，共42页，编辑于2022年，星期二 第1