第八章假设检验§1基本概念一、假设检验的基本原理在总体的分布

合集下载

假设检验一般概念

假设检验一般概念

x 400 k 时接受原假设H0;
(1)
x 400 k 时拒绝原假设H0接受备择假设H1
(2)
进一步,由于当H0为真时,有
u x400 ~N(0,1) 25/ n
1 |u|要构x造一40个0具有明确k分布的统计量,可将(1)、(2)式转化为
25/ n 25/ n
2 |u|时接x受原40假0设H0 k
2. 拒绝域与接受域 称是检验水平或显著性水平,它是我们
制定检验标准的重要依据。常数u/2把标准正态分布密度曲线下
的区域分成了两大部分,其中一部分
(x1,x2, ,xn)uu/2
称为H0的拒绝域或否定域, 当样本点落入拒绝域时,我们便拒 绝原假设H0(同前述(6)式),另一部分
(x1,x2, ,xn)uu/2
(1)根据问题的要求提出假设,写明原假设H0和备择假设H1的
具体内容。
(2)根据H0的内容,建立(或选取)检验统计量并确定其分布。 (3)对给定(或选定)的显著性水平 ,由统计量的分布查表 或计算确定出临界值,进而得到H0的拒绝域和接受域。
(4)由样本观察值计算出统计量的值。
(5)做出推断:当统计量的值满足“接受H0的条件”时就接受 H0,否则就拒绝H0接受H1 。
u
2
时接受原假设H0 (5)
时拒绝原假设H0,接受备择假设 H1 (6)
分析(5)、(6)两式,可以这 样认为:
拒绝H0,是因为以H0成立 为出发点进行推理时,得到 了不合情理的结论,使小概 率事件在一次试验中发生了。
接受H0,是因为以H0成立 为出发点进行推理时,未发 现异常。
这就是带有概率特征的反证 法,认为小概率事件在一次 试验中不可能发生。
H0:X服从泊松分布;H1:X不服从泊松分布.

假设检验

假设检验

10.9 10.6 10.8 10.5 10.7 10.2 10.7 假定切割的长度服从正态分布, 假定切割的长度服从正态分布 且标准差没有变 试问该机工作是否正常? 化, 试问该机工作是否正常 (α = 0.1)

因为 X ~ N ( ,σ 2 ), σ = 0.15,
要检验假设 H 0 : = 10.5, H 1 : ≠ 10.5,
如果在例1中只假定切割的长度服从正态分 例2 如果在例1中只假定切割的长度服从正态分 布, 问该机切割的金属棒的平均长度有无显著变 化? (α = 0.05) 解 依题意 X ~ N ( ,σ 2 ), ,σ 2均为未知,
要检验假设 H 0 : = 10.5, H 1 : ≠ 10.5,
n = 15,
(n 1)s2 24× 0.1975 因为 = = 47.4 > 36.415, 2 0.1 σ0
所以拒绝H0 , 认为该车床生产的产品没有达到所要求的精度. 认为该车床生产的产品没有达到所要求的精度
H0称为原假设或零假设 1 称为备择假设 称为原假设或零假设H , .
右边检验与左边检验
形如 H 0 : = 0 , H 1 : > 0 的假设检验 称为右边检验 .
形如 H 0 : = 0 , H 1 : < 0 的假设检验 称为左边检验 .
右边检验与左边检验统称为单边检验 右边检验与左边检验统称为单边检验. 单边检验
某自动车床生产的产品尺寸服从正态分布 正态分布, 例4 某自动车床生产的产品尺寸服从正态分布 按规定产品尺寸的方差 不得超过0.1, 为检验该 按规定产品尺寸的方差2 不得超过 σ 自动车床的工作精度, 随机的取25件产品 测得样 自动车床的工作精度 随机的取 件产品, 件产品 本方差 s2=0.1975, = 3.86 . 问该车床生产的产品 x 是否达到所要求的精度? 是否达到所要求的精度 (α = 0.05) 解 要检验假设 H0 :σ 2 ≤ 0.1, H1 :σ 2 > 0.1, 2 n = 25, χ0.05(24) = 36.415,

第八章 假设检验

第八章 假设检验

广 东 工 业 大 学
上页
下页
返回
1、原假设与备择假设 H0 2、原理
H1
小概率原理:小概率事件在一次试验中是不太会发生的。 (1)提出假设 H 0 (2)在假设 H 0 成立的条件下,构造一个小概率事件A, (3)根据样本值判断:
若在这一次试验中小概率事件A发生了,则拒绝假设 H 0 ,
若在这一次试验中小概率事件A未发生,则接受假设 H 0 .
广 东 工 业 大 学
上页
下页
返回
显著性水平 3、接受域与拒绝域
P{ A} P{样本落入区域 } R
拒绝域: R 接受域: R 4、两类错误
第一类错误: 弃真
小概率
样本点落入R:拒绝 H 0
样本点落入 R : 接受 H 0
犯第一类错误的概率:
H 0 正确,但拒绝了它。
第二类错误: 采伪
工 业 大 学
上页
下页
返回
二、假设检验的思想方法 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。为了检验一个假设是否正确,首先假设该假设正确,然 后根据抽取到的样本对假设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发生,就应拒绝假设,否则应 该接受假设。
假设检验中所谓“不合理”,并非逻辑中的绝对矛盾,而 是基于人们的实践活动中广泛采用的原则,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 就越有说服力。 广
上页
广 东 工 业 大 学
下页
返回
例1 某砖厂生产的砖其抗拉强度X服从正态分布 N ( ,1.21) ,今从 该厂产品中随机抽取6块,测得其平均抗拉强度为31.13.试检验 这批砖的平均抗拉强度为32.5是否成立,取显著性水平 0.05. 解: 提出原假设 H 0 : 0 32.5 双边检验: 单边检验:

