7.1假设检验思想
假设检验的基本思想总结
假设检验的基本思想总结假设检验是统计推断的一种重要方法，用于判断样本数据与某个假设之间是否存在显著差异。
其基本思想是在给定样本数据的条件下，根据统计学的方法进行推理和决策，以判断假设是否成立。
假设检验的基本思想可以总结为以下几个关键步骤。
首先，确定原假设和备择假设。
原假设通常是关于总体参数或分布形态的一个特定陈述，它是我们想要得到充分证据支持的假设。
备择假设则是对原假设的一个反面陈述，它是我们想要通过实证研究来支持的假设。
其次，选择合适的统计量。
在假设检验中，我们通常会选择一个适当的统计量来衡量样本数据与原假设之间的差异程度。
常用的统计量包括均值差异、比例差异、方差比等。
然后，建立显著性水平。
显著性水平是指在给定样本数据的条件下，原假设被拒绝的最高概率。
通常情况下我们会选择一个较小的显著性水平（例如0.05或0.01），这意味着我们要求在5%或1%的情况下，得到的差异不是由于随机误差所致。
接着，计算推断统计量的观察值。
观察值是指样本数据经过计算得到的统计量的实际值。
根据观察值和原假设，计算用于推断的统计量的分布。
然后，根据观察值和分布来进行假设检验。
根据推断统计量的分布及显著性水平，通过比较观察值和临界值来判断是否拒绝原假设。
当观察值落入临界值的拒绝域时，意味着我们有足够的证据来拒绝原假设；反之，当观察值不在拒绝域时，无法拒绝原假设。
最后，进行统计推断和决策。
在对原假设的判断上，我们可以得到两种结果：一种是拒绝原假设，这意味着我们得到了有力的证据来支持备择假设；另一种是接受原假设，这意味着我们没有足够的证据来支持备择假设，而假设中的参数值仍然可靠。
总体来说，假设检验的基本思想就是在已知样本数据和原假设的条件下，通过计算统计量的观察值和分布，进行假设检验，从而得到结论。
它既可以帮助我们验证一个科学假设的正确性，也可以帮助我们进行决策和判断。
假设检验为科学研究和决策提供了有力的统计工具，使我们能够更加准确和可靠地进行推断和判断。
假设检验的基本思想
(1)假设H0：= 0=4.55，H1：≠4.55；
(2)选择检验用统计量 ；
(3)对于给定小正数，如=0.05，查标准正态分表得到临界值z/2 =z0.025 =1.96；
因为| z|=3.9＞1.96，所以拒绝H0，接受H1，即认为新工艺改变了铁水的平均含碳量。
以上两例都是科技领域中常见的假设检验问题。 我们把问题中涉及到的假设称为原假设或称待检假设，一般用H0表示。而把与原假设对立的断言称为备择假设，记为H1。
如例1，若原假设为H0：= 0=4.55，则备择假设为H1：≠4.55。 若例2的原假设为H0：X服从正态分布，则备择假设为H1：X不服从正态分布。
例如，在100件产品中，有一件次品，随机地从中取出一个产品是次品的事件就是小概率事件。 因为此事件发生的概率=0.01很小，因此，从中任意抽一件产品恰好是次品的事件可认为几乎不可能发生的，如果确实出现了次品，我们就有理由怀疑这“100件产品中只有一件次品”的真实性。 那么取值多少才算是小概率呢？这就要视实际问题的需要而定，一般取0.1，0.05，0.01等。
一、假设检验问题的提出
统计推断的另一个重要问题是假设检验问题。在总体的分布函数未知或只知其形式，但不知其参数的情况下，为了推断总体的某些性质，提出某些关于总体的假设。例如，提出总体服从泊松分布的假设，又如，对于正态总体提出数学期望μ0的假设等。
这里，先结合例子来说明假设检验的基本思
二、假设检验的基本思想
假设检验的一般提法是：在给定备择假设H1下，利用样本对原假设H0作出判断，若拒绝原假设H0，那就意味着接受备择假设H1，否则，就接受原假设H0。 换句话说，假设检验就是要在原假设H0和备择假设H1中作出拒绝哪一个和接受哪一个的判断。究竟如何作出判断呢？对一个统计假设进行检验的依据是所谓小概率原理，即 概率很小的事件在一次试验中是几乎不可能发生
论假设检验方法的基本思想和实际运用
论假设检验方法的基本思想和实际运用一、引言在科学研究领域，假设检验是一种常用的统计推断方法，它被广泛应用于各个领域，如医学、经济学、生物学等。
假设检验方法的基本思想是根据样本数据来对总体参数进行推断，通过对比样本统计量和总体参数的差异来进行判断，进而对研究所要验证的假设进行验证。
本文将介绍假设检验方法的基本思想和实际运用，希望能够让读者对假设检验方法有一个更加深入的了解。
二、假设检验的基本思想1. 假设的提出在假设检验中，我们首先要提出一个关于总体参数的假设，这个假设通常称为原假设（H0）。
原假设可以是研究者所期望的结果，也可以是对研究对象性质的描述。
比如在医学实验中，原假设可以是新药对疾病的疗效没有显著影响，或者在市场调查中，原假设可以是某产品的市场占有率不超过50%。
原假设的提出是假设检验的起点，对于原假设的选择，通常是根据研究的目的和背景来确定的。
3. 统计量的计算和比较在假设检验中，我们首先要计算一个统计量，这个统计量通常是根据样本数据计算得到的。
然后，我们根据原假设和备择假设来确定临界值或者P值，通过对比统计量和临界值或者P值来进行假设的验证。
如果统计量落在临界值之内或者P值小于显著水平，我们就有足够的证据拒绝原假设；如果统计量落在临界值之外或者P值大于显著水平，我们就没有足够的证据拒绝原假设。
4. 结论的做出根据对比的结果，我们可以得出一个结论，如果有足够的证据拒绝原假设，那么我们将接受备择假设；如果没有足够的证据拒绝原假设，那么我们将继续接受原假设。
通过假设检验的基本思想，我们可以对我们所做的研究提出一个科学的结论。
三、假设检验方法的实际运用1. 医学领域在医学领域，假设检验方法被广泛应用于临床试验和流行病学调查中。
临床试验是评价医疗干预措施的有效性和安全性的重要手段，而流行病学调查是研究疾病发生和传播规律的重要途径。
在临床试验中，研究者通常会对照组和干预组进行对比，利用假设检验方法来评价干预措施的疗效；在流行病学调查中，研究者通常会利用假设检验方法来判断某一因素是否与疾病发生有关。
总结假设检验的基本思想
总结假设检验的基本思想假设检验是统计学的重要方法之一，其基本思想是通过对样本数据进行统计分析，从而对总体参数进行推断。
其步骤包括建立原假设和备选假设、选择合适的统计量、确定显著性水平、计算检验统计量的值、进行假设检验并做出推断。
假设检验的基本思想可以总结为以下几点：1. 建立原假设和备选假设：在进行假设检验之前，需要首先建立原假设和备选假设。
原假设（H0）是对总体参数的一个假设，而备选假设（H1）则是对原假设的否定或对立假设。
通常情况下，原假设是关于总体参数等于某个特定值或满足某个特定条件的假设，而备选假设则是关于总体参数不等于特定值或不满足特定条件的假设。
2. 选择合适的统计量：假设检验需要选择一个合适的统计量来对样本数据进行分析。
统计量是从样本数据中计算得到的一个数值，可以用来推断总体参数。
选择合适的统计量需要考虑其与总体参数的关系，以及其满足的分布假设等。
3. 确定显著性水平：显著性水平是进行假设检验时所允许的错误发生的概率。
通常情况下，显著性水平被设定为0.05或0.01，表示允许发生5%或1%的错误。
显著性水平的选择需要根据具体情况进行权衡，过高的显著性水平可能导致过多的错误推断，而过低的显著性水平可能会导致错误推断的概率过大。
4. 计算检验统计量的值：根据样本数据和选择的统计量，可以计算得到检验统计量的值。
检验统计量是对样本数据进行统计分析后得到的一个数值，用于评估原假设的可信程度。
5. 进行假设检验并做出推断：根据计算得到的检验统计量的值和显著性水平，可以进行假设检验并做出推断。
如果检验统计量的值落在拒绝域内（即小于或大于显著性水平对应的临界值），则可以拒绝原假设，接受备选假设；如果检验统计量的值落在接受域内（即大于或小于显著性水平对应的临界值），则不能拒绝原假设。
综上所述，假设检验的基本思想是通过对样本数据进行统计分析，从而对总体参数进行推断。
通过建立原假设和备选假设，选择合适的统计量，确定显著性水平，计算检验统计量的值，并进行假设检验，可以对总体参数进行推断，并做出相应的结论。
概率论与数理统计课件：ch7-1 假设检验的概念和步骤
应用中， 一般原则是：控制犯第一类错误的概率,
即给定 , 然后通过增大样本容量 n来减小 .
关于 显著性水平 的选取： 若注重经济效益， 可小些，如 0.01; 若注重社 会效益， 可大些，如 0.1;若要兼顾经济效益和
则没有理由怀疑假设 H0 的正确性. 而取出的是红球，
小概率事件竟然在一次试验中发生了，故有理由拒绝
假设 H0 , 即认为甲的说法不正确.
Probability and Statistics– Chapter 7 Hypothesis Testing
5
二 假设检验的基本思想
假设检验的基本思想 实质上是带有某种概率性质
的反证法. 为了检验一个假设 H0是否正确，首先假 定该 H0 正确，然后根据抽取到的样本对假设 H0
作出接受或拒绝的决策. 如果样本观察值导致了不
合理的现象的发生，就应拒绝假设 H0 , 否则应接受 假设 H0 .
假设检验中所谓“不合理”并，非逻辑中的绝对矛盾,
而是基于人们在实践中广泛采用的原则, 即小概率 事件在一次试验中是几乎不发生的。
社会效益，一般可取 0.05.
