第七章假设检验

《概率论与数理统计》第七章假设检验.第七章假设检验学习⽬标知识⽬标：理解假设检验的基本概念⼩概率原理；掌握假设检验的⽅法和步骤。

能⼒⽬标：能够作正态总体均值、⽐例的假设检验和两个正态总体的均值、⽐例之差的假设检验。

参数估计和假设检验是统计推断的两种形式，它们都是利⽤样本对总体进⾏某种推断，然⽽推断的⾓度不同。

参数估计是通过样本统计量来推断总体未知参数的取值范围，以及作出结论的可靠程度，总体参数在估计前是未知的。

⽽在假设检验中，则是预先对总体参数的取值提出⼀个假设，然后利⽤样本数据检验这个假设是否成⽴，如果成⽴，我们就接受这个假设，如果不成⽴就拒绝原假设。

当然由于样本的随机性，这种推断只能具有⼀定的可靠性。

本章介绍假设检验的基本概念，以及假设检验的⼀般步骤，然后重点介绍常⽤的参数检验⽅法。

由于篇幅的限制，⾮参数假设检验在这⾥就不作介绍了。

第⼀节假设检验的⼀般问题关键词：参数假设；检验统计量；接受域与拒绝域；假设检验的两类错误⼀、假设检验的基本概念（⼀）原假设和备择假设为了对假设检验的基本概念有⼀个直观的认识，不妨先看下⾯的例⼦。

例7.1 某⼚⽣产⼀种⽇光灯管，其寿命X 服从正态分布)200 ,(2µN ，从过去的⽣产经验看，灯管的平均寿命为1550=µ⼩时，。

现在采⽤新⼯艺后，在所⽣产的新灯管中抽取25只，测其平均寿命为1650⼩时。

问采⽤新⼯艺后，灯管的寿命是否有显著提⾼？这是⼀个均值的检验问题。

灯管的寿命有没有显著变化呢？这有两种可能：⼀种是没有什么变化。

即新⼯艺对均值没有影响，采⽤新⼯艺后，X 仍然服从)200 ,1550(2N 。

另⼀种情况可能是，新⼯艺的确使均值发⽣了显著性变化。

这样，1650=X 和15500=µ之间的差异就只能认为是采⽤新⼯艺的关系。

究竟是哪种情况与实际情况相符合，这需要作检验。

假如给定显著性⽔平05.0=α。

在上⾯的例⼦中，我们可以把涉及到的两种情况⽤统计假设的形式表⽰出来。

第七章假设检验实例：一项新的减肥产品在广告中声称：服用该产品的第一周内，参加者的体重平均至少可以减轻8磅。

现随机抽取40位服用该减肥产品的样本，结果显示：样本的体重平均减少7磅，标准差为3.2磅。

假定显著性水平为0.05.问：该广告是否是属实的？消费者该不该信赖它呢？有人说大学中男生的学习成绩比女生好。

现从一个学校中随机抽取了25名男生和16名女生，对他们进行同样题目的测试，测试结果表明，男生的平均成绩为82分，标准差为10分；女生的平均成绩为78分，标准差为7分。

假定显著性水平为0.05，问：调查数据能否支持该人的结论？回答这些问题我们需要进行假设检验！一、假设检验的基本问题（一）假设检验的定义假设检验—也称显著性检验，它是先对总体参数提出某种假设，然后利用样本信息判断假设是否成立的过程。

（二）假设检验的基本思想假设检验的基本思想即小概率事件原理。

小概率事件原理——即小概率事件在一次试验中是几乎不可能发生的。

也就是说，如果提出的总体的某个假设是真实的，那么不利于或不可能支持这一假设的小概率事件A在一次试验中几乎是不可能发生的，要是在一次试验中事件A发生了，我们就有理由怀疑这一假设的真实性，并拒绝这一假设。

（三）假设检验的基本形式假设：1、原假设：通常将研究者想收集证据予以反对的假设，也称为零假设，用H0表示。

2、备择假设：通常将研究者想收集证据予以支持的假设，或称为研究假设，用H1表示。

根据备择假设有无特定的方向，可将假设检验的形式分为双侧检验和单侧检验。

（1）双侧检验——备择假设没有特定的方向性，并含有符号“”的假设检验；（2）单侧检验——备择假设具有特定的方向性，并含有符号“<”或“>”的假设检验； 在单侧检验中，根据研究者感兴趣的方向不同： 左侧检验：研究者感兴趣的备择假设方向为“<”的假设检验；右侧检验：研究者感兴趣的备择假设方向为“>”的假设检验。