概率论与数理统计第八章假设检验

概率论与数理统计第八章假设检验
当总体分布函数完全未知或只知其形式、但 不知其参数的情况,为推断总体的性质,提出 某些关于总体的假设。
为判断所作的假设是否正确, 从总体中抽取 样本, 根据样本的取值, 按一定的原则进行检 验, 然后, 作出接受或拒绝所作假设的决定.
整理课件
2
我们主要讨论的假设检验的内容有
参数检验 总体均值、均值差的检验 总体方差、方差比的检验
H0: Θ0 vs H1: Θ1,
根据样本,构造一个检验统计量T 和检验法则: 若与T的取值有关的一个小概率事件W发生,则 否定H0,否则接受H0,而且要求
P(W|H0)
此时称W为拒绝域,整为理课检件 验水平。
11
例 3. 某厂生产的螺钉,按标准强度为68克/mm2,
而实际生产的螺钉强度 X 服从 N ( ,3.6 2 ). 若 E ( X ) = = 68, 则认为这批螺钉符合要求,否
7
所以我们否定H0, 认为隧道南的路面发生交 通事故的概率比隧道北大.
做出以上结论也有可能犯错误。这是因为 当隧道南北的路面发生交通事故的概率相同, 而3起交通事故又都出现在隧道南时, 我们才犯 错误。这一概率正是P=0.043.
于是, 我们判断正确的概率是1-0.043=95.7%
整理课件
8
假设检验中的基本概念和检验思想 (1) 根据问题的背景, 提出原假设
再作一个备择假设
H1: p> 0.35. 在本问题中,如果判定H0不对,就应当承认H1.
检验: 三起交通事故的发生是相互独立的, 他们
之间没有联系.
如果H0为真, 则每一起事故发生在隧道南的 概率都是0.35, 于是这三起交通事故都发生在隧
道南的概率是
P= 0.353 ≈ 0.043.

8-1假设检验的基本概念

8-1假设检验的基本概念

2 比如在例 1.2 中, 36 件甲批产品中的次品率为 5.56% , 36 3 50 件乙批产品中的次品率为 6% ,虽然有 5.56% 6% ,但 50
不能依此作出结论,认为 p1 p2 ,而是需要根据假设检验的思想 和方法,进行充分的理论分析,最后给出科学客观的结论.
6
2.假设的提法
12
例 1.4 只是用来介绍假设检验的基本原理,其中还有 许多问题并没有讲透.
X 500 比如,为什么选择统计量为 U ,而不是其 n
又如, 小概率事件 A {U 3} 是由正态分布的 “3 原
它统计量;
则”产生的,对于其它分布,如 2 分布, t 分布和 F 分布 等并无此原则,那么一般情况下,小概率事件 A 又如何确 定等等.这些问题将在后续内容中逐一介绍.
其分位点决定的, 同时又与所谓的双侧检验和单侧检验有关.
24
如果假设检验问题 ( H 0 , H1 ) 为
H 0 : 0 , H1 : 0 ,
就称之为双侧(边)检验.
如果假设检验问题 ( H 0 , H1 ) 为
H 0 : 0 , H1 : 0 ,

H 0 : 0 , H1 : 0 ,
7
二、假设检验的思想和方法
1.假设检验中的反证法思想
反证法思想(注意:不是指严格的反证法) : 先假定 H 0 成立,然后根据统计分析的思想和方法, 进行推理和演算,如果推理和演算的结果中有“矛盾” 的现象出现,就“主动地”拒绝 H 0 ,接受 H1 ;如果其 结果中没有“矛盾”的现象出现,就不能拒绝 H 0 ,因 此只好“被动地”接受 H 0 ,拒绝 H1 .
第八章
假设检验