Probability and Statistics– Chapter 7 Hypothesis Testing
10
理论上，自然希望犯这两类错误的概率都很小，但
当样本容量 n 固定时， , 不能同时都小，即 变
小时， 就变大；而 变小时， 就变大. 在实际
应用中， 一般原则是：控制犯第一类错误的概率,
14
353 345 357 339 355 360
试问生产线工作是否正常？
假设检验的基本思想是什么原理(简述假设检验的思想原理)
假设检验的基本思想是什么原理（简述假设检验的思想原理）
假设检验的基本思想是“小概率事件”原理，其统计推断方法是带有某种概率性质的反证法。
小概率思想是指小概率事件在一次试验中基本上不会发生。
反证法思想是先提出检验假设，再用适当的统计方法，利用小概率原理，确定假设是否成立。
即为了检验一个假设H0是否正确，首先假定该假设H0正确，然后根据样本对假设H0做出接受或拒绝的决策。
如果样本观察值导致了“小概率事件”发生，就应拒绝假设H0，否则应接受假设H0。
假设检验中所谓“小概率事件”，并非逻辑中的绝对矛盾，而是基于人们在实践中广泛采用的原则，即小概率事件在一次试验中是几乎不发生的，但概率小到什么程度才能算作“小概率事件”，显然，“小概率事件”的概率越小，否定原假设H0就越有说服力，常记这个概率值为α(0<α<1)，称为检验的显著性水平。
对于不同的问题，检验的显著性水平α不一定相同，一般认为，事件发生的概率小于0.1、0.05或0.01等，即“小概率事件”
基本步骤：
1、提出检验假设又称无效假设，符号是H0；备择假设的符号是H1。
H0：样本与总体或样本与样本间的差异是由抽样误差引起的；H1：样本与总体或样本与样本间存在本质差异；
预设的检验水平一般为0.05。
07 假设检验
2=02
202
2
2=()02 2>02 2=()02 2<02
2 n 1 S
2 0
单个正态总体均值已知的方差检验——2检验
问题：总体 X~N（，2），已知 假设
H0 : ; H1 : ;
2 2 0 2
构造2统计量 2
概率论与数理统计
第七章 假设检验
主要内容
假设检验的基本概念 正态总体参数的假设检验 *多个正态总体均值的比较——单因素方差 分析 *2拟合优度检验
§7.1 假设检验的基本概念
一、统计假设与统计假设检验 统计假设：通过实际观察或理论分析对总体分布形式 或对总体分布形式中的某些参数作出某种假设。 同一问题中的统计假设有两个：原假设和备择假设
基本原则——小概率事件在一次试验中是不可能发生的。 思想：如果原假设成立，那么某个分布已知的统计 量在某个区域内取值的概率应该较小，如果样本的观 测数值落在这个小概率区域内，则原假设不正确，所以， 拒绝原假设；否则，接受原假设。
• 假设检验的推理用到概率性质的反证法：先假设
H0正确，看由此可以推出什么结果。如果样本观 测值导致了一个不合理现象的出现，则有理由否 定原假设H0，而接受备择假设H1；否则，只能将 原假设H0当做真的保留下来。
故T统计量的观测值为
x 99.978 100 T 0.0545 S n 1.212 9
因为0.0545<1.86 ，即观测值落在接受域内 所以接受原假设，即可认为这天的包装机工作正常。
单边检验
H0：=0；H1：0
拒绝域为
X 0 P t (n 1) S n
X
第七章 假设检验
第七章假设检验【教学要求】要求掌握假设检验的的基本思想和基本步骤；能够理解假设检验的两类错误及其关系；熟练掌握总体平均数、总体成数和总体方差的各种假设检验方法；利用P-值进行假设检验【知识点】假设检验、两类错误、总体平均数、总体成数、总体方差【本章重点】理解假设检验的基本思想和基本步骤；能够理解假设检验的两类错误及其关系；熟练掌握总体平均数、总体成数和总体方差的各种假设检验方法。
【本章难点】总体平均数、总体成数和总体方差的各种假设检验方法。
【教学内容】7.1 假设检验的基本思想（小概率事件在一次实验中不会发生）前一章中我们讨论了如何根据样本去得到总体的分布所含参数的优良估计.以这样得到的估计值作为参数的已知值得到的一个总体必须跟真实的总体作比较,考察它们之间是否在统计的意义上相合。
显然,这种比较只能在样本的基础上进行。
怎么比较才能得到一个有较大把握的结论呢?这就是我们这章所要讲的统计假设检验问题。
一、假设检验的一个实际问题问题7.1.1 一种零件采用自动生产线生产，零件的寿命（单位：小时）服从正态分布(2000,4000)N。
现在工厂改良了生产技术，假设零件的寿命仍服从正态分布且方差不变。
为检验零件的寿命是否有提高，质检人员在某天生产的零件中随机抽取40个进行检验，测得平均寿命为2020小时。
试问在新技术下生产的零件寿命是否得到了提高?现在的问题就是要判断新技术下零件的平均寿命2000μ>?还是与以前一样依然是2000小时?如果是前者，我们说新产品寿命有显著提高；若是后者，就是说没有。
我们把任意一个有关未知分布的假设称为统计假设或简称假设。
上面的问题中我们把两种情况用假设来表示。
假设2000μ=表示新技术下零件寿命没有显著增加；假设2000μ>表示新技术下零件寿命有显著提高。
我们把第一个假设作为原假设，用符号0:2000H μ=表示；第二个假设作为备择假设，用符号1:2000H μ>表示。
杭电统计学第5章-假设检验---zhouhui
H0 : = 0 H0 : 0 H0 : 0
备择假设 H1 : ≠0 H1 : < 0 H1 : > 0
5 - 19
统计学
STATISTICS
两类错误与明显性水平
统计学
STATISTICS
假设检验中旳两类错误
1. 第Ⅰ类错误(弃真错误)
▪ 原假设为真时拒绝原假设
▪ 第Ⅰ类错误旳概率记为
2. 先拟定备择假设，再拟定原假设
3. 等号“=”总是放在原假设上
4. 因研究目旳不同，对同一问题可能提出不同 旳假设(也可能得出不同旳结论)
5 - 16
统计学
STATISTICS
双侧检验与单侧检验
统计学
STATISTICS
双侧检验与单侧检验
1. 备择假设没有特定旳方向性，并具有符号 “”旳假设检验，称为双侧检验或双尾 检验(two-tailed test)
5 -2
统计学
STATISTICS
某市1994年全市新生儿平均体重是4.5kg， 2023年随机抽取了60名新生儿，测得平均 体重是3.5kg，我们是否能够以为该市2023 年新生儿体重较1994年旳有所下降呢？
5 -3
统计学
STATISTICS
7.1 假设检验旳基本问题
一、假设旳陈说 二、两类错误与明显性水平 三、统计量与拒绝域 四、进行决策
5 - 12
统计学
STATISTICS
提出假设
(例题分析)
【例】一种零件旳生产原则是直径应为10cm，为对生 产过程进行控制，质量监测人员定时对一台加工机 床检验，拟定这台机床生产旳零件是否符合原则要 求。假如零件旳平均直径不小于或不不小于10cm， 则表白生产过程不正常，必须进行调整。试陈说用 来检验生产过程是否正常旳原假设和被择假设
论假设检验方法的基本思想和实际运用
论假设检验方法的基本思想和实际运用在科学研究和统计学中，假设检验是一种常用的方法，用于根据样本数据对总体特征进行推断。
其基本思想是根据样本数据的观察结果，对总体的某种假设进行检验，以此来判断假设是否成立。
假设检验方法在统计学中被广泛应用，包括医学研究、社会科学、工程技术等领域，在实际应用中具有重要的意义。
假设检验的基本思想是以总体参数为目标，通过对样本数据的分析得出对总体参数的推断。
在假设检验中，首先需要提出一个关于总体参数的假设，分为零假设和备择假设。
零假设通常代表无效的假设，备择假设则代表我们要证明或者相信的假设。
然后，根据样本数据计算一个检验统计量，将其与理论分布进行比较，得到一个统计显著性水平，从而得出对零假设的接受或者拒绝的结论。
在实际运用中，假设检验方法被广泛应用于各个领域。
以下将介绍假设检验的一些具体实际运用。
一、医学研究在医学研究中，假设检验方法被用于评估某种治疗方法的有效性。
一个新药的疗效评价，可以采用假设检验方法，根据临床试验的数据来判断新药是否比对照组有显著的疗效。
又如，疾病流行病学调查中，可以利用假设检验方法来比较不同年龄段、性别、地区等因素对疾病发生率的影响。
二、市场调查在市场调查中，假设检验方法可以用于判断广告宣传效果、产品品质、消费者偏好等方面。
通过假设检验方法，可以得出一项广告宣传活动是否对产品销量有显著的提升；还可以利用假设检验方法来检验产品的质量是否符合标准，或者不同市场对产品的偏好程度是否有显著差异。
三、社会科学在社会科学研究中，假设检验方法可以用于判断某种政策、社会行为、社会现象的影响。
可以利用假设检验方法来评估某项政策改革对社会经济指标的影响；还可以通过假设检验方法来判断不同教育水平、收入水平对人们的生活满意度是否有显著影响。
四、质量控制在工程技术领域，假设检验方法被广泛用于产品质量控制。
通过假设检验方法可以判断某种生产工艺是否能够使产品的质量满足标准要求；还可以利用假设检验方法来判断不同批次产品的平均质量是否有显著差异，为工厂的生产管理提供科学依据。
概率论与数理统计(理工类第四版)吴赣昌主编课后习题答案第七章
写在前面：由于答案是一个个复制到word中，比较耗时耗力，故下载收取5分，希望需要的朋友给予理解和支持！PS：网上有一些没经我同意就将我的答案整合、转换成pdf，放在文库里的，虽然是免费的，但是窃取了我的劳动成果，希望有心的朋友支持我一下，下载我的原版答案。
