假设检验HypothesisTesting的学习教案.pptxVIP

假设检验HypothesisTesting的学习教案第1页/共104页第2页/共104页本章大纲假设检验的基本概念Neyman-Pearson范式和假设检验有关的两个问题广义似然比检验单样本检验的几个实例两个样本的比较实验设计第3页/共104页学习目标理解假设检验的直观概念和Neyman-Pearson范式了解假设检验方法的可能缺陷掌握广义似然比检验掌握正态、多项、泊松总体的假设检验掌握Hanging Rootogram和概率图掌握两个独立样本的比较理解实验设计第4页/共104页本章详细大纲假设检验的基本概念Neyman-Pearson范式Neyman-Pearson引理显著性水平的确定和p-值一致最优检验和假设检验有关的两个问题置信区间和假设检验的对偶关系如何选择原假设广义似然比检验广义似然比方法多项分布的广义似然比检验泊松分布的广义似然比检验单样本检验的几个实例两个样本的比较第5页/共104页1.假设检验的基本概念(Hypothesis Testing) 硬币猜测游戏用似然比likelihood ratio和贝叶斯方法处理这个问题 正面朝上的概率 硬币0 0.5硬币1 0.7第6页/共104页猜硬币中的似然比如果你在10次抛掷中看到2次正面朝上。则P0(2)/P1(2)=30。这就是似然比。硬币0出现这个结果的机会是硬币1的30倍第7页/共104页猜硬币中的似然比根据抛掷结果计算出的后验概率成为评判标准C是临界值critical value第8页/共104页猜硬币中的错判概率假定c=1。则判别规则如下：因为结果有随机性，这个规则导致错判错误分成两类：H0为真的时候拒绝H0， H0为假的时候接受H0第9页/共104页临界值c对错判概率的影响假定c=0.1，即先验概率有差异第10页/共104页2.Neyman-Pearson范式不用贝叶斯方法规避了先验概率的决定对两个假设区别对待，一个成为原假设H0(null hypotheses)，另一个成为备择假设H1(alternative hypotheses)由此导致在有些场合下选择原假设的困难第11页/共104页Neyman-Pearson范式中的术语第I类错误(Type I Error)，H0为真的时候拒绝H0检验的显著性水平(significance level)，第I类错误的概率，通常记为第II类错误(Type I Error)，H0为假的时候接受H0，其概率记为检验的功效(power)， H0为假的时候拒绝H0，其概率记为 检验统计量(test statistics)拒绝域(rejection region)和接受域(acceptance region)原分布(null distribution)，在原假设为真的条件检验统计量所服从的分布第12页/共104页Neyman-Pearson引理(lemma)第13页/共104页方差已知的正态第14页/共104页方差已知的正态第15页/共104页置信区间和假设检验的对偶关系第16页/共104页置信区间和假设检验的对偶关系：引理A引理A 第17页/共104页置信区间和假设检验：引理A证明引理A证明 则按照C(X)的定义第18页/共104页置信区间和假设检验的对偶关系：引理B引理B 证明 第19页/共104页广义似然比检验（Generalized Likelihood Ratio Test）似然比检验在对两个简单假设进行检验的时候是最优的。本节介绍的广义似然比检验将能够处理比较复杂的假设形式。其原理和似然比有相似之处。一个比较自然的度量两个假设可信程度的指标是两个假设的似然比。第20页/共104页广义似然比检验因为在两个假设中，参数都有多个可能取值，所以在可能的参数集合上取最大值是一个可以考虑的 出于数学处理上的考虑，把分母改成在整个参数集合上取最大值第21页/共104页广义似然比检验：方差未知正态总体的均值检验第22页/共104页广义似然比检验：方差未知正态总体的均值检验第23页/共104页广义似然比检验：方差未知正态总体的均值检验第24页/共104页多项分布的广义似然比检验考虑多项分布的似然比检验。第25页/共104页多项分布的广义似然比检验第26页/共104页Pearson卡方统计量和似然比可以证明在H0成立的条件下，Pearson统计量和似然比渐近等价，这里用Taylor展开做一直观解释。 第27页/共104页Pearson卡方统计量和似然比第28页/共104页Handy-Weinberg均衡在参数估计的例子中引入了Handy-Weinberg均衡第29页/共104页Bacterial Clump用显微镜检查0.01毫升牛奶中的细菌群的数量.计量方法是每个方格子里的数量看起来用泊松分布是不错的以下数据来自B