《第一节假设检验的基本概念.ppt》由会员分享，可在线阅读，更多相关《第一节假设检验的基本概念.ppt（19页珍藏版）》请在三一办公上搜索。
1、第七章 假设检验,第一节 假设检验的基本概念,第二节 单正态总体的假设检验,*第三节 双正态总体的假设检验,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,第一节 假设检验的基本概念,假设检验,参数假设检验,非参数假设检验,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,总体分布未知时假设检验问题,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.,一、假设检验(Hypothesis Testing)的基本思想和方法,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
2、？,把每一罐都打开倒入量杯,看看容量是否合于标准.,罐装可乐的容量按标准应在350毫升和360毫升之间.,让我们先看一个例子:,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.,通常的办法是进行抽样检查!,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.,在正常生产条件
3、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.,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.,这样,我们可以认为X1,X5是取自正态总体 N(,2)的样本,当生产比较稳定时,2是一个常数.,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);.,H0：=0(0=355),H1：0,现在要检验的假设是：,那么,如何判断原假设H0 是否成
4、立呢?,由于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0的差距 来判断H0 是否成立.,问题归结为对差异作定量的分析,以确定其性质.,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.,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!,我们称这个小概率为显著性水平(the level of significance),用表示.,的选择要根
5、据实际情况而定.常取:,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”,差异可能由抽样的随机性引起的,称为:,“抽样误差”或 随机误差,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
6、受H0,概率反证法:,提出假设:,选检验统计量:,由于 已知,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?,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?,H0：=355,H1：355,故我们可取拒绝域(或否定域)为：W:|u|u/2,也就是说,“|U|u/2”是一个小概率事件.,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.,对给定的显著性水平,可以在查到分位点的值 u/2,使:,如果H0是对
7、的,那么衡量差异大小的某个统计量落入区域 W(拒绝域)是个小概率事件.如果该统计量的实测值落入W,也就是说,H0 成立下的小概率事件发生了,那么就认为H0不可信而否定它.否则我们就不能否定H0(只好接受它).,这里所依据的逻辑是：,不否定H0并不是肯定H0一定对,而只是说差异还不够显著,还没有达到足以否定H0的程度.,所以假设检验又叫:,“显著性检验”,如果显著性水平 取得很小,则拒绝域也会比较小.其产生的后果是:H0难于被拒绝.,如果 很小的情况下H0仍被拒绝,则说明实际情况很可能与之有显著差异.,基于这个理由,人们常把=0.05时拒绝H0称为是显著的,而把在=0.01时拒绝H0称为是高度显
8、著的.,第一步：提出原假设和备择假设:,已知 XN(,2),2未知.,能衡量差异大小且分布已知,第二步：取一检验统计量,在H0成立下求出它的分布:,例2:某工厂生产的一种螺钉,标准要求长度是32.5毫米.实际生产的产品,其长度X 假定服从正态分布 N(,2),2未知,现从该厂生产的一批产品中抽取6件,得尺寸数据如下:,32.56,29.66,31.64,30.00,31.87,31.03,问:这批产品是否合格?,解:分析:这批产品(螺钉长度)的全体组成问题的总体 X.现在要检验 E(X)是否为 32.5.,二、假设检验的一般步骤,即：“|T|t/2(5)”是一个小概率事件.,第三步：对给定的显
9、著性水平：=0.01,查表确定临界值:,使:,得否定域(rejection region)W:|t|4.0322,故不能拒绝H0.,第四步：将样本值代入算出统计量 t 的实测值,|t|=2.9974.0322,没有落入拒绝域,这并不意味着H0一定对,只是差异还不够显著,不足以否定H0.,三、参数假设检验与区间估计的关系,参数的区间估计则是找一个随机区间 I,使 I包含待估参数 是个大概率事件,参数的假设检验的关键是要找一个确定性的区域(拒绝域)：使得当 H0成立时,事件(X1,Xn)D是一个小概率事件,一旦抽样结果使小概率事件发生,就否定原假设H0.,对此两类问题，都是利用样本对参数作判断：一
10、个是由小概率事件否定参数 属于某范围;另一个则是依大概率事件确信某区域包含参数 的真值.两者本质上殊途同归，一类问题的解决，导致解决另一类问题类比方案的形成,如设总体N(,2),2已知,给定容量n的样本.,样本均值为,则参数 的置信度为:1-的置信区间为:,假设检验问题 H0:=0,H1:0的拒绝域为:,接受域为:,也就是说,当 时,接受 H0：=0,即 在区间 内,此区间正是的置信度为1-的置信区间.,参数的区间估计：,参数的假设检验：,假设检验会不会犯错误呢？,由于作出结论的依据是:,小概率原理,小概率事件在一次试验中基本上不会发生.,四、假设检验的两类错误,如果H0成立,但统计量的实测值
11、落入否定域,从而作出否定H0的结论,那就犯了“以真为假”的错误.,如果H0不成立,但统计量的实测值未落入否定域,从而没有作出否定H0的结论,即接受了错误的H0,那就犯了“以假为真”的错误.,假设检验的两类错误,P拒绝H0|H0为真=,P接受H0|H0不真=.,犯两类错误的概率:,显著性水平 为犯第I类错误(Type I error)的概率;为犯第II类错误(Type II error)的概率.,两类错误的概率的关系,两类错误是互相关联的,当样本容量固定时,一类错误概率的减少导致另一类错误概率的增加.,要同时降低两类错误的概率,或者要在 不变的条件下降低,需要增加样本容量.,代入=2,n=25,
12、并由样本值计算得统计量U的实测值:,u=3.1251.645,故拒绝H0,即认为这批燃料率较以往生产的有显著的提高。,落入否定域,解:提出假设:,取统计量:,例1:某厂生产的固体燃料推进器的燃烧率服从正态分布:,现在用新方法生产了一批推进器。从中随机取 n=25只,测得燃烧率的样本均值为:,这批推进器的燃烧率是否较以往生产的推进器的燃烧率有显著的提高?取显著性水平=0.05.,设在新方法下总体均方差仍为 2cm/s,问:,提出假设,根据统计调查的目的,提出原假设H0 和备选假设H1,作出决策,抽取样本,检验假设,对差异进行定量的分析，确定其性质(是随机误差还是系统误差.为给出两者界限，找一检验统计量T，在H0成立下其分布已知.),拒绝还是不能拒绝H0,显著性水平,P(TW)=-犯第一类错误 的概率，W-为拒绝域,小结:,