第七章假设检验7.1 假设检验的基本概念习题1样本容量n确定后，在一个假设检验中，给定显著水平为α，设此第二类错误的概率为β，则必有(). (A)α+β=1;(B)α+β>1;(C)α+β<1;(D)α+β<2.解答：应选(D).当样本容量n确定后，α,β不能同时都很小，即α变小时，β变大；而β变小时，α变大.理论上，自然希望犯这两类错误的概率都很小，但α,β的大小关系不能确定，并且这两类错误不能同时发生，即α=1且β=1不会发生，故选(D).习题2设总体X∼N(μ,σ2),其中σ2已知，若要检验μ,需用统计量U=X¯-μ0σ/n.(1)若对单边检验，统计假设为H0:μ=μ0(μ0已知),H1:μ>μ0,则拒绝区间为；(2)若单边假设为H0:μ=μ0,H1:μ<μ0,则拒绝区间为(给定显著性水平为α,样本均值为X¯,样本容量为n,且可记u1-α为标准正态分布的(1-α)分位数).解答：应填(1)U>u1-α;(2)U<uα.由单侧检验及拒绝的概念即可得到.习题3如何理解假设检验所作出的“拒绝原假设H0”和“接受原假设H0”的判断？解答：拒绝H0是有说服力的，接受H0是没有充分说服力的. 因为假设检验的方法是概率性质的反证法，作为反证法就是必然要“推出矛盾”，才能得出“拒绝H0”的结论，这是有说服力的，如果“推不出矛盾”，这时只能说“目前还找不到拒绝H0的充分理由”，因此“不拒绝H0”或“接受H0”，这并没有肯定H0一定成立. 由于样本观察值是随机的，因此拒绝H0，不意味着H0是假的，接受H0也不意味着H0是真的，都存在着错误决策的可能.当原假设H0为真，而作出了拒绝H0的判断，这类决策错误称为第一类错误，又叫弃真错误，显然犯这类错误的概率为前述的小概率α:α=P(拒绝H0|H0为真);而原假设H0不真，却作出接受H0的判断，称这类错误为第二类错误，又称取伪错误，它发生的概率β为β=P(接受H0|H0不真).习题4犯第一类错误的概率α与犯第二类错误的概率β之间有何关系？解答：一般来说，当样本容量固定时，若减少犯一类错误的概率，则犯另一类错误的概率往往会增大.要它们同时减少,只有增加样本容量n.在实际问题中,总是控制犯第一类错误的概率α而使犯第二类错误的概率尽可能小.α的大小视具体实际问题而定，通常取α=0.05,0.005等值.习题5在假设检验中，如何理解指定的显著水平α?解答：我们希望所作的检验犯两类错误的概率尽可能都小，但实际上这是不可能的. 当样本容量n固定时，一般地，减少犯其中一个错误的概率就会增加犯另一个错误的概率. 因此，通常的作法是只要求犯第一类错误的概率不大于指定的显著水平α,因而根据小概率原理，最终结论为拒绝H0较为可靠，而最终判断力接受H0则不大可靠，其原因是不知道犯第二类错误的概率β究竟有多少，且α小，β就大，所以通常用“H0相容”，“不拒绝H0”等词语来代替“接受H0”，而“不拒绝H0”还包含有再进一步作抽样检验的意思.习题6在假设检验中，如何确定原假设H0和备择假设H1?解答：在实际中，通常把那些需要着重考虑的假设视为原假设H0，而与之对应的假设视为备择假设H1.(1)如果问题是要决定新方案是否比原方案好，往往将原方案取假设，而将新方案取为备择假设；(2)若提出一个假设，检验的目的仅仅是为了判断这个假设是否成立，这时直接取此假设为原假设H0即可.习题7假设检验的基本步骤有哪些?解答：根据反证法的思想和小概率原理，可将假设检验的步骤归纳如下:(1)根据问题的要求，提出原理假设H0和备择假设H1.(2)根据检验对象，构造检验统计量T(X1,X2,⋯,Xn),使当H0为真时,T有确定的分布.(3)由给定的显著水平α,查统计量T所服从的分布表，定出临界值λ,使P(∣T∣>λ)=α,或P(T>λ1)=P(T<λ2)=α/2,从而求出H0的拒绝域:∣T∣>λ或T>λ1,T<λ2.(4)由样本观察值计算统计量T的观察值t.(5)作出判断，将t的值与临界值比较大小作出结论:当t∈拒绝域量时，则拒绝H0，否则，不拒绝H0，即认为在显著水平α下，H0与实际情况差异不显著.习题8假设检验与区间估计有何异同?解答：假设检验与区间估计的提法虽不同，但解决问题的途径是相通的. 参数θ的置信水平为1-α的置信区间对应于双边假设检验在显著性水平α下的接受域；参数θ的置信水平为1-α的单侧置信区对应于单边假设检验在显著性水平α下的接受域.在总体的分布已知的条件下，假设检验与区间估计是从不同的角度回答同一个问题. 假设检验是判别原假设H0是否成立，而区间估计解决的是“多少”(或范围),前者是定性的，后者是定量的.习题9某天开工时，需检验自动包装工作是否正常. 根据以往的经验，其装包的质量在正常情况下服从正态分布N(100,1.52)(单位:kg).现抽测了9包，其质量为:99.3，98.7，100.5，101.2，98.3，99.7，99.5，102.0，100.5.问这天包装机工作是否正常？将这一问题化为假设检验问题. 写出假设检验的步骤(α=0.05).解答：(1)提出假设检验问题H0:μ=100,H1:μ≠100;(2)选取检验统计量U:U=X¯-1001.59,H0成立时, U∼N(0,1);(3)α=0.05,uα/2=1.96,拒绝域W={∣u∣>1.96};(4)x¯≈99.97,∣u∣=0.06.因∣u∣<uα/2=1.96,故接受H0，认为包装机工作正常.习题10设总体X∼N(μ,1),X1,X2,⋯,Xn是取自X的样本. 对于假设检验H0:μ=0,H1:μ≠0,取显著水平α,拒绝域为W={∣u∣>uα/2},其中u=nX¯,求:(1)当H0成立时, 犯第一类错误的概率α0;(2)当H0不成立时(若μ≠0),犯第二类错误的概率β.解答：(1)X∼N(μ,1),X¯∼N(μ,1/n),故nX¯=u∼N(0,1).α0=P{∣u∣>uα/2∣μ=0}=1-P{-uα/2≤u≤uα/2}=1-[Φ(uα/2)-Φ(-uα/2)]=1-[(1-α2)-α2]=α,即犯第一类错误的概率是显著水平α.(2)当H0不成立，即μ≠0时，犯第二类错误的概率为β=P{∣u∣≤uα/2∣E(X)=μ}=P{-uα/2≤u≤uα/2∣E(X)=μ}=P{-uα/2≤nX¯≤uα/2∣E(X)=μ}=P{-uα/2-nμ≤n(X¯-μ)≤uα/2-nμ∣E(X)=μ}=Φ(uα/2-nμ)-Φ(-uα/2-nμ).注1当μ→+∞或μ→-∞时，β→0.由此可见，当实际均值μ偏离原假设较大时，犯第二类错误的概率很小，检验效果较好.注2当μ≠0但接近于0时，β≈1-α.因α很小，故犯第二类错误的概率很大，检验效果较差.7.2 单正态总体的假设检验习题1已知某炼铁厂铁水含碳量服从正态分布N(4.55,0.1082).现在测定了9炉铁水，其平均含碳量为4.484.如果估计方差没有变化，可否认为现在生产的铁水平均含碳量仍为4.55(α=0.05)?解答：本问题是在α=0.05下检验假设H0:μ=4.55,H1:μ≠4.55.由于σ2=0.1082已知，所以可选取统计量U=X¯-4.550.108/9,在H0成立的条件下，U∼N(0,1),且此检验问题的拒绝域为∣U∣=∣X¯-4.550.108/9∣>uα/2,这里u=4.484-4.550.108/9≈-1.833,uα/2=1.96.显然∣u∣=1.833<1.96=uα/2.说明U没有落在拒绝域中，从而接受H0,即认为现在生产之铁水平均含碳量仍为4.55.习题2要求一种元件平均使用寿命不得低于1000小时，生产者从一批这种元件中随机抽取25件，测得其寿命的平均值为950小时. 已知该种元件寿命服从标准差为σ=100小时的正态分布，试在显著性水平α=0.05下确定这批元件是否合格？设总体均值为μ,μ未知，即需检验假设H0:μ≥1000,H1:μ<1000.解答：检验假设H0:μ≥1000,H1:μ<1000.这是单边假设检验问题. 由于方差σ2=0.05,故用u检验法. 对于显著性水平α=0.05,拒绝域为W={X¯-1000σ/n<-uα.查标准正态分布表，得u0.05=1.645.又知n=25,x¯=950,故可计算出x¯-1000σ/n=950-1000100/25=-2.5.因为-2.5<-1.645,故在α=0.05下拒绝H0,认为这批元件不合格.习题3打包机装糖入包，每包标准重为100kg.每天开工后，要检验所装糖包的总体期望值是否合乎标准(100kg).某日开工后，测得9包糖重如下(单位：kg):99.398.7100.5101.298.399.799.5102.1100.5打包机装糖的包得服从正态分布，问该天打包机工作是否正常(α=0.05)?解答：本问题是在α=0.05下检验假设H0:μ=100,H1:μ≠100.由于σ2未知，所以可选取统计量T=X¯-100S/n,在H0成立的条件下，T∼t(n-1),且此检验问题的拒绝域为∣T∣=∣X¯-100S/n∣>tα/2(n-1),这里t=x¯-100s/n≈99.978-1001.2122/9≈-0.0544,t0.025(8)=2.306.显然∣t∣=0.0544<2.306=t0.025(8),即t未落在拒绝域中，从而接受H0,即可以认为该天打包工作正常.习题4机器包装食盐，假设每袋盐的净重服从正态分布，规定每袋标准含量为500g,标准差不得超过10g.某天开工后，随机抽取9袋，测得净重如下(单位：g):497,507,510,475,515,484,488,524,491,试在显著性水平α=0.05下检验假设：H0:μ=500,H1:μ≠500.解答：x¯=499,s≈16.031,n=9,t=(x¯-μ0)sn=499-50016.0319=-0.1871,α=0.05,t0.025(8)=2.306.因∣t∣<t0.025(8),故接受H0,认为该天每袋平均质量可视为500g.习题5从清凉饮料自动售货机，随机抽样36杯，其平均含量为219(mL),标准差为14.2mL,在α=0.05的显著性水平下，试检验假设：H0:μ=μ0=222,H1:μ<μ0=222.解答：设总体X∼N(μ,σ2),X代表自动售货机售出的清凉饮料含量，检验假设H0:μ=μ0=222(mL),H1:μ<222(mL).由α=0.05,n=36,查表得t0.05(36-1)=1.6896,拒绝域为W={t=x¯-μ0s/n<-tα(n-1).计算t值并判断：t=219-22214.2/36≈-1.27>-1.6896,习题6某种导线的电阻服从正态分布N(μ,0.0052).今从新生产的一批导线中抽取9根，测其电阻，得s=0.008Ω,对于α=0.05,能否认为这批导线电阻的标准差仍为0.005?