第8章 假设检验

第8章 假设检验

ˆ H0 : 0 ˆ H :
0 0
备择
假设
研究者想收集证据予以支持的假设。
1. 与原假设对立的假设 2. 总是有, 或 3. 表示为 H1

例如:
ˆ H0 : 0 ˆ H0 : 0 ˆ H :
0 0
ˆ H1 : 0 ˆ H1 : 0 ˆ H :
拒绝 H0
.025
拒绝 H0
.025
t
ta
2 . 262 /2
-2.262
0
2.262
t
不拒绝原假设,没有证据表明该供 货商提供的配件是不符合要求的。
二、总体比例的检验
大样本
p ~ N(,
(1 )
n
)
设假设的总体比例为0,总体比例的检验统计量为:
z
p 0
0 (1 0 )
拒绝 H0
.025
拒绝 H0
.025
-1.96
0
1.96
Z
由于是双侧检验,拒绝域在左右两侧,所以临界值为:
z za / 2 1.96
在显著性水平a=0.05上不拒绝原假设,表明样本提供的证据还 不足以推翻原假设,因此,没有证据表明该天生产的饮料不符
合标准要求。
【例】某批发商欲从生产厂家购进一批灯泡,根据 合同规定,灯泡的使用寿命平均不能低于1000小时。 已知灯泡使用寿命服从正态分布,标准差为20小时。 在总体中随机抽取100只灯泡,测得样本均值为960 小时。批发商是否应该购买这批灯泡? (a=0.05)
n
假设
双侧检验
左侧检验
右侧检验
假设形式
H0 : 0 H1 : 0

8.1 假设检验的基本思想与步骤

8.1 假设检验的基本思想与步骤
原假设H0 : p=1/2 即该女士凭猜测判断, 对立假设H1: p>1/2 即该女士确有判断力.
如在工件直径的假设检验问题中,设α1 < α2 < α3, 对不同的分位数
电子科技大学
假设检验基本思想
(x)
显著性水 平α3下拒
绝H0
- u1 - u2- u3
u3 u2 u1
显著性水平α2下接受H0
α1 < α2 < α3
电子科技大学
假设检验基本思想
注2 在确定H0的拒绝域时应遵循有利准则: 将检验统计量对H0有利的取值区域确定为接受 域,对H1成立有利的区域作为拒绝域. 如在工件直径假设检验问题中
1.提出原假设:根据实际问题提出原假设
H0和备选假设H1;
电子科技大学
假设检验基本思想
2. 建立检验统计量:寻找参数的一个良好 估计量,据此建立一个不带任何未知参数的统
计量U作为检验统计量,并在H0成立的条件下,
确定U的分布(或近似分布);
2
3.确定H0的否定域:根据实际问题选定显
著性水平α,依据检验统计量的分布与H0的内
给定α,H1的否定域为:
x
-
0
-
0
n

例中
x
-
2
-0.022
-
0
n
u0.05
-0.0165
拒绝H0,即认为新工艺使工件直径偏小.
大样本假设检验例
电子科技大学
假设检验基本思想
四、两类错误 1)假设检验的主要依据是“小概率事件原 理”,而小概率事件并非绝对不发生. 2)假设检验方法是依据样本去推断总体,样 本只是总体的一个局部,不能完全反映整体 特性.

贾俊平版统计学课件 第8章

贾俊平版统计学课件  第8章

▽与原假设对立的假设称备择假设,记为 H1 ,用 、 或 表示。 对于新生儿体重的例子,可以表示为
H 0 : 3190
H1 : 3190
(2)确定检验统计量及其分布
▽用于检验假设的统计量称为检验统计量
▽根据 H 0 及相应条件选择适当的统计量,并确定统计量
的分布 对于新生儿体重的例子,可利用 x 0 构造检验统计量. 若新生儿体重为正态分布 N ( , 2 ) ,且 已知,则在 H 0 为真 时,用 z 作为检验统计量,并且
H 0 : 3190 H1 : 3190
并已知 x 3210, 80, n 100 ,则
z0 x 0

n

3210 3190 80 100
2.5
于是
p 2Pz z0 2 0.00621 0.01242
双侧检验的P值
/ 2
/ 2 拒绝
▽犯第二类错误的概率为 。
表8-1 假设检验中各种可能结果的概率
实际情况
H 0 为真 H 0 不真
决策
接受 H 0
1
拒绝 H 0

1

假设检验中的两类错误(决策结果)
H0: 无罪
假设检验就好像一场审判过程 统计检验过程
陪审团审判
实际情况 裁决 无罪 无罪 有罪 正确 错误 有罪 错误 正确 接受H0 拒绝H0 决策


若p-值 /2, 不能拒绝 H0 若p-值 < /2, 拒绝 H0
8.1.6 假设检验的形式
研究的问题 假设
双侧检验
H0 H1
左侧检验
右侧检验
= 0 ≠0

第八章 假设检验(分布拟合检验)

第八章  假设检验(分布拟合检验)

