第一节假设检验的基本概念.pptxVIP

第一节假设检验的基本概念会计学第1页/共19页第一节 假设检验的基本概念假设检验的基本思想和方法假设检验的一般步骤参数假设检验与区间估计的关系第2页/共19页一、假设检验(Hypothesis Testing)的基本思想和方法我们将讨论不同于参数估计的另一类重要的统计推断问题. 这就是根据样本的信息检验关于总体的某个假设是否正确.这类问题称作假设检验问题 .总体分布已知时检验未知参数的某个假设参数假设检验假设检验非参数假设检验总体分布未知时假设检验问题这样做显然不行！第3页/共19页让我们先看一个例子:罐装可乐的容量按标准应在350毫升和360毫升之间.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. 通常的办法是进行抽样检查!每隔一定时间, 抽查若干罐. 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.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.第4页/共19页很明显, 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, 有了问题不能及时发现, 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.现在我们就来讨论这个问题.罐装可乐的容量按标准应在350毫升和360毫升之间.在正常生产条件下, 由于种种随机因素的影响,每罐可乐的容量应在355毫升上下波动.这些因素中没有哪一个占有特殊重要的地位.因此, 根据中心极限定理, 假定每罐容量服从正态分布是合理的.这样, 我们可以认为X1, …, X5是取自正态总体 N(μ,σ2)的样本, 当生产比较稳定时, σ2是一个常数. 在实际工作中,往往把不轻易否定的命题作为原假设.第5页/共19页现在要检验的假设是：H0：μ = μ0 (μ0 = 355)H1： μ ≠ μ0它的对立假设是：称H0为原假设(或零假设)(null hypothesis);称H1为备选假设(或对立假设) (alternative hypothesis);.那么, 如何判断原假设H0 是否成立呢?由于μ是正态分布的期望值, 它的估计量是样本均值,因此可以根据 与μ0的差距来判断H0 是否成立.当较小时, 可以认为H0是成立的;较大时, 应认为H0不成立, 即生产已不正常.当较大、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?问题归结为对差异作定量的分析, 以确定其性质.第6页/共19页“抽样误差”或 随机误差差异可能由抽样的随机性引起的, 称为: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.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”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!问题是: 如何给出这个量的界限?这里用到人们在实践中普遍采用的一个原则：小概率事件在一次试验中基本上不会发生 .我们称这个小概率为显著性水平(the level of significance), 用α表示.α的选择要根据实际情况而定. 常取:第7页/共19页欲判断假设H0的真假, 先假定 H0真, 在此前提下构造一个能说明问题的小概率事件 A．试验取样, 由样本信息确定 A是否发生, 若小概率事件 A发生, 这与小概率原理相违背, 说明试验的前提条件 H0不成立, 拒绝 H0, 接受 H1;若小概率事件 A没有发生, 没有理由拒绝 H0, 只好接受H0．概率反证法:它能衡量差异大小且分布已知 .第8页/共19页例1: 现在回到我们前面罐装可乐的例中:在提出原假设H0后, 如何作出接受和拒绝H0的结论呢?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?提出假设:H0：μ = 355H1：μ ≠ 355由于 σ已知,选检验统计量:对给定的显著性水平α, 可以在查到分位点的值 uα/2, 使:也就是说,“|U|uα/2”是一个小概率事件.故我们可取拒绝域(或否定域)为： W: |u|uα/2考察由样本值算得该统计量的实测值,如果落入区域W, 则拒绝H0 ; 否则, 不能拒绝H0.第9页/共19页这里所依据的逻辑是：如果H0是