解答：本问题是在α=0.05下检验假设H0:σ2=0.0052,H1:σ2≠0.0052.选取统计量χ2=n-1σ2S2,在H0成立的条件下，χ2∼χ2(n-1),且此检验问题的拒绝域为χ2>χα/22(n-1)或χ2<χ1-α/22(n-1).这里χ2=9-10.0052s2=80.0052×0.0082=20.48,χ0.9752(8)=2.18,χ0.0252(8)=17.5.显然χ2落在拒绝域中，从而拒绝H0,即不能认为这批导线电阻的标准差仍为0.005.习题7某厂生产的铜丝，要求其折断力的方差不超过16N2.今从某日生产的铜丝中随机抽取容量为9的样本，测得其折断力如下(单位：N):289,286,285,286,285,284,285,286,298,292设总体服从正态分布，问该日生产的铜线的折断力的方差是否符合标准(α=0.05)?解答：检验问题为H0:σ2≤16,H1:σ2>16,n=9,s2≈20.3611,χ2=8×s216≈10.181,α=0.05,χ0.052(8)=15.507.因χ2<χ0.052(8)=15.507,故接受H0,可认为铜丝的折断力的方差不超过16N2.习题8过去经验显示，高三学生完成标准考试的时间为一正态变量，其标准差为6min.若随机样本为20位学生，其标准差为s=4.51,试在显著性水平α=0.05下，检验假设：H0:σ≥6,H1:σ<6.解答：H0:σ≥6,H1:σ<6.α=0.05,n-1=19,s=4.51,χ0.952(19)=10.117.拒绝域为W={χ2<10.117}.计算χ2值χ2=(20-1)×4.51262≈10.74.因为10.74>10.117,故接受H0,认为σ≥6.习题9测定某种溶液中的水分，它的10个测定值给出s=0.037%,设测定值总体服从正态分布，σ2为总体方差，σ2未知，试在α=0.05水平下检验假设：H0:σ≥0.04%,H1:σ<0.04%.解答：在α=0.05下，拒绝域为W={(n-1)S2σ02<χ1-α2(9).查χ2分布表得χ0.952(9)=3.325.计算得(n-1)s2σ02=(10-1)×(0.037\per)2(0.04\per)2≈7.7006>3.325,未落入拒绝域，故接受H0.sw=(5-1)×(1.971)2+(4-1)×(1.167)25+4-2≈1.674.查表得t0.005(7)=1.895.算得t=2.86-2.075-01.67415+14≈0.699<1.895.因为0.699<1.895,故不拒绝H0,认为此药无效.习题3据现在的推测，矮个子的人比高个子的人寿命要长一些.下面给出美国31个自然死亡的总统的寿命，将他们分为矮个子与高个子2类，列表如下：矮个子总统8579679080高个子总统6853637088746466606078716790737177725778675663648365假设2个寿命总体均服从正态分布且方差相等，试问这些数据是否符合上述推陈出推测(α=0.05)?解答：设μ1，μ2分别为矮个子与高个子总统的平均寿命，则检验问题为H0:μ1≤μ2,H1:μ1>μ2,n1=5,x¯=80.2,s1≈8.585,n2=26,y¯≈69.15,s2≈9.315,sw=4×8.5852+9.315229≈9.218,n1n2n1+n2≈2.048,t=(80.2-69.15)9.218×2.048≈2.455,α=0.05,t0.05(29)=1.6991,因t>t0.05(29)=1.6991,故拒绝H0,认为矮个子总统的寿命比高个子总统寿命长.习题4在20世纪70年代后期人们发现，酿造啤酒时，在麦芽干燥过程中形成致癌物质亚硝基二甲胺(NDMA).到了20世纪80年代初期，人们开发了一种新的麦芽干燥过程，下面给出了分别在新、老两种过程中形成的NDMA含量(以10亿份中的份数计):故拒绝H0,认为新、老过程中形成的NDMA平均含量差大于2.习题5有两台车床生产同一种型号的滚珠. 根据过去的经验，可以认为这两台车床生产的滚珠的直径都服从正态分布. 现要比较两台车床所生产滚珠的直径的方差，分别抽出8个和9个样品，测得滚珠的直径如下(单位:mm).甲车床xi:15.014.515.215.514.815.115.214.8乙车床yi:15.215.014.815.215.015.014.815.114.8问乙车床产品的方差是否比甲车床的小(α=0.05)?解答：以X,Y分别表示甲，乙二车床产品直径.X∼N(μ1,σ12),Y∼N(μ2,σ22),X,Y独立. 检验假设H0:σ12=σ22,H1:σ22<σ22.用F检验法, 在H0成立时F=S12S22∼F(n1-1,n2-1).由已知数据算得x¯≈15.01,y¯≈14.99,s12≈0.0955,s22≈0.0261,n1=8,n2=9,α=0.05.拒绝域为Rα={F>Fα(n1-1,n2-1)}.查F分布表得F0.05(8-1,9-1)=3.50.计算F值F=s12/s22=0.0955/0.0261≈3.66.因为3.66>3.50,故应否定H0,即认为乙车床产品的直径的方差比甲车床的小.习题6某灯泡厂采用一项新工艺的前后，分别抽取10个灯泡进行寿命试验. 计算得到:采用新工艺前灯泡寿命的样本均值为2460小时. 样本标准差为56小时；采用新工艺后灯泡寿命的样本均值为2550小时，样本标准差为48小时. 设灯泡的寿命服从正态分布，是否可以认为采用新工艺后灯泡的平均寿命有显著提高(α=0.01)?解答：(1)检验假设H0:σ12=σ22,H1:σ12≠σ22.应选取检验统计量F=S12/S22,若H0真, 则F∼F(m-1,n-1);对于给定的检验水平α=0.01,查自由度为(9,9)的F分布表得F0.005(9,9)=6.54;已知m=n=10,s1=56,s2=48,由此得统计量F的观察值为F=562/482≈1.36;因为F<F0.005(9,9),所以接受原假设H0,即可认为这两个总体的方差无显著差异.(2)检验假设H0′:μ1=μ2,H1′:μ1<μ2.按上述关于双总体方差的假设检验的结论知这两个总体的方差未知但相等,σ12=σ22,所以应选取检验统计量:T=X¯-Y¯(m-1)S12+(n-1)S22m+n-2(1m+1n),若H0′真，则T∼t(m+n-2);对给定的检验水平α=0.01,查自由度为m+n-2=18的t分布表得临界值计算t值t=z¯-0sz/n=-0.1-00.141/5≈-1.59>-2.776,故接受H0:μz=0,即在α=0.05下，认为两种分析方法所得的均值结果相同.7.4 关于一般总体数学期望的假设检验习题1设两总体X,Y分别服从泊松分布P(λ1),P(λ2),给定显著性水平α,试设计一个检验统计量，使之能确定检验H0:λ1=λ2,H1:λ1≠λ2的拒绝域，并说明设计的理论依据.解答：因非正态总体，故宜用大样统计，设X¯=1n1∑i=1n1Xi,S12=1n1-1∑i=1n1(Xi-X¯)2;Y¯=1n2∑i=1n2Yi,S22=1n2-1∑i=1n2(Yi-Y¯)2.\because(X¯-Y¯)-(λ1-λ2)S12n1+S22n2→N(0,1)∴可选用样本函数u=(X¯-Y¯)-(λ1-λ2)S12n1+S22n2作为拒绝域的检验统计量.习题2设某段高速公路上汽车限制速度为104.6km/h,现检验n=85辆汽车的样本，测出平均车速为x¯=106.7km/h,已知总体标准差为σ=13.4km/h,但不知总体是否服从正态分布. 在显著性水平α=0.05下，试检验高速公路上的汽车是否比限制速度104.6km/h显著地快？解答：设高速公路上的车速为随机变量X,近似有X∼N(μ,σ2),σ=13.4km/h,要检验假设H0:μ=μ0=104.6,H1:μ>104.6.α=0.05,n=85,uα=u0.05=1.645.拒绝域W={u=x¯-μ0σ/n>uα.由x¯=106.7,σ=13.4,μ0=104.6,n=85得u=106.7-104.613.4/85≈1.44<1.645.因为1.44<1.645,所以接受H0,即要α=0.05显著性水平下，没有明显的证据说明汽车行驶快于限制速度.习题3某药品广告上声称该药品对某种疾病和治愈率为90%,一家医院对该种药品临床使用120例，治愈85人，问该药品广告是否真实(α=0.02)?解答：设该药品对某种疾病的治愈率为p,随机变量X为X={1,临床者使用该药品治愈0,反之则X∼b(1,p),问题该归结为检验假设：H0:p=0.9,H1:p≠0.9.由于n=120足够大，可以用u检验法，所给样值(x1,x2,⋯,x120)中有85个1，35个0，所以x¯=1120∑i=1120xi=1120∑i=1851=85120≈0.71,又p0=0.9,以之代入统计量U得U的观察值为∣u∣=∣0.71-0.9∣0.9×0.1120=6.94>u0.01=2.33,故拒绝H0,即认为该药品不真实.习题4一位中学校长在报纸上看到这样的报道：“这一城市的初中学生平均每周看8小时电视.”她认为她所领导的学校，学生看电视时间明显小于该数字. 为此，她向她的学校的100名初中学生作了调查，得知平均每周看电视的时间x¯=6.5小时，样本标准差为s=2小时，问是否可以认为这位校长的看法是对的(α=0.05)?解答：检验假设H0:μ=8,H1:μ<8.由于n=100,所以T=X¯-μS/n近似服从N(0,1)分布，α=0.05,u0.05=1.645.又知x¯=6.5,s=2,故计算得t=6.5-82/100=-7.5,否定域W={X¯-8S/n<-u0.05.因为-7.5<-1.645,故否定H0,认为这位校长的看法是对的.习题5已知某种电子元件的使用寿命X(h)服从指数分布e(λ),抽查100个元件，得样本均值x¯=950(h),能否认为参数λ=0.001(α=0.05)?解答：由题意知X∼e(λ),E(X)=1/λ,D(X)=1/λ2,故当n充分大时u=x¯-1/λ1nλ=(x¯-1λ)λn=(λx¯-1)n(0,1).