这些试验及其它一些试验, 这些试验及其它一些试验,都显 示孟德尔的3: 理论与实际是符合的 理论与实际是符合的. 示孟德尔的 1理论与实际是符合的 这本身就是统计方法在科学中的一项 这本身就是统计方法在科学中的一项 重要应用. 重要应用
用于客观地评价理论上的某个结论是 否与观察结果相符, 否与观察结果相符,以作为该理论是 否站得住脚的印证. 否站得住脚的印证 Nhomakorabea或
k f i2 n fi χ 2 = ∑ − pi = ∑ −n i =1 pi n i =1 npi
2
统计量
χ
2
的分布是什么? 的分布是什么
皮尔逊证明了如下定理: 皮尔逊证明了如下定理 若原假设中的理论分布F(x)已经完全给 已经完全给 若原假设中的理论分布 定,那么当n → ∞ ,统计量 时 的分布渐近(k-1)个自由度的 χ 分布 个自由度的 分布. 的分布渐近 如果理论分布F(x)中有 个未知参数需用 中有r个未知参数需用 如果理论分布 中有 相应的估计量来代替,那么当 相应的估计量来代替, 时,统 n →∞ 计量 2的分布渐近 (k-r-1)个自由度的 2 个自由度的 分 χ χ 布.
2 2
如果根据所给的样本值 X1,X2, …,Xn算得 2 的实测值落入拒绝域, 统计量 χ 的实测值落入拒绝域,则拒绝原假 否则就认为差异不显著而接受原假设. 设,否则就认为差异不显著而接受原假设
皮尔逊定理是在n无限增大时推导出来 皮尔逊定理是在 无限增大时推导出来 无限 因而在使用时要注意n要足够大 要足够大, 的,因而在使用时要注意 要足够大,以及 npi 不太小这两个条件 不太小这两个条件 这两个条件. 根据计算实践,要求 不小于 不小于50, 根据计算实践,要求n不小于 ,以及 npi 都不小于 5. 否则应适当合并区间,使 否则应适当合并区间, npi满足这个要求 .

假设检验的基本原理 ppt课件

假设检验的基本原理  ppt课件
ppt课件 8
3.显著性水平

统计学中把拒绝零假设的概率称为显著性水
平,用α 表示。

显著性水平也是进行统计推断时,可能犯错
误的概率。

常用的显著性水平有两个:
α =0.05

α =0.01。
ppt课件 9
在抽样分布曲线上,显著性水平既可以
放在曲线的一端(单侧检验),也可以分在
曲线的两端(双侧检验)。

H0:零假设,或称原假设、虚无假设(null
hypothesis)、解消假设;是要检验的对象之间没
有差异的假设。

H1:备择假设(alternative hypothesis),
或称研究假设、对立假设;是与零假设相对立的假
设,即存在差异的假设。
ppt课件 5

进行假设检验时,一般是从零假设出
发,以样本与总体无差异的条件计算统计 量的值,并分析计算结果在抽样分布上的 概率,根据相应的概率判断应接受零假设、 拒绝研究假设还是拒绝零假设、接受研究
数为中心形成一个正态分布。这个分布可以分成两个区域。

如果这个样本统计量的值落在了这个抽样分布中出现概率比较大的区
域里,这时只好保留零假设,即研究者不得不承认这个样本来自这个假设的 总体,或者这个样本所属总体与假设总体没有真正的差异。如果这个样本统 计量的值落在了抽样分布中出现概率极小的区域里,根据小概率事件在一次
两类错误的关系及控制
O
X
ppt课件
12
两类错误的关系及控制
ppt课件
13

为了将两种错误同时控制在相对最小的
程度,研究者往往通过选择适当的显著性水 平而对α 错误进行控制,如α =0.05或α = 0.01。

浙江大学概率论与数理统计盛骤-第四版

浙江大学概率论与数理统计盛骤-第四版

拒绝域为:
X S
0
n

t (n 1)
即 S k n t (n 1)
因此,拒绝域为:
t

X 0
Sn
t (n 1).
14
例2 某种元件的寿命X(以小时记)服从正态分布N (, 2 ),
, 2均未知。现测得16只元件的寿命如下:
159 280 101 212 224 379 179 264 222 362 168 250 149 260 485 170 问是否有理由认为元件的平均寿命大于225(小时)?(取
原假设 H0 : 6.0,备择假设 H1 : 6.0
检验统计量为 X , 检验拒绝域的形式为 X 6.0 c.
由于作出决策的依据是一个样本,因此,可能出现“实 际上原假设成立,但根据样本作出拒绝原假设”的决策。 这种错误称为“第一类错误”,实际中常常将犯第一类错 误的概率控制在一定限度内,即事先给定较小的数α (0<α<1)(称为显著性水平),使得
X1, X2, , Xn来自N , 2 , X 和S 2分别为样本均值和方差,显著性水平为
H0 : 0 , H1 : 0
1 2已知时
检验拒绝域形式为:X 0 c n
在H0为真时,
X 0 n
~ N 0,1
根据犯第一类错误概率不大于 ,
正确决策
第二类错误
第一类错误
正确决策
第一类错误:原假设H0成立时,作出拒绝原假设的决策; 第二类错误:备择假设H1成立时,作出接受原假设的决策。
通常,犯第一类错误的概率、犯第二类错误的概率、样本容量可 以看作为“三方拔河”。
8
例如,设显著性水平为,计算上例中犯第一类错误的概率 和 5.4时犯第二类错误的概率:

