第八章假设检验.pptVIP

第1页，共36页，星期日，2025年，2月5日现实中的统计案例一：时下不少大学生在一边学习的同时也不断寻找一些机会打些零工以赚点钱弥补学习和生活之需，这已经是学生们之间人所共知的事情。这没有丝毫的让人好奇之处，让人好奇的是这些打工的学生究竟一个月平均能赚多少钱？假设有人说：这个数据是500元，你觉得信不信它呢？当然，你首先需要收集证据，没有证据是肯定说明不了任何问题的。又假设有人通过组织调查取得过如下数据（调查到一共30人，单位：元）：350500900100100200240300100320450260650380290400800400250400290870540320140160300400500340第八章假设检验第2页，共36页，星期日，2025年，2月5日这时你该做何结论？就算是你得到以上数据的平均数等于423元，你是否就可以作出“是”或“不是”的回答？因为你要作出的回答是针对整个总体的，根据却又只是来自部分总体——即样本，所以事实上不论你最终作出的是“是”还是“不是”的回答，其实都存在犯错误的可能。那么，如何以样本的数据去对总体参数下结论才最科学？才最不容易犯错误呢？这就是一个属于单个总体参数假设检验的问题了，是本章需要解决的问题。第八章假设检验第3页，共36页，星期日，2025年，2月5日一、基本概念1、假设检验是统计推断的另一种方式，它与区间估计的差别主要在于：区间估计是用给定的大概率推断出总体参数的范围，而假设检验是以小概率为标准，对总体的状况所做出的假设进行判断。假设检验与区间估计结合起来，构成完整的统计推断内容。假设检验分为两类：一类是参数假设检验，另一类是非参数假设检验。第一节假设检验的基本思想第4页，共36页，星期日，2025年，2月5日对于随机变量X的分布参数，可以提出如下一些假设：

等等，其中和是已知数，而和是未知常数。特别地，如果已知X服从伯努利分布，参数p（0p1）未知，则可以提出如下假设：H：p＝p0；H：p≤p0；第5页，共36页，星期日，2025年，2月5日如：在对一批产品的质量验收过程中，若用p表示这批产品的不合格品率，而p0表示不合格品率的最大允许值。当假设H：p≤p0成立时，这批产品被接收，否则被拒收。以上各例中，统计假设可能成立也可能不成立。2、假设检验（也称显著性检验），就是根据对随机变量进行实际观察的结果（即样本取值）来判定事先给定的统计假设H是否成立的一种推断过程。例如，验收一大批产品，就是要检验假设H：p≤p0。假设检验在理论研究和实际应用中都占有重要地位。但在这里只能介绍假设检验的基本概念和思想，作为例子介绍一些常用的统计检验方法。

第6页，共36页，星期日，2025年，2月5日二、统计假设分类以后把关于随机变量（的分布、特征、相互关系等）的每一种论断都叫做统计假设。前面已经列举了一些统计假设的例子。一般地，根据问题的着眼点、条件和特点不同，统计假设有参数假设和非参数假设、简单假设和复合假设、零假设和备择假设之分。（一）参数假设和非参数假设假设X是所研究的随机变量。那么，在X的分布函数F（x,θ）的数学形式已知的情形下，关于参数的各种统计假设称作“参数假设”；在X的分布函数的形式不确知（或完全未知）的情况下，与分布函数相关的各种一般性论断则称作“非参数假设”。第7页，共36页，星期日，2025年，2月5日例如，已知X～N（μ，σ2），但是其参数μ和σ2未知，那么H：μ＝0，σ2＝1或μ≤0，σ20都是参数假设。而诸如：H：X的分布是正态的H：X服从普阿松分布H：X和Y相互独立H：X1，X2，…，Xn服从相同的分布等，则都是非参数假设。第8页，共36页，星期日，2025年，2月5日（二）简单假设和复合假设如果一个统计假设完全决定随机变量的概率分布，或者说假设只针对参数在某一单点取值而作，称之为“简单假设”，否则便是“复合假设”。比如X～N（μ，1），则假设H：μ＝0是简单假设，而H：μ≤0则是复合假设。第9页，共36页，星期日，2025年，2月5日（三）零假设和备择假设假定关于X有两个统计假设H0