现在检验问题为H0:λ=0.001,H1:λ≠0.001,样本值u=(0.001×950-1)×100=0.5,α=0.05,u0.025=1.96.因∣u∣<u0.025=1.96,故接受H0,即可认为参数λ=0.001(即元件平均合适用寿命为1000h).习题6某产品的次品率为0.17,现对此产品进行新工艺试验，从中抽取400检查，发现次品56件，能否认为这项新工艺显著地影响产品质量(α=0.05)?解答：检验问题为H0:p=0.17,H1:p≠0.17,由题意知⌢p=mn=56400=0.14,u=(⌢p-p0)p0q0n=0.14-0.170.17×0.83×400≈-1.597,α=0.05,u0.025=1.96.因∣u∣<u0.025=1.96,故接受H0,即认为新工艺没有显著地影响产品质量.习题7某厂生产了一大批产品，按规定次品率p≤0.05才能出厂，否则不能出厂，现从产品中随机抽查50件，发现有4件次品，问该批产品能否出厂(α=0.05)?解答：问题归结为在α=0.05下，检验假设H0:p≤0.05,H1:p>0.05.这是一个单侧检验问题，用u检验法，H0的拒绝域为U=X¯-p0p0(1-p0)n>uα.已知n=50,p0=0.05,x¯=450=0.08,代入U的表达式得u=0.08-0.050.05×0.9550≈0.97<uα=u0.05=1.645,故接受H0,即认为这批产品可以出厂.习题8从选区A中抽取300名选民的选票，从选区B中抽取200名选民的选票，在这两组选票中，分别有168票和96票支持所提候选人，试在显著水平α=0.05下，检验两个选区之间对候选人的支持是否存在差异. 解答：这是两个比率的比较问题，待检假设为H0:p1=p2,H1:p1≠p2.由题设知n=300,μn=168,m=200,μm=96,p1 =168320=0.56,p2 =96200=0.48,p=μn+μmm+n=264500=0.528.U0∼=p1 -p2 p(1-p)(1n+1m)=0.56-0.480.528×0.472×1120≈1.755,由P{∣U∼∣>1.96}=α=0.05,得拒绝域∣U∼∣>1.96,因为U0∼=1.755<1.96,故接受H0,即两个选区之间无显著差异.7.5 分布拟合检验Ai k概率pi npi频数fi(fi-npi)2(fi-npi)2npiA001/108085250.3125A111/108093169 2.1125A221/108084160.2A331/10807910.0125A441/10807840.05A551/108069121 1.5125A661/108074360.45A771/10807181 1.0125A881/108091121 1.5125A991/108076160.2∑18007.375由于当H0为真时，χ2=∑i=0k(fi-npi)2npi∼χ2(k-1-r),且此检验问题的拒绝域为χ2≥χα2(k-1-r).这里χ2=7.375,查表知χ0.052(10-1-0)=χ0.052(9)=16.9,显然χ2=7.375<16.9=χ0.052(9),即χ2未落在拒绝域中，所以接受H0,即认为这个正20面体是由均匀材料制面的.习题2根据观察到的数据疵点数0 1 2 3 4 5 6频数fi 14 27 26 20 7 3 3检验整批零件上的疵点数是否服从泊松分布(α=0.05).解答：设X表示整批零件上的疵点数，则本问题是在α=0.05下检验假设H0:P{X=i}=λie-λi!,i=0,1,2,⋯.由于在H0中参数λ未具体给出，所以先估计λ的值. 由极大似然估计法得λ =x¯=1100(0×14+1×27+2×26+3×20+4×7+5×3+6×3)=2.将试验的所有可能结果分为7个互不相容的事件A0,A1,⋯,A7, 当H0成立时，P{X=i}有估计值p0=P{X=0}=e-2≈0.135335,p1=P{X=1}=2e-2≈0.27067,p2=P{X=2}=2e2≈0.270671,p3=P{X=3}≈0.180447,p4=P{X=4}=2/3e-2≈0.090224,p5=P{X=5}=4/15e-2≈0.036089, p6=P{X=6}=4/45e-2≈0.0120298. 列表如下：Ai k 概率pi npi 频数fi (fi-npi)2 (fi-npi)2npiA0 A1 A2 A3 A4 A5 A6 0 1 2 3 4 5 6 0.1353350.270671 0.270671 0.180447 0.090224 0.036089 0.0120298 13.5335 27.0671 27.0672 18.0447 9.02243.60891.2029813.83428 14 27 26 2073313 0.2176 0.0045 1.1387 3.8232 0.6960 0.01608 0.000166 0.04207 0.2118740.050310∑1000.3205当H0为真时，χ2=∑i=0k(fi-npi)2npi ∼χ2(k-1-r),且此检验问题的拒绝域为χ2≥χα2(k-1-r), 这里χ2=0.3205, 查表知χ0.052(5-1-1)=χ0.052(3)=7.815. 显然 χ2=0.3205<7.815=χ0.052(3).即χ2未落在拒绝域中，接受H0, 故可认为整批零件上的疵点数服从泊松分布.习题3检查了一本书的100页，记录各页中印刷错误的个数，其结果为错误个数fi123456 ≥7含fi 个错误的页数 36 4019221问能否认为一页的印刷错误个数服从泊松分布(取α=0.05)? 解答：检验假设H0: 一页的印刷错误个数X 服从泊松分布， P{X=i}=λie -λi!,i=0,1,2,⋯.H0 不成立. 先估计未知参数λλ =x¯=1/100(0×36+1×40+2×19+3×2+4×0+5×2+6×1)=1. 在H0成立下p =P{X=i}=(λ )ie -λ i !=e-1i!,i=0,1,2,⋯. 用χ2检验法χ2=∑i=1k(fi -np )2np ∼χ2(k -r-1). 本题中r=1, 其中fi 为频数. H0的拒绝域为 Rα={χ2>χα2(k -r-1)}. 列表计算如下：n=100, 对每个{X=i}计算 p ,np ,fi -np ,(fi -np )2/(np )(i=1,2,⋯,7). 要求每一个np ≥5.计算χ2值χ2=0.0170+0.2801+0.0202+1.1423=1.4596.习题6下表记录了2880个婴儿的出生时刻：试问婴儿的出生时刻是否服从均匀分布U[0,24](显著性水平α=0.05)?解答：原假设H0:F0(x), 由F0(x)算得pi=F0(i)-F0(i-1)=124,npi=2880×124=120 (i=1,2,⋯,24),于是χ2=∑i=124(fi-npi)2npi≈40.47,对α=0.05, 自由度n-1=23, 查χ2-分布表，得χα2(n-1)=35.17,因为χ2=40.47>35.17, 所以拒绝H0, 即可以认为婴儿出生时刻不服从均匀分布U[0,24].总习题解答习题1下面列出的是某工厂随机选取的20只部件的装配时间(min):9.8,10.4,10.6,9.6,9.7,9.9,10.9,11.1,9.6,10.2,10.3,9.6,9.9,11.2,10.6,9.8,10.5,10.1,10.5,9.7.设装配时间的总体服从正态分布N(μ,σ2),μ,σ2均未知，是否可以认为装配时间的均值显著地大于10(取α=0.05)?解答：检验假设H0:μ≤μ0=10,H1:μ>10.已知n=20,α=0.05,由数据算得x¯=10.2,s≈0.5099.因σ2未知，故用t检验法，拒绝域为W={X¯-μ0S/n>tα(n-1).计算得x¯-μ0s/n=10.2-100.5099/20≈1.7541.查t分布表得t0.05(19)=1.7291.因为1.7541>1.7291,故拒绝H0,可以认为装配时间的均值显著地大于10.习题2某地早稻收割根据长势估计平均亩产为310kg,收割时，随机抽取了10块，测出每块的实际亩产量为x1,x2,⋯,x10,计算得x¯=110∑i=110xi=320.如果已知早稻亩产量X服从正态分布N(μ,144),显著性水平α=0.05,试问所估产量是否正确？解答：这是一个正态分布总体，方差已知，对期望的假设检验问题，如果估计正确，则应有μ=310,因此我们先将问题表示成两个假设：①H0:μ=310,H1:μ≠310.接下来就要分析样本值来确定是接受H0,还是接受H1.当H0为真时，统计量②U=X¯-31012/10∼N(0,1),从而有③P{∣U∣>1.96}=0.05,拒绝域为(-∞,-1.96)∪(1.96,+∞).④计算U0=∣320-310∣12/n≈2.64>1.96,即拒绝H0,也就是有理由不相信H0是真的，故认为估产310kg不正确.习题3设某次考试的考生成绩服从正态分布，从中随机地抽取36位考生的成绩，算得平均成绩为66.5分，样本标准差为15分，问在显著水平0.05下，是否可认为这次考试全体考生的平均成绩为70分？并给出检验过程.(1)设这次考试全体考生的平均成绩X∼N(μ,σ2)，则待检验假设H0:μ=70,备择假设H1:μ≠70;(2)在H0成立条件下选择统计量T=X¯-μ0S/n∼t(n-1);(3)在显著性水平0.05下，查t分布表，找出临界值tα/2(n-1)=t0.025(35)=2.0301,则拒绝域为(-∞,-2.0301)∪(2.0301,+∞);(4)计算t=∣66.5-70∣15/36=1.4∈(-2.0301,2.0301),故接受H0,因此可认为这次考试全体考生的平均成绩为70分.习题4设有来自正态总体的容量为100的样本，样本均值x¯=2.7,μ,σ2均未知，而∑i=1n(xi-x¯)2=225,在α=0.05水平下，检验下列假设(1)H0:μ=3,H1:μ≠3;(2)H0:σ2=2.5,H1:σ2≠2.5.