概率论第八章8.1 假设检验的基本原理

概率论第八章8.1  假设检验的基本原理

0.12 0.1 0.08 0.06
α/2
0.04 0.02 60 62.5 65 67.5 70 72.5 75
α/2
H0 真
0. 12 0. 1 0. 08 0. 06 0. 04 0. 02
β
H0 不真
67 .5 70 72 .5 75 77 .5 80 82 .5
注 1º 一般,作假设检验时,先控制犯第一 一般,作假设检验时, 类错误的概率α,在此基础上使 β 尽量 一般要增大样本容量. 地小. 地小.要降低 β 一般要增大样本容量. 不真时,参数值越接近真值, 越大. 当H0不真时,参数值越接近真值,β 越大. 注 2º 备择假设可以是单侧,也可以双侧. 备择假设可以是单侧,也可以双侧. 引例2中的备择假设是双侧的. 引例2中的备择假设是双侧的.若根据以 往生产情况, =68.现采用了新工艺 现采用了新工艺, 往生产情况,µ0=68.现采用了新工艺,关 心的是新工艺能否提高螺钉强度, 心的是新工艺能否提高螺钉强度,µ越大 越好.此时可作如下的右边假设检验: 越好.此时可作如下的右边假设检验: H0 : µ = 68; H1 : µ > 68
拒绝 H0
第一类错误
(弃真) 弃真)
正确
犯第一类错误的概率通常记为 α 犯第二类错误的概率通常记为 β
任何检验方法都不能完全排除犯错 误的可能性. 误的可能性.理想的检验方法应使犯两类 错误的概率都很小, 错误的概率都很小,但在样本容量给定的 情形下,不可能使两者都很小,降低一个, 情形下,不可能使两者都很小,降低一个, 往往使另一个增大. 往往使另一个增大. 假设检验的指导思想是控制犯第一类 然后,若有必要, 错误的概率不超过α, 然后,若有必要,通 过增大样本容量的方法来减少 β .

贾俊平统计学 第七版 课后思考题

贾俊平统计学 第七版 课后思考题

第一章导论1.什么是统计学?统计学是搜集、处理、分析、解释数据并从中得出结论的科学。

2.解释描述统计与推断统计。

描述统计研究的是数据搜集、处理、汇总、图表描述、概括与分析等统计方法。

推断统计研究的是如何利用样本数据来推断总体特征的统计方法。

3.统计数据可分为哪几种类型?不同类型的数据各有什么特点?按照计量尺度可分为分类数据、顺序数据和数值型数据;按照数据的搜集方法,可以分为观测数据和试验数据;按照被描述的现象与实践的关系,可以分为截面数据和时间序列数据。

4.解释分类数据、顺序数据和数值型数据的含义。

分类数据是只能归于某一类别的非数字型数据;顺序数据是只能归于某一有序类别的非数字型数据;数值型数据是按照数字尺度测量的观测值,其结果表现为具体的数值。

5.举例说明总体、样本、参数、统计量、变量这几个概念。

总体是包含所研究的全部个体的集合,样本是从总体中抽取的一部分元素的集合,参数是用来描述总体特征的概括性数字度量,统计量是用来描述样本特征的概括性数字度量,变量是用来说明现象某种特征的概念。

6.变量可分为哪几类?变量可分为分类变量、顺序变量和数值型变量。

分类变量是说明书屋类别的一个名称,其取值为分类数据;顺序变量是说明十五有序类别的一个名称,其取值是顺序数据;数值型变量是说明事物数字特征的一个名称,其取值是数值型数据。

7.举例说明离散型变量和连续型变量。

离散型变量是只能去可数值的变量,它只能取有限个值,而且其取值都以整位数断开,如“产品数量”;连续性变量是可以在一个或多个区间中取任何值的变量,它的取值是连续不断的,不能一一列举,如“温度”等。

第二章数据的搜集1.什么是二手资料?使用二手资料需要注意些什么?与研究内容有关、由别人调查和试验而来、已经存在并会被我们所利用的资料为二手资料。

使用时要评估资料的原始搜集人、搜集目的、搜集途径、搜集时间且使用时要注明数据来源。

2.比较概率抽样和非概率抽样的特点。

举例说明什么情况下适合采用概率抽样,什么情况下适合采用非概率抽样。

第8章 假设检验

第8章  假设检验
例 一种摄影药品被其制造商声称其贮藏寿命是均值180天、 标准差不多于10天的正态分布。某位使用者担心标准差可 能超过10天。他随机选取12个样品并测试,得到样本标准 差为14天。根据样本有充分证据证明标准差大于10天吗?
例 孟德尔遗传理论断言,当两个品种的豆杂交时,圆的 和黄的、起皱的和黄的、圆的和绿的、起皱的和绿的豆的 频数将以比例9:3:3:1发生。在检验这个理论时,孟德 尔分别得到频数315、101、108、32、这些数据提供充分 证据拒绝该理论吗?
P PH0 | Z || z0 | 2PH0 Z | z0 | 2(1 (| z0 |))
(即z0代替了拒绝域式中的z 2 )
判断:当P小于显著水平时,拒绝原假设,
否则,接受: 0, H1 : 0 , 其中0是已知的常数
以X 作为的参考, 若H0为真,X比0大些,但
这个批次清漆的干燥时间构成的总体方差可设 2 0.36 而其均值是要求我们检验的!
经计算,现抽取的9个数据的平均值x 6.4小时,
现在的问题是,我们能否认为 "6.4 6.0 0" ?
即,接受以下哪个假设?
原假设 H0 : 0 6.0, 备择假设 H1 : 0 6.0
4
原假设 H0 : 0 6.0, 备择假设 H1 : 0 6.0
16
*另外方法:若给定显著性水平, 当原假设成立时
( 0),总体X ~ N (0, 2 ),因此,X ~ N (0, 2 n )
P0 ( X 0
k)
P 0
(
X
0
n
k

