数理统计第八章 假设检验重点
合集下载
相关主题
- 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)。
t ∈ T通常用一个不等式来表示,这样就得到了一个检验法 则。现在,我们已经把S的划分转化为统计量 t 的值域空间 的划分, 这是一个把n维的问题转化为一维的问题。
例:设某厂生产一种灯管,其寿命X~ N( , 40000),由以 往经验知平均寿命 =1500小时,现采用新工艺后,在所生 产的灯管中抽取25只,测得平均寿命1675小时,问采用新
第八章
假设检验
假设检验的基本思想和概念 参数假设检验
正态总体均值的假设检验 正态总体方差的假设检验
非参数假设检验 奈曼-皮尔逊引理和UMPT
8.1假设检验的基本概念和思想
一、基本概念
(一) 两类问题
1、参数假设检验
1 , , n ~ f ( x, ), 总体分布已知,参数未知,
按这种法则做出的检验称为“显著性检验”,此时称 为显著性水平或检验水平。
二、显著性检验法则的构造
构造统计量t =t(X1, …, Xn), x1, …, xn为样本观测值, 令 T={t =t (x1, …, xn)满足某条件: (x1, …, xn) ∈ C}
于是
P{t ∈T|H0真} =P{(x1, …, xn) ∈C| H0真} = ;
iid
1. 2已知的情形 对于假设H0: = 0; H1: 0,构造
显著性检验解题步骤简述:
做假设 ; 构造统计量 ; 推求拒绝域 ; 查表计算 ; 比较大小得结论.
8.2 单正态总体参数(均值与方差)的假设检验
一、 单总体均值的假设检验
设X 1, ,X n ~ N ( , 2 ), 给定检验水平,由观测 值 x1, ,xn检验假设H 0: 0;H1: 0。
工艺后,灯管寿命是否有显著提高。
解:经分析要检验的假设为 H 0: 1500;H1: 1500
由于拒绝H 0意味着接受H1: 1500,而 X 是的无偏估计, 故存在K 0,使 X 1500 K,从而,有
P{拒绝H 0 | H 0真} P{X 1500 K | 1500}
iid
(三) 检验法则与拒绝域
以样本(1, …, n)出发制定一个法则,一旦观 测值(x1,…,xn)确定后,我们由这个法则就可作出 判断:是拒绝H0还是接受H0. 这种法则称为H0对H1的 一个检验法则,简称检验法。 样本观测值的全体组成样本空间S,把S分成两 个互不相交的子集C和C*,即S=C∪ C*, C∩C*=, 假设当(x1,…,xn)∈ C时,我们就拒绝H0;当
(x1,…,xn)∈ C*时,我们就接受H0. 子集C S就 称为检验的拒绝域(或临界域 )。
(四) 检验的两类错误
我们给出了H0对H1的某个检验法则,即给出了S 的一个划分:C与C*,由于样本的随机性,在进行判断 时,还可能犯错误。
{拒绝H0| H0真}={(x1, …, xn) ∈ C | H0真} ——第一类错误或“弃真” {接受H0| H0假}={(x1, …, xn) ∈ C*| H0假} ——第二类错误或“取伪” 这两个事件都是小概率事件,常记P{拒绝H0| H0真}=, P{接受H0| H0假}= , , 在0~1之间,通常不超过0.1。
X 1500 H 0真 X U ~ N (0, 1),其中 200,n 25; n n
H 0真时,
P{U z } ,其中z
K n
得到 T {t U
x 1500 z: ( x1, , xn ) C}, 200 n
由观测值x1, …, xn检验假设H0:=0;H1:≠0 2、非参数假设检验
iid
检验假设H0: F(x)=F0(x;); H1: F(x)≠F0(x;)
1, , n ~ , 总体分布未知,由观测值x1,…, xn
iid
本课程主要讨论参数假设检验; 说明: (1)假设也称为统计假设; (2) H0称为原假设;H1称为备择假设; (3) 做假设检验的最终目的是作出推断:是接受原假设, 还是拒绝原假设而接受备择假设。
(五) 显著性检验
对于给定的一对H0和H1,总可找出许多临界域, 人们自然希望找到这种临界域C,使得犯两类错误的 概率和 都很小。但在样本容量n一定时,这又是做 不到的,除非容量 n无限增大。
奈曼—皮尔逊 (Neyman—Pearson)提出了一个 原则:在控制犯第一类错误的概率的条件下,尽量 使犯第二类错误 小,这是最优检验 (MPT) ,但是有 时MPT法则很难找到,甚至不存在。在这种情况下, 我们不得不降低要求,另提一些原则。应用上常采纳 的原则是“只对加以限制,而不考虑 的大小”。
其中C {( x1, , xn ):U z }, 简记为U z。
现给定 0.05,则查表得z z0.05 1.645, 计算得 x 1500 1675 1500 U 4.375 1.645 z 200 / 5 200 25
故观测值(x1,…,xn)∈C,可作出结论: 拒绝 H0 而接受H1: >1500,即认为采用新工艺后,灯管寿命有了显著提高.
显著性检验的思想和步骤:
(1)根据实际问题作出假设H0与H1;
(2)构造统计量,在H0真时其分布已知; (3)给定水平的值(一般为0.05,0.025,0.01,0.005等), 求出 H0对H1的拒绝域C;
(4)查表、计源自文库得分位点和统计量的值; (5)比较统计量与分位点值的大小,得出结论,依据是小概率 原理。
(二)简单假设与复合假设
如果一个统计假设完全确定总体的分布,则称该假设 为简单假设,否则就称为复合假设。 例如对于 1 , , n ~ f ( x, ), 则称
H 0: 0是简单假设,而H1: 0或 H 0:F ( x) F0 ( x; )(未知)则都是复合假设。