解答：(1)由题意知n=100,x¯=2.7,s=199×225≈1.508,t=(2.7-3)1.508×100≈-1.9894,α=0.05,t0.025(99)≈t0.025(100)=1.984.因∣t∣=1.9894>t0.025(99)=1.984,故拒绝H0,即认为μ≠3.(2)由题意知χ2=∑i=1n(x1-x¯)22.5=2252.5=90,α=0.05,χ0.0252(99)≈χ0.0252(100)=129.56,χ0.9752(99)≈χ0.9752(100)=74.22,因χ0.9752(99)<χ2=90<χ0.0252(99),故接受H0,即可以认为σ2=2.5.习题5设某大学的男生体重X为正态总体，X∼N(μ,σ2),欲检验假设：H0:μ=68kg,H1:μ>68kg.已知σ=5,取显著性水平α=0.05,若当真正均值为69kg时，犯第二类错误的概率不超过β=0.05,求所需样本大小.解答：由第一类、第二类错误及分位数的定义，易于证明：对于某个给定的δ>0(∣μ-μ0∣≥δ)，样本容量n应满足：n≥(uα+uβ)2σ2δ2.因为α=β=0.05,故uα=uβ=1.645,对其对立假设μ=69而言，取δ=1,则n=(uα+uβ)2σ2δ2=(1.645+1.645)2×251≈270.6,故取n=271.某装置的平均工作温度据制造厂家称不高于190∘C.今从一个由16台装置构成的随机样本测得工作温度的平均值和标准差分别为195∘C和8∘C，根据这些数据能否说明平均工作温度比制造厂所说的要高？（设α=0.05,并假设工作温度近似服从正态分布.）解答：设X为工作温度，则X∼N(μ,σ2).①待检假设H0:μ≤190,备择假设H1:μ>190;②在H0成立条件下，选择统计量T=X¯-μ0S/n≈t(n-1);③在显著性水平0.05下，查t分布表，找出临界值tα(n-1)=t0.05(15)=1.75,拒绝域为(1.75,+∞);④计算t=X¯-μ0S/n=195-1908/16=2.5>1.75,所以否定原假设H0,说明平均工作温度比制造厂所说的要高.习题7电工器材厂生产一批保险丝，抽取10根试验其熔断时间，结果为42657578715957685455假设熔断时间服从正态分布，能否认为整批保险丝的熔断时间的方差不大于80(α=0.05)?解答：①待检假设H0:σ2≤80,备择假设H1:σ2>80;②在H0成立时，选取统计量χ2=(n-1)S2σ02∼χ2(n-1);③由α=0.05,n-1=9,查χ2分布表，χα2(n-1)=χ0.052(9)=16.919;④计算样本值：x¯=110(42+65+75+78+71+59+57+68+54+55)=62.4,s2=19∑i=110(xi-x¯)2≈121.8,χ2=9×121.880≈13.7∈(0,16.919).故接受原假设H0即在α=0.05下，可认为整批保险丝的熔断时间的方差不大于80.习题8某系学生可以被允许选修3学分有实验物理课和4学分无实验物理课，11名学生选3学分的课，考试平均分数为85分，标准差为4.7分；17名学生选4学分的课，考试平均分数为79分，标准差为6.1分. 假定两总体近似服从方差相同的正态分布，试在显著性水平α=0.05下检验实验课程是否能使平均分数增加8分？解答：设有实验的课程考分X1∼N(μ1,σ12),无实验的课程考分X2∼N(μ2-σ22).假定σ12=σ22=σ2未知，检验假设H0:μ1-μ2=8,H1:μ1-μ2≠8.由题意知，选用t检验统计量，则拒绝域为W={∣x1¯-x2¯-(μ1-μ2)sw1n1+1n2∣>tα/2(n1+n2-2),其中sw2=(n1-1)s12+(n2-1)s22n1+n2-2.由x1¯=85,x2¯=79,n1=11,n2=17,s1=4.7,s2=6.1,算出sw=(11-1)×4.72+(17-1)×6.1211+17-2≈5.603.从而算出t值为t=85-79-85.603111+117≈-0.92,由α=0.05,查表得t0.025(11+17-2)=t0.025(25)=2.056,因为∣t∣=0.92<2.056,故接受H0,认为μ1-μ2=8.习题9某校从经常参加体育锻炼的男生中随机地选出50名，测得平均身高174.34厘米；从不经常参加体育锻炼的男生中随机地选50名，测得平均身高172.42厘米. 统计资料表明两种男生的身高都服从正态分布，其标准差分别为5.35厘米和6.11厘米，问该校经常参加锻炼的男生是否比不常参加锻炼的男生平均身高要高些(α=0.05)?解答：设X,Y分别表示常锻炼和不常锻炼男生的身高，由题设X∼N(μ1,5.352),Y∼N(μ2,6.112).①待检假设H0:μ1≤μ2,备择假设H1:μ1>μ2;②选取统计量U=X¯-Y¯σ12n+σ22m∼(H0成立)N(0,1);③对于α=0.05,查标准正态分布表，uα=u0.05=1.64;则拒绝域为(1.64,+∞)；④计算u=174.34-172.425.35250+6.11250≈1.67>1.64,故否定原假设H0,即表明经常体育锻炼的男生平均身高比不经常体育锻炼的男生平均身高高些.习题10在漂白工艺中要改变温度对针织品断裂强力的影响，在两种不同温度下分别作了8次试验，测得断裂强力的数据如下(单位：kg):70∘C:20.818.819.820.921.519.521.021.280∘C:17.720.320.018.819.020.120.219.1判断两种温度下的强力有无差别(断裂强力可认为服从正态分布α=0.05)?解答：(1)本问题是在α=0.05下检验假设μ1=μ2,为此需要先检验σ12=σ22是否成立.H01:σ12=σ22,H11:σ12≠σ22.选取统计量F=S12S22,在H01成立的条件下，F∼F(n1-1,n2-1),且此检验问题的拒绝域为F>Fα/2(n1-1,n2-1)或F<F1-α/2(n1-1,n2-1).这里F=s12s22≈0.90550.8286≈1.0928,F0.025(7,7)=4.99,F0.975(7,7)=1F0.025(7,7)=14.99≈0.2004.显然F0.975(7,7)=0.2004<1.0928<4.99=F0.025(7,7).说明F未落在拒绝域中，从而接受H01,即认为两温度下的强力的方差没有显著变化，亦即σ12=σ22. (2)再检验假设H0ʹ:μ1=μ2,H0ʹ:μ1≠μ2,在H0ʹ成立的条件下，T=X1¯-X2¯(n1-1)S12+(n2-1)S22n1+n2-21n1+1n2∼t(n1+n2-2),且此检验问题的拒绝域为∣T∣>tα/2(n1+n2-2),这里T≈20.4-19.47×0.9055+7×0.82868+8-218+18≈2.148,显然∣T∣=2.148>2.145=t0.025(14).说明T落在拒绝域中，从而拒绝H0,即认为两种温度下的断裂强力有显著差别.习题11一出租车公司欲检验装配哪一种轮胎省油，以12部装有Ⅰ型轮胎的车辆进行预定的测试. 在不变换驾驶员的情况下，将这12部车辆换装Ⅱ型轮并重复测试，其汽油耗量如下表所示(单位：km/L).汽车编号i123456789101112Ⅰ型胎(xi)4.24.76.67.06.74.55.76.07.44.96.15.2Ⅱ型胎(yi)4.14.96.26.96.84.45.75.86.94.76.04.9假定两总体均服从正态分布，试在α=0.025的显著性水平下，检验安装Ⅰ型轮胎是否要双安装Ⅱ型轮胎省油？解答：设两种轮胎汽油消耗量之差为随机变量D,则取值为zi=xi-yi=0.1,-0.2,0.4,0.1,-0.1,0.1,0,0.2,0.5,0.2,0.1,0.3.设Z∼N(μz,σz2),σz2未知. 若消耗油相同，则μz=0;若Ⅰ型比Ⅱ型轮胎省油，则μz>0,于是检验假设H0:μz=0,H1:μz>0.由题意知z¯≈0.142,s≈0.198,n-1=12-1=11.α=0.025,查t分布表得t0.025(11)=2.201.所以，拒绝域为W={t>2.201}.由于样本值t=z¯-0s/n=0.142-00.198/12≈2.48>2.201,故拒绝H0:μz=0,即说明Ⅰ型轮胎省油.习题12有两台机器生产金属部件，分别在两台机器所生产的部件中各取一容量n1=60，n2=40的样本，测得部件重量(以kg计)的样本方差分别为s12=15.46，s22=9.66. 设两样本相互独立，两总体分别服从分布N(μ1,σ12),N(μ2,σ22).μi,σi2(i=1,2)均未知，试在α=0.05水平下检验假设H0:σ12≤σ22,H1:σ12>σ22.解答：在α=0.05下，检验假设H0:σ12≤σ22,H1:σ12>σ22,经计算p=1100×10(45+2×17+3×4+4×1+5×1)=1/10,故检验假设为H0:X∼B(10,1/10),即p =P{X=i}=C10i(1/10)i(9/10)10-i,i=0,1,2,⋯,10.为了使np ≥5,将xi≥3合并，于是k=4,r=1.计算χ2的观察值，计算结果如下表：[200,300) [300,+∞)435843.466.9-0.4-8.90.0041.184∑300300 1.8631其中理论概率pi=p{ti≤T≤ti+1}=∫titi+1f(t)dt(i=1,2,3),p4=1-∑i=13pi,例如p1=P{T<100}=∫01000.005e-0.005tdt=1-e-0.5≈0.393.由k=4,未知参数个数r=0,查表知χα2(k-r-1)=χ0.052(3)=7.815.因χ2=1.8631<χ0.052(3)=7.815.故接受H0,即可认为灯泡的寿命服从该指数分布.习题16关于正态总体X∼N(μ,1)的数学期望有如下二者必居其一的假设，H0:μ=0,H1:μ=1.考虑检验规则：当X¯≥0.98时否定假设H0接受H1,其中X¯=(X1+⋯+X4)/4,而X1,⋯,X4是来自总体X的简单随机样本，试求检验的两类错误概率α和β.解答：易见，在假设“H0:μ=0”成立的条件下，X¯∼N(0,1/4),2X¯∼N(0,1);在假设“H1:μ=1”成立的条件下，X¯∼N(1,1/4),2(X¯-1)∼N(0,1).因此，由定义得α=P{X¯≥0.98∣μ=0}=P{2X¯≥1.96∣μ=0}=0.025,β=P{X¯<0.98∣μ=1}=P{2(X¯-1)<-0.04∣μ=1}=0.4840.习题17考察某城市购买A公司牛奶的比例，作假设H0:p=0.6,H1:p<0.6,随机抽取50个家属，设x为其中购买A公司牛奶的家庭数，拒绝域W={x≤24}.(1)H0成立时，求第一类错误的α;(2)H1成立且p=0.4时，求第二类错误的β(0.4);又当p=0.5时，求第二类错误的β(0.5).解答：由定义知(1)α=P{x≤24∣p=0.6}=Φ(24-50×0.650×0.6×0.4)≈Φ(-1.73)=1-Φ(1.73)=1-0.9528=0.0418.(2)β(0.4)=P{x>24∣p=0.4}=1-Φ(24-50×0.450×0.4×0.6)≈1-Φ(1.15)=1-0.8749=0.1251;。