)
n
k
n z /2
k z/2 n
1
一般,H
的拒绝域写为:

假设检验的基本思想

假设检验的基本思想
《概率统计》 返回 下页 结束
㈡ 检验的逻辑过程 例3. 设某考试成绩X~N(m , 202), 从中任抽36人的成绩, 算得 平均分为75, 问在显著性水平a = 0.05下, 是否可以认为全体考生 的平均成绩为70分? 要点: 某考试 (所有) 成绩是总体, 任意抽取的36人的成绩为 样本. 欲通过样本信息推断总体分布中的 m 是否为70分? 检验依据: 小概率事件在一次试验中一般不发生,若发生了,则认为
② 选择统计量
③ 确定拒绝域
选统计量 U
X m
/
~ N ( 0 ,1) .
n
由 P { | U | u a } a 0 .0 5, 查 表 得 拒 绝 域 为
2
U< -1.96 或 U>1.96 . ④ 计算统计量的值 统 计 量 的 值 为
U x m
完整解答…
/
75 70 20 / 6 1 .5 . n
《概率统计》 返回 下页 结束
例3. 设某考试成绩X~N(m , 202), 从中任抽36人的成绩, 算得 平均分为75, 问在显著性水平a = 0.05下, 是否可以认为全体考生 的平均成绩为70分? 检验过程(形而下): ① H0: m =m0=70, 即总体X~N(70 , 202), 从而知
一、假设检验的基本思想 例1. 设某厂生产一种灯管, 其寿命 X~N (m , 200 2), 原来灯管
的平均寿命为m = 1500小时. 现在采用新工艺后, 在所生产的灯管 中抽取25只, 测得平均寿命为1675小时. 问采用新工艺后, 灯管寿
命是否有显著提高 ?
问题表现为:判断 m >1500 ? 例2. 某种农作物的农药残留量 X 是否服从正态分布 ?

假设检验基本原理

假设检验基本原理

–Zα/2
Zα/2
(a)双侧检验
α
α
–Zα
0
0

(b)左检验的拒绝域分配
14
表6-1 拒绝域 位置 双侧 左单侧 右单侧
拒绝域的单、双侧与备择假设之间的对应关系 P-值检验的显 著性水平判断 标准 α/2 α α 原假设 备择假设
H0 :θ=θ0 H0 :θ≥θ0 H0 :θ≤θ0
H1 :θ≠θ0 H1 :θ<θ0 H1 :θ>θ0
15
• 在统计的假设检验中,一般是把“不能轻易否定 的命题”作为原假设,把“需要验证的问题”作 为备择假设。什么是“不能轻易否定的命题”? 一般来说,原有的理论、原有的看法、原有的状 况、或者说是那些保守的、历史的、经验的,在 没有充分论据证明其错误前总是被假定为正确的, 作为原假设,处于被保护的位置,而那些猜测的、 可能的、预期的取为备择假设。假设检验的目的 就是要用事实验证原来的理论、看法、状况等是 否成立,或更明确地说,是希望用事实推翻原假 设。
11
• 例如,有一个厂商称其产品的合格率很高,可以得到99 %,那么从一批产品中(如100件)随机抽取1件,这一 件恰好是次品的概率就非常小,只有1%。 • 如果厂商的宣称是真的,随机抽取1件是次品的情况就 几乎不可能发生的; • 但如果这种情况确实发生了,就有理由怀疑原来的假设, 即产品中只有1%次品的假设是否成立,这时就可以推 翻原来的假设,可以做出厂商的宣称是假的这样一个推 断。
19
α/2 1–α
α/2
–Zα/2
Zα/2
(a)双侧检验
α
α
–Zα
0
0

(b)左侧检验
(c)右侧检验
双侧、 图6-1 双侧、单侧检验的拒绝域分配
  1. 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. 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. 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)。

第八章 假设检验§1 基本概念一、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 例如, 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, 还是拒绝例1 、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(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:μσ用和分别表示这一天袋X 装糖重总体的均值和标准差,2 ~(,0.015),X N μ则问题: 根据样本值判断机器正常(0.5μ=)或不正常(0.5 . μ≠) 提出两个对立假设 00:0.5H μμ== 10: H μμ≠再利用已知样本作出判断是接受假设0H (拒绝假设1H ) ,还是拒绝假设0H (接受假设1H ).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。