单侧检验单侧检验左侧检验右侧检验假设检验的表达式假设原假设备择假设双侧检验00:θθ=H 01:θθ≠H 00:θθ≥H 01:θθ<H 00:θθ≤H 01:θθ>H例1:消费者协会接到消费者投诉，指控某品牌纸包装茶叶存在重量不足，有欺骗消费者之嫌。

第七章假设检验第一节假设检验的基本知识一、假设陈述1、原假设/虚无假设：用H表示，常常是根据已有资料得出的，稳定、保守的经验性看法，没有充分根据是不会被推翻的。

2、备选假设/研究假设：与原假设对立的假设，用H1表示，经过抽样调查后，获得证据希望予以支持的假设。

二、假设检验的基本原理——小概率原理小概率原理：一次观察中小概率事件被认为不可能发生；如果一次观察出现了小概率事件，合理的想法应该是否定原有事件具有小概率的说法。

小概率原理在假设检验中的运用：抽取一个样本并计算出检验统计量，如果在原假设成立的条件下这个统计量几乎不可能发生，则拒绝原假设而接受备选假设。

反之，如果计算出的统计量发生的可能性不太小，则接受原假设。

即在原假设下，检验统计量是小概率事件则拒绝原假设。

例1：某市场有100位摊贩，根据以往统计，其中非本地居民占10%，现随机抽取10人调查，发现5个都不是本地人，则原有统计结果是否成立？解：H：100人中10个是非本地人。

计算在原假设成立的情况下，抽取5人都是非本地人的概率：P= C105 C905/C10010＜10-4可见，出现5名非本地人的结果概率极其小，但一次实验就出现了，所以怀疑原假设的真实性，拒绝原假设。

三、拒绝域与显著性水平1、显著性水平α，在原假设成立条件下，统计检验中规定的小概率的数量界限，常用的有α=0.10,0.05,0.01。

2、接受域和拒绝域根据原假设画出统计量的分布，以Z分布为例。

如果把拒绝原假设的小概率α事件定在分布的右侧尾部，则右侧面积代表的概率即显著性水平，Zα是临界值。

如果检验统计量值Z＞Zα，则应拒绝原假设；如Z＜Zα，则接受原假设。

以Zα为临界值，左边为接受域，右边为拒绝域。

也可把α定在左边或两边。

α1、双边检验如果拒绝域放在抽样分布的两侧，每侧拒绝域的概率分别为α/2，假设抽样本分布以0为对称，则P(|Z|＞Z α/2)= α；双边检验的假设如下：H 0: μ=μ0H 1: μ≠-Z α/2 Z α/2如果检验统计量|Z|＞Z α/2，则拒绝原假设，否则接受。

第七章 假设检验
1．从1997年的新生婴儿中随机抽取20名，测得其平均体重为3180g ，样本标准差为300g ，而从过去的统计资料知，新生婴儿的平均体重为3140g ，问现在的新生婴儿的体重有否显著变化？()01.0=α
2．检查一批保险丝，抽取10根在通过强电流后熔化所需时间(s)为
42 , 65 , 75 , 78 , 59 , 71 , 57 , 68 , 54 , 55
问在05.0=α下能否认为这批保险丝的平均熔化时间不小于65s(设熔化时间服从正态分布)？
3．在同一炼钢炉上进行改进操作方法后确定其得率是否有所变化的试验，用原方法和改进后的新方法各炼了10炉，其得率分别为
原方法：78.1，72.4，76.2，74.3，77.4，78.4，76.0，75.5，76.7， 77.3
新方法：79.1，81.0，77.3，79.1，80.0，79.1，79.1，77.3，80.2，82.1
设两种方法得率相互独立且均服从同方差的正态分布，问新方法的得率是否有所提高()01.0=α？
7．某企业生产钢丝以往所得折断力的方差为25，现从某日产品中随机抽取10根检验折断力，得数据如下(单位：kg):
578，572, 570, 568, 572, 570, 570, 572, 596, 584
设折断力服从正态分布，试在显著性水平0.05下，问该日生产钢丝折断力的方差是否有显著变化？。