假设检验基本思想
3~4．给出显著性α，定出拒绝域W5．判断（同前）W W W 上海朱兰质量研究院Juran Institute of Shanghai 正态均值μ的假设检验（σ未知）．关于正态均值μ常用的三对假设为（a ）H 0:μ≤μ0，H 1:μ>μ0（b ）H 0:μ≥μ0，H 1:μ<μ0（c ）H 0:μ=μ0，H 1:μ≠μ0．检验统计量为t 统计量其中是样本方差，度。
自由度为n-1的t 分布，其密度函数与标准正态分布N(0,1)的概率密度函数类似，亦为对称分布，但两侧尾部比N(0,1)的两侧尾部粗一些。
)1(~/0−−=n t n s x t μ∑=−−=ni i x x n S 122)(115．判断（同前）注：这个检验法则称为t 检验t t )1n (t 1−α−)1n (t 2−α)1n(t 21−α−t )1n (t −α在均值相等（H0成立）和方差相等（但具体未知）下：这是在方差相等下，检验两个均值是否相等的检验统计量，其中：3~4．给定显著性水平α，确定拒绝域W利用t 分布的分位数表，对给定α，可定出：5．判断（同前）),(~22B A B A n n N y x σσμμ+−−1012==B An n )2(~11−++−=B A BA W n n t n n S y x t 2)1()1(22−+−+−=B A BB A A W n n S n S n S {})2(21−+>=−B A n n t t W α例续：先计算一些量由于可认为：两个供应商的工业塑料的折断强度间有显著差异，从而建议公司改变供应商。
05.0=α，086.2)20()2(975.021==−+−t n n t B A α2013.1960.0112)1()1(2222×+×=−+−+−=BA B B A A W n n S n S n S8790.0204521.15==1011218790.061.16213.15511+×−=+−=B A W n n S y x t87.193764.048.7−=−=)20(086.287.19||975.0t t =>=上海朱兰质量研究院Juran Institute of Shanghai 3~4．给定显著性水平α，确定拒绝域W5．判断（同前）t t t W W =W α−1t α−−1t 21α−−t 21α−−t 上海朱兰质量研究院Juran Institute of Shanghai 两个正态方差比较的检验设有两个相互独立的正态总体：从总体抽取样本x 1,x 2,…x 值与方差分别记为；从总体抽取样本y 1,y 2,…y 值与方差分别记为。
论假设检验方法的基本思想和实际运用
论假设检验方法的基本思想和实际运用假设检验是一种常用的统计方法，用于推断总体参数的情况，例如总体均值、总体比例等。
它的基本思想和实际运用如下：1. 基本思想：假设检验的基本思想是建立一个原假设（H0）和备择假设（H1），然后根据样本数据对这两个假设进行统计推断。
原假设通常表示已有的关于总体参数的观点或主张，而备择假设则表示可能与原假设相对立的观点或主张。
假设检验的目的是通过样本数据提供的证据，判断原假设是否需要被拒绝。
2. 步骤：假设检验一般包括以下几个步骤：（1）提出假设：在研究问题的基础上，明确原假设和备择假设。
（2）选择检验统计量：根据研究问题的特点和样本数据的性质，选择适合的检验统计量。
（3）确定显著性水平：一般情况下，显著性水平（α）设置为0.05，表示接受错误的概率为5%。
（4）计算检验统计量的值：根据样本数据计算检验统计量的值。
（5）做出决策：根据计算得到的检验统计量的值和显著性水平，判断是否拒绝原假设。
（6）给出结论：根据决策结果给出科学、准确的结论。
3. 实际运用：假设检验方法在各个领域都有广泛的应用，例如市场调研、医学实验、社会科学等。
具体而言，假设检验方法可以用于以下几个方面：（1）总体均值的推断：我们可以使用假设检验方法判断一种新药的治疗效果是否显著，即判断新药的平均治愈时间是否小于已有药物的平均治愈时间。
（2）总体比例的推断：我们可以使用假设检验方法判断某个广告的点击率是否显著高于行业平均点击率。
（3）总体方差的推断：在质量控制过程中，我们可以使用假设检验方法判断生产批次的方差是否符合标准要求。
（4）相关性的推断：在社会科学研究中，我们可以使用假设检验方法判断两个变量之间的相关性是否显著。
假设检验方法是一种常用的统计方法，其基本思想是建立原假设和备择假设，并根据样本数据对这两个假设进行统计推断。
该方法能够广泛应用于不同领域，提供科学、准确的统计推断结果。
假设检验的基本思想及方法
精品ppt模板
7.2.1 单个正态总体均值的检验
一、已知 时的u 检验
设
是来自
的样本，考虑关于
的检验问题。检验统计量可选为
三种假设的拒绝域形式分别见下图：
What is 城市轨道交通 urban rail transport
精品ppt模板
(a )
What is 城市轨道交通 urban rail transport
一对应的。
What is 城市轨道交通 urban rail transport
精品ppt模板
7.2.2 两个正态总体均值差的检验
检验 条 原假 备择 法 件 设 假设
检验统 计量
拒绝域
u检 验
已 知
t检 未 验知
What is 城市轨道交通 urban rail transport
精品ppt模板
个使 和 都小的检验。
英国统计学家 Neyman 和 Pearson 提出水平
为 的显著性检验的概念。
What is 城市轨道交通 urban rail transport
精品ppt模板
定义7.1.2 对检验问题 对
如果一个检验满足对任意的
，
都有
则称该检验是显著性水平为 的显著性检 验，简称水平为 的检验。
考虑双侧检验问题:
What is 城市轨道交通 urban rail transport
精品ppt模板
则水平为的检验接收域为
它可以改写为
并且有
这里0并无限制.
若让0 在(- )内取值，就可得到 的1- 置信
区间：
What is 城市轨道交通 urban rail transport
精品ppt模板
例说假设检验思想方法
例说假设检验思想方法假设检验，又称为概率检验，是一种检验数据的统计方法，用于检测实验数据是否与特定假设所预言的数据密切一致。
它得以实践，是因为数学计算得以验证实验数据和模型假设之间的一致性。
假设检验是有条件的，它要求有一个参考模型，可以预测实验结果，以及一个预定义的拒绝假设概率，这也是假设检验的唯一参数，而不是模型参数。
因此，假设检验的本质是在不确定的情况下，用先验概率来估计某种特定情况发生的可能性。
假设检验的一般步骤是：首先，开发一个假设，它概括了某种情况或模型可能会产生的结果。
然后，根据该假设，定义一个统计量，表征这一假设产生的结果。
接着，根据统计学理论，得出该统计量的分布，确定观察到的统计量是满足该分布的概率是多少。
最后，将观察到的统计量比较跟预定义的假设拒绝概率，决定是否拒绝假设。
如果将观察到的统计量与拒绝假设概率比较，发现它未超过拒绝假设概率，那么就可以拒绝假设；如果超过拒绝假设概率，则无法拒绝假设，也就是说，在预定的拒绝假设概率水平下，观察到的结果也许并非是某种特定情况发生的结果。
假设检验的意义在于，它可以用于对实验数据进行统计分析，以证实事实是否符合特定的假设，从而把模型的可信度提高到一定水平。
尤其是在统计学中，假设检验的重要性尤为突出，因为它可以帮助我们做出正确的统计推断。
假设检验的典型应用之一是检验数据的偏态，也就是说，检验数据是否是某一特定分布模型的成员。
另外，假设检验还可以用于检验一组数据是否遵循一个特定分布，以及检验单变量数据是否服从某一概率分布。
例说，假设我们有一组观测数据，表示某一系统的表现能力。
假设这一系统的表现能力符合正态分布。
因此，我们可以使用假设检验对其进行检验，以检验该组数据是否符合正态分布的假设。
更具体一点，首先要定义一个统计量，表征这一假设产生的结果，如平均数、标准差或其他参数，以及拒绝假设概率。
接着，根据统计学理论，得出该统计量的分布，以及观察到的统计量是满足该分布的概率为多少。
假设检验思想
• 奈曼（Neyman）和皮尔逊（Pearson）提出， 首先控制犯第一类错误的概率，即选定一个 数 α (0 < α < 1)，使得检验中犯第一类错误的概 率不超过 α 。然后，在满足这个约束条件的检 验中，寻找犯第二类错误的概率尽可能小的检 验。这就是假设检验理论中的奈曼-皮尔逊原则。 寻找犯第二类错误的概率尽可能小的检验，在 理论和计算中都并非容易。为简单起见，在样 本容量n固定时，我们着重对犯第一类错误的 概率加以控制，适当考虑犯第二类错误的概率 的大小。称控制犯第一类错误的概率不超过 α 的检验为显著性检验。称α 为显著性水平
H 0 : p ≤ 0.01 H1 : p > 0.01
H 0 称为原假设或者零假设;H1称为备择 假设或者对立假设.