,X μ因为是的无偏估计量00 , || ,H x μ-所以若为真则不应太大0|||, x x μ-衡量的大小可归结为衡量的大小于是可以选定一个适当的正数k ,当观察值0 ,x k H ≥时拒绝假设,反之当当观察值 x 满足0,.k H <时接受假设。

0~(0,1),X H Z N =因为当为真时由标准正态分布分位点的定义得/2k z α=,/20,,z H α≥时拒绝/2z α<时接受0H 。

过程如下: 0.05,α=在实例中若取定/20.025 1.96,k z z α===则又已知9, n =0.01σ= 0.51x =由样本算得 2.21.96,=>即有于是拒绝0H ,认为包装机工作不正常。

二、假设检验的相关概念1、 原假设(零假设)0H 与备择假设(对立假设)1H2、 显著性水平α 0, ,z k x μ=≥如果则称与的差异是显著的则0, H 拒绝0, , z k x μ=<反之如果则称与的差异是,不显著的0 H 接受α数称为显著性水平,0x μ上述关于与有无显著差异的判断是在显著性水平. α之下作出的3、拒绝域与临界点 当检验统计量取某个区域C 中的值时, 我们拒绝原假设0H , 则称区域C 为0H 的拒绝域, 拒绝域的边界点称为临界点4、 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:(1) 当原假设0H 为真, 观察值却落入拒绝域, 而作出了拒绝0H 的判断, 称做第一类错误, 又叫弃真错误, 这类错误是“以真为假”. 犯第一类错误的概率是显著性水平α00()P H H =拒绝为真(2)当原假设0H 不真,而观察值却落入接受域, 而作出了接受0H 的判断, 称做第二类错误, 又叫取伪错误, 这类错误是“以假为真”. 犯第二类错误的概率记为00()P H H β=接受为假当样本容量n 一定时, 若减少犯第一类错误的概率, 则犯第二类错误的概率往往增大,若要使犯两类错误的概率都减小, 除非增加样本容量.1、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, 称为显著性检验二、 假设检验的一般步骤01., H 根据实际问题的要求提出原假设及备择1 H 假设2. n α给定显著性水平以及样本容量3 确定检验统计量以及拒绝域形式004.{}P H H α=按为真拒绝求出拒绝域§2 单个正态总体均值和方差的假设检验 一、单个正态总体均值μ的检验(水平α) 问题1 设总体2(,)XN μσ,样本1,,n X X ,给定检验水平α,待检验问题0010::H H μμμμ=≠(双边检验)解:(1)若2σ为已知,由0H 为真时 N(0,1)X Z =,根据上分位点的概念得2()P Z Z αα>=,所以0H 的拒绝域为2C Z Z α⎧⎫=>⎨⎬⎩⎭,根据样本点可以判断接受还是拒绝0H(2)若2σ为未知,由0H 为真时, T(1)X t n =-,同样根据上分位点得2((1))P T t n αα>-=,所以0H 的拒绝域为2{(1)}C T t n α=>-,根据样本点可以判断接受还是拒绝0H问题2 设总体2(,)XN μσ,样本1,,n X X ,给定检验水平α,待检验问题00010:():H H μμμμμμ≥=<(单边检验)解:(1)若2σ为已知,由0H 为真时 N(0,1)X Z =,根据上分位点的概念得()P Z Z αα<-=,所以0H 的拒绝域为{}C Z Z α=<-,根据样本点可以判断接受还是拒绝0H(2)若2σ为未知,由0H 为真时, T(1)X t n =-,同样根据上分位点得((1))P T t n αα<--=,所以0H 的拒绝域为{(1)}C T t n α=<--,根据样本点可以判断接受还是拒绝0H 问题3 设总体2(,)XN μσ,样本1,,n X X ,给定检验水平α,待检验问题00010:():H H μμμμμμ≤=>(单边检验)解:(1)若2σ为已知,由0H为真时 N(0,1)X Z =,根据上分位点的概念得()P Z Z αα>=,所以0H 的拒绝域为{}C Z Z α=>,根据样本点可以判断接受还是拒绝0H(2)若2σ为未知,由0H 为真时, T(1)X t n =-,同样根据上分位点得((1))P T t n αα>-=,所以0H 的拒绝域为{(1)}C T t n α=>-,根据样本点可以判断接受还是拒绝0H单个正态总体均值μ的检验(水平α)N(0,1) (1)t n -例1、设某次考试的成绩X 服从正态分布2(,)N μσ,从中随机抽取25位考生的成绩,算得平均成绩为66.5分,样本标准差为15分,问在显著性水平0.05下,是否可以认为全体考生的平均成绩为70分。

(0.025(24) 2.064t =)解:设成绩2(,)XN μσ 01:70,:70,H H μμ=≠由于2σ未知,故选(1)t t n =-故0H 的拒绝域为0.0252{(1)}{(24)}{ 2.064}t t n t t t α>-=>=>题中66.5,15,25,0.05X S n α====,计算得 1.17t =,故接受0H ,可以认为全体考生的平均成绩为70分。

