理论统计学教案-假设检验.docxVIP

理论统计学教案-假设检验.docx

此“教育”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
假设检验 第一节 假设检验的基本问题 一、假设检验及示例 假设检验是推断统计中的一个重要研究内容,该方法在现代经济管理学以及其它领域都有着广泛的应用。所谓假设检验,就是首先对总体的分布函数形式或分布的某些参数做出假设,再利用随机抽样得到样本数据,利用这些数据构造小概率事件,通过“小概率事件原理”对假设的正确性做出判断的统计推断过程与方法。它可以分为两类:一类是参数假设检验;另一类是非参数假设检验。下面结合两个实例来说明: 【例8.1】某品牌香烟的尼古丁含量服从,现测定了9支该品牌香烟,得到平均尼古丁含量为4.484mg,假设方差没有发生变化,试检验现在的尼古丁含量是否发生变化? 在本例中,香烟的尼古丁含量为随机变量,记为,则,从而,现在要通过随机抽样得到的9支该品牌香烟来检验尼古丁含量是否发生显著变化,也就是现在的含量与4.55 mg有没有显著差异,这显然是已知总体的分布形式而对分布的参数提出假设并进行检验,属于参数假设检验问题。 【例8.2】某企业欲了解其产品定单的分布情况,在随机选择的一周中发现其定单频数分布如表8.1所示: 表8.1 产品定单的分布表 星期 星期一 星期二 星期三 星期四 星期五 合计 定单数 7 12 15 11 15 60 现在的问题是该企业的定单在每星期的5天中是均匀分布吗? 在本例中,由于定单的分布形式未知,现就其是否服从均匀分布给出检验,这是一个典型的非参数假设检验问题。 上述两个例子说明,无论是参数假设检验还是非参数假设检验,有两点是必不可少的:首先都要提出一个待检验的假设命题,如例8.1中的参数为4.55和例2中的定单服从均匀分布;其次,都要通过抽样获得样本资料来进行检验。 二、假设的表达形式 为了实现对假设进行检验,首先必须构造出合适的假设,例如上述的两个例子,构造假设分别为: : :定单服从均匀分布 这就是原假设,或者称为零假设(Null Hypothesis),通常以表示。原假设的构造一般要遵循两个原则:一是根据实际问题和研究的目的来构造,不同的要求有不同的构造方法;二是构造的假设要有利于检验统计量的选择。与原假设对立是备择假设(Alternative Hypothesis),通常以表示,它是原假设被否定时另一种可能成立的结论。备择假设往往比原假设还要重要,一般把期望出现的结论做为备择假设。例如例8.1中的备择假设可以设为: 第一种情况对应想知道香烟尼古丁含量是否为4.55mg,可能大于也可能小于4.55mg,这是双边检验。 第二种对应想知道香烟尼古丁含量是否小于4.55 mg,为左检验。 第三种情况对应是想知道香烟尼古丁含量是否大于4.55 mg,为右检验。左检验和右检验统称为单边检验。 需要说明的是,原假设和备择假设不一定完全对逆,这就是为什么说表示的是原假设被否定时另一种可能成立的结论。 三、小概率事件原理与假设检验的显著性水平 在构造出适当的假设以后,如何利用样本资料来验证原假设是否成立呢?通常的做法是在原假设成立的情况下构造一个小概率事件,然后检验小概率事件在一次实验中是否发生。小概率事件原理表明:一个概率很小的事件,比如概率为0.05的事件,在一次实验中几乎不可能发生。如果在原假设成立下,构造的小概率事件在一次实验中竟然发生了,那么就怀疑原假设的正确性。为了加深对小概率事件原理的理解,现举例说明如下: 【例8.3】某大学的班长声称,该班同学的出操率为0.97,为检验其说法的可靠性,某次随机在该班中抽取了5名学生,发现有2名学生未出操,问该班长的说法是否可信。 解:记该班同学的出操率为,首先构造出原假设和备择假设为: 这里构造的是双边检验,从实际抽取的样本资料来看,该班同学的出操率为0.6(3/5),显然与所声称的出操率相差0.37(0.97-0.6),产生差异的原因可能有两种途径:一是该班长说法是正确的,即出操率的确是=0.97,0.37的差异完全由于抽样的随机性而造成的;二是抽样的随机性不可能造成如此大的差异,0.37的差异来源于班长的说法有误,即该班同学的出操率不等于0.97。现在假设差异完全是由抽样的随机性产生的,即成立,那么5人中有2人未出操的概率可以利用二项式分布来计算,即概率为,这显然是一个小概率事件,然而小概率事件在一次抽查(实验)中竟然发生了,从而就怀疑该班长说法的真实性,即该班同学的出操率不为0.97。当然究竟概率小到什么程度才算小,这没有统一的标准,同一个假设,可能在不同的小概率选取下会得出完全相反的结论,所以假设检验总是和一定的小概率事件联系在一起,这个小概率就是假设检验中的显著性水平,通常记为,从这个

文档评论(0)

子不语 + 关注
官方认证
服务提供商

平安喜乐网络服务,专业制作各类课件,总结,范文等文档,在能力范围内尽量做到有求必应,感谢

认证主体菏泽喜乐网络科技有限公司
IP属地未知
统一社会信用代码/组织机构代码
91371726MA7HJ4DL48

1亿VIP精品文档

相关文档