• 所谓假设检验问题，就是要判断原假设是否 正确，也就是要作出一个决定，是接受还是拒 绝原假设
•
如何作出选择，需要我们从总体中抽取样 本，然后根据样本的观测值作出决定。这就需 要我们给出一个规则，此规则告诉我们，在有 了样本观测值后，我们可以作出是接受还是拒 绝原假设。 我们把这样的规则称为检验。要给出一个 有实际使用价值的检验，需要有丰富的统计思 想。我们首先对样本进行加工，把样本中包含 的关于未知参数的信息集中起来，构造出一个 适合于假设检验的统计量T。
• 假设检验的一般步骤 （1）根据实际问题提出原假设和备择假设； （2）确定检验统计量Ｔ； （3）取适当的显著性水平α ，并由显著性水 平和统计量的分布确定拒绝域Ｗ，使得检验中 犯第一类错误的概率的最大值 sup P{T ∈ W | H 0为真} 尽可能的接近α ,特别在总体为连续型总体时， 往往要使它等于α ．拒绝域有单侧和双侧两种 形式． （4）由样本观测值算得统计量的观测值，并 与拒绝域中临界值比较，如果观测值落入拒绝 域，则拒绝原假设，否则接受原假设．
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
4.假设检验的类型
(1) H 0 : 0 (2) H 0 : 0 (3) H 0 : 0 vs vs vs
0 0 0
vs
左侧检验 右侧检验 双侧检验
比如 检验假设 H 0 : 0 ,
装糖重总体 X 的均值和标准差 ,
由长期实践可知, 标准差较稳定, 设 0.015,
则 X ~ N ( , 0.0152 ), 其中 未知.
问题: 根据样本值判断 0.5 还是 0.5 . 提出两个对立假设
H 0 : 0 0.5 和 H1 : 0 .
三、假设检验的一般步骤
1. 根据实际问题的要求 提出原假设 H 0 及备择 , 假设 H1 ;
2. 给定显著性水平 以及样本容量n ;
3. 确定检验统计量以及拒绝域形式;
4. 按 P{ 拒绝 H 0 | H 0 为真} 求出拒绝域;
5. 取样, 根据样本观察值确定接 受还是拒绝H0 .
设总体 X ~ N ( , 2 ), 为已知, X 1 , X 2 ,, X n 是来自总体X 的样本, 给定显著性水平 ,
由于要检验的假设设计总体均值, 故可借助于样本 均值来判断. 因为 X 是 的无偏估计量 ,
所以若 H 0 为真, 则 | x 0 | 不应太大,
X 0 当H 0为真时, ~ N (0,1), / n
| x 0 | 衡量 | x 0 | 的大小可归结为衡量 的大小, / n 于是可以选定一个适当的正数k,
x - 0 因为当 H 0 为真时， ~ N (0,1) n
所以k z1 ,
故拒绝域为 z
即x 0
x 0
n
z1
n
z1 ,
z1 ,
四、典型例题
例1 某工厂生产的固体燃料 推进器的燃烧率服
从正态分布 N ( , 2 ), 40cm / s, 2cm / s. 现 用新方法生产了一批推 进器, 随机取 n 25只, 测 得燃烧率的样本均值为x 41.25cm / s. 设在新方 法下总体均方差仍为2cm / s,问用新方法生产的 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 取显著水平 0.05. ?
在一次试验中 观察值 x 代入后，满足了不等式 , 的要求。即意味着小概 率事件发生了 , 则我们有理由怀疑原来 的假设H 0的正确性, 因而拒绝H 0 .
反之，代入后观察值x 不满足不等式 x 0
x 0
/ n
z / 2
/ n
z1 / 2 , 则
没有理由拒绝假设 0 , 因而只能接受 0 . H H
P{ 拒绝域 | 当 H 0 真} g ( ) P{ 拒绝域 | 当 H 0不真} 1
例题1
H 0 : { 一定时, 若减少犯第一类错误 当样本容量 n 100} vs H1 : { 100} 的概率,N ( ,16), n 25, 拒绝域W {x c}; X ~ 则犯第二类错误的概率往往增大. 求：势函数
x c c 解： P( x c | H 0为真) P( ) ( ), H 0 45 45 45
P( x c | H1为真) P(
x c c ) 1 ( ), H1 45 45 45
c 除非增加 P( x c | H 0为真) 若要使犯两类错误的概率都减小, ), H 0 H1 ( g ( ) 45 1 样本容量. 1 P( x c | H 0不真)
再利用已知样本作出判断是接受假设 H0 ( 拒绝 假设 H1 ) , 还是拒绝假设 H0 (接受假设 H1 ). 如果作出的判断是接受 H0, 则 0 , 即认为机器工作是正常的, 否则, 认为是不正常的.
一、假设检验的基本原理
在总体的分布函数完全未知或只知其形式、 但不知其参数的情况下, 为了推断总体的某些性 质, 提出某些关于总体的假设.
满足 x 0
/ n
k时, 拒绝假设H 0 ,
满足
x 0
/ n
k时, 接受假设H 0 .
拒绝域
接收域
二、假设检验的基本概念
1. 两类错误及记号
假设检验的依据是: 小概率事件在一次试验 中很难发生, 但很难发生不等于不发生, 因而假 设检验所作出的结论有可能是错误的. 这种错误 有两类: P{拒绝域| 当 H 真} .
练习：
设总体 X ~ N ( , 2 ), 为已知, X 1 , X 2 ,, X n 是来自总体X 的样本, 给定显著性水平 ,
求H 0 : 0 , H1 : 0 的拒绝域
所以k z ,
故拒绝域为
z
x 0n来自 z z1五、小结
假设检验的基本原理、相关概念和一般步骤.
假设检验的两类错误
真实情况 (未知)
H0 为真 H0 不真
所
接受 H0 正确
作
决
策
拒绝 H0
犯第I类错误 正确
犯第II类错误
H1 : 0 .
检验假设 H 0 : 100,
vs
H1 : 100.
5. 拒绝域
使原假设H0被拒绝的样本观测值所在区域称为 拒绝域 Z 拒绝域
拒绝H0
将样本观察值Z所在空间划分为两部分
接收域
接受H0
当检验统计量取某个区域C中的值时, 我们 拒绝原假设H0, 则称区域C为拒绝域, 拒绝域的边 界点称为临界点.
我们先来求H 0 : 0 H1 : 0的拒绝域 X 0 取检验统计量 Z , / n
当 H 0 为真时, 观察值z 不应该太大，而当 H1 为真时, 观察值z往往偏大。
因此拒绝域的形式为z
x 0
n
k , k 为待定数,
X 0 k 由 P{拒绝 H 0 | H 0 为真} P 0 / n
势函数是的减函数。
练习：334页1
2. 显著性检验
只对犯第一类错误的概率加以控制, 而不考 虑犯第二类错误的概率的检验, 称为显著性检验.
3.显著性检验的定义
对检验问题H 0： 0 vs H 1： 1 , 拒绝域为W , 对于任意的 0， 都有样本观测值 落在拒绝域内的概率 。 X
假设检验的基本思想
实例 某车间用一台包装机包装葡萄糖, 包得的 袋装糖重是一个随机变量, 它服从正态分布.当 机器正常时, 其均值为0.5千克, 标准差为0.015 千克.某日开工后为检验包装机是否正常, 随机 地抽取它所包装的糖9袋, 称得净重为(千克): 0.497 0.506 0.518 0.524 0.498 0.511 0.520 0.515 0.512, 问机器是否正常? 分析: 用 和 分别表示这一天袋
解
根据题意需要检验假设
H 0 : 0 40 (即假设新方法没有提高 燃烧率) ,
H1 : 0 (即假设新方法提高了燃 烧率) ,
这是右边检验问题, x 0 拒绝域为 z z10.05 1.645 . / n x 0 因为 z 3.125 1.645 , z值落在拒绝域中 , / n
0
(1)当原假设H0为真, 观察值却落入拒绝域, 而作 出了拒绝H0的判断, 称做第一类错误, 又叫拒 真错误, 这类错误是“以真为假”. 犯第一类 错误的概率是显著性水平.
(2) 当原假设 H0 不真, 而观察值却落入接受域, 而作出了接受 H0 的判断, 称做第二类错误, 又叫 受伪错误, 这类错误是“以假为真”. 犯第二类错误的概率记为 P{接受域| 当 H0 不真} . • 2.势函数的定义： • 样本观察值Z落在拒绝域W内的概率为势函数。
如 对于正态总体提出数学 期望等于0 的假设； .
再如，提出总体服从泊松分布的假设; 假设检验就是根据样本对所提出的假设作 出判断: 是接受, 还是拒绝.
假设检验问题是统计推断的另一类重要问题. 如何利用样本值对一个具体的假设进行检验? 通常借助于直观分析和理 论分析相结合的做法,其基本原 理就是人们在实际问题中经常 采用的所谓实际推断原理:“一个 小概率事件在一次试验中几乎 是不可能发生的”. 下面结合实例来说明假设检验的基本思想.
故在显著性水平 0.05 下拒绝 H 0 .
即认为这批推进器的燃烧率较以往有显著提高.
X 0 因而当H 0 为真, 即 0时, P z1 / 2 / n 而的取值一般很小，比如 .05或者0.01等。 0 犯第一类错误是一件小 概率事件(视作几乎不可能发生 )