例2、一批电子元件, 要求其使用寿命不得低于1000小时, 现从中抽取25件, 测得寿命平均值为990小时, 样本标准差为100小时, 假定寿命总体服从正态分布, 试问在显著性水平05.0=α下这批产品是否合格? 参考数据:()()()708.125 ,711.124 ,06.22405.005.0025.0===t t t解:设寿命2(,)XN μσ ,01:1000,:1000,H H μμ≥<由于2σ未知,故选(1)t t n =-,0H 的拒绝域为0.05{(1)}{(24)}{ 1.711}t t n t t t α<--=<=<-, 题中 990,100,25,0.05X S n α====,计算得0.5t =-,故接受0H ,即产品合格例3、某种电子元件的寿命X (以小时计)服从正态分布, 2,μσ 均为未知. 现测得16只元件的寿命如下:159280101212224379179264222362168250149260485170,问是否有理由认为元件的平均寿命大于225(小时)?(0.05)α=解:001:225,:225H H μμμ≤=>2σ未知,用T 检验,T (1)t n =-,0H 的拒绝域为{(1)}C T t n α=>-{}0.05=T>(15) 1.7531t =,计算样本0.6685 x T ==,0 , H 故接受认为元件的 225平均寿命不大于小时。

二、单个正态总体方差2σ的检验(水平α) 问题1 设总体2(,)XN μσ,样本1,,n X X ,给定检验水平α,待检验问题22220010::H H σσσσ=≠解:(1)若μ为已知,由0H 为真时2222101() ()nii Xn χμχσ==-∑,根据上分位点的概念得2222122(())(())P n P n ααχχχχα->+<=,所以0H 的拒绝域为2222122{()}{()}C n n ααχχχχ-=><, 根据样本点可以判断接受还是拒绝0H(2)若μ为未知,由0H 为真时,2222221(1)1()=(1)ni i n S XX n χχσσ=-=--∑,同样根据上分位点得2222122((1))((1))P n P n ααχχχχα->-+<-=,所以0H 的拒绝域为2222122{(1)}{(1)}C n n ααχχχχ-=>-<-,根据样本点可以判断接受还是拒绝0H 问题2 设总体2(,)XN μσ,样本1,,n X X ,给定检验水平α,待检验问题22222200010:():H H σσσσσσ≥=<解:(1)若μ为已知,由0H 为真时2222101() ()nii Xn χμχσ==-∑,根据上分位点的概念得221(())P n αχχα-<=,所以0H 的拒绝域为221{()}C n αχχ-=<, 根据样本点可以判断接受还是拒绝0H (2)若μ为未知,由0H 为真时,222222100(1)1()=(1)nii n S XX n χχσσ=-=--∑,同样根据上分位点得221((1))P n αχχα-<-=,所以0H 的拒绝域为221{(1)}C n αχχ-=<-,根据样本点可以判断接受还是拒绝0H问题3 设总体2(,)XN μσ,样本1,,n X X ,给定检验水平α,待检验问题22222200010:():H H σσσσσσ≤=>解:(1)若μ为已知,由0H 为真时2222101() ()nii Xn χμχσ==-∑,根据上分位点的概念得22(())P n αχχα>=,所以0H 的拒绝域为22{()}C n αχχ=>, 根据样本点可以判断接受还是拒绝0H(2)若μ为未知,由0H 为真时,2222221(1)1()=(1)ni i n S XX n χχσσ=-=--∑,同样根据上分位点得22((1))P n αχχα>-=,所以0H 的拒绝域为22{(1)}C n αχχ=>-,根据样本点可以判断接受还是拒绝0H单个正态总体方差2σ的检验(水平α)()n χ (1)n χ-例4、某厂生产的某种型号的电池, 其寿命长期以来服从方差2σ=5000的正态分布, 现有一批这种电池, 从它生产情况来看, 寿命的波动性有所变化.现随机的取26只电池, 测出其寿命的样本方差2S =9200. 问根据这一数据能否推断这批电池的寿命的波动性较以往的有显著的变化? (0.02)α= 解: 2201:5000,:5000H H σσ=≠μ为未知0H 为真时,2222(1)(1)n S n χχσ-=-,26,n =0.02,α=205000,σ=0H 的拒绝域2222122{(1)}{(1)}C n n ααχχχχ-=>-<-22220.010.99{(25)44.314(25)11.524χχχχ=>=<=或}计算得220(1)25920046 5000n s σ-⨯==0 ,H 所以拒绝认为这批电池的寿命的波动性较以往的有显著的变化.例5、 某自动车床生产的产品尺寸服从正态分布,按规定产品尺寸的方差 不得超过0.1, 为检验该自动车床的工作精度, 随机的取25件产品, 测得样本方差2S =0.1975,问该车床生产的产品是否达到所要求的精度?(0.05)α= 解:2201:0.1,:0.1H H σσ≤>μ为未知0H 为真时,2222(1)(1)n S n χχσ-=-,0H 的拒绝域22{(1)}C n αχχ=>- 220.05{(24)36.415}χχ=>=计算样本得220(1)240.197547.4 0.1n s σ-⨯==36.415>所以0 H 拒绝,认为该车床生产的产品没有达到所要求的精度。

相关文档
最新文档