下载文档原格式
《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。
两个正态总体参数的假设检验推导一、引言假设检验是统计学中常用的方法，用于检验两个正态总体参数是否具有显著差异。
本文将介绍两个正态总体参数的假设检验的推导过程，主要包括以下步骤：假设提出、样本收集、样本检验、推断结论、结果解释和误差分析。
二、假设提出假设检验的基本思想是通过样本数据对总体参数进行推断。
在这个过程中，首先需要提出假设，即对两个正态总体参数的关系做出假设。
通常，假设检验中包含两个假设：零假设（H0）和备择假设（H1）。
零假设通常表示两个总体参数无显著差异，备择假设则是与零假设相对的假设。
例如，我们可以在零假设中设定两个总体均数相等，备择假设则是均数不等。
三、样本收集在提出假设后，需要收集样本数据以进行检验。
样本收集应遵循随机抽样的原则，以确保样本的代表性。
在收集样本时，还需要注意样本量的大小，以保证推断结论的准确性。
四、样本检验样本检验是假设检验的核心步骤，包括计算样本统计量、确定临界值和做出推断结论等步骤。
样本统计量是根据样本数据计算出的量，用于推断总体参数。
临界值是用于判断样本统计量是否达到显著差异的标准。
在做出推断结论时，需要根据样本统计量和临界值进行比较，以确定零假设是否被拒绝。
五、推断结论根据样本检验的结果，可以做出推断结论。
如果样本统计量超过了临界值，则可以拒绝零假设，接受备择假设；否则，不能拒绝零假设。
推断结论是假设检验的关键步骤之一，要求谨慎和客观地做出判断。
六、结果解释推断结论做出后，需要对结果进行解释。
解释结果时需要关注以下几点：一是理解推断结论的含义，二是明确结果对于实践的意义，三是注意结果的局限性，即样本量和误差范围等因素对结果的影响。
结果解释要求清晰明了地传达结果的含义和应用范围。
七、误差分析误差分析是假设检验中不可或缺的一环。
误差分为两类：一类是随机误差，由随机抽样造成；另一类是系统误差，由样本设计和处理等环节造成。
误差分析的目的是评估结果的可靠性和精确性，从而确定结果在实际应用中的可信度。
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。
