数理统计——假设检验

概率论与数理统计(8)假设检验第八章假设检验第一节假设检验问题第二节正态总体均值的假设检验第三节正态总体方差的检验第四节大样本检验法第五节 p值检验法第六节假设检验的两类错误第七节非参数假设检验第一节假设检验问题前一章我们讨论了统计推断中的参数估计问题，本章将讨论另一类统计推断问题——假设检验.在参数估计中我们按照参数的点估计方法建立了参数的估计公式，并利用样本值确定了一个估计值，认为参数真值。

由于参数是未知的，只是一个假设（假说，假想），它可能是真，也可能是假，是真是假有待于用样本进行验证（检验）.下面我们先对几个问题进行分析，给出假设检验的有关概念，然后总结给出检验假设的思想和方法.一、统计假设某大米加工厂用自动包装机将大米装袋,每袋的标准重量规定为10kg，每天开工时，需要先检验一下包装机工作是否正常. 根据以往的经验知道,自动包装机装袋重量X服从正态分布N( )．某日开工后，抽取了8袋，如何根据这8袋的重量判断“自动包装机工作是正常的”这个命题是否成立？请看以下几个问题：问题1引号内的命题可能是真，也可能是假，只有通过验证才能确定．如果根据抽样结果判断它是真，则我们接受这个命题，否则就拒绝接受它，此时实际上我们接受了“机器工作不正常”这样一个命题．若用H0表示“”，用H1表示其对立面，即“”，则问题等价于检验H0：是否成立，若H0不成立，则H1：成立．一架天平标定的误差方差为10-4(g2)，重量为的物体用它称得的重量X服从N( )．某人怀疑天平的精度，拿一物体称n次，得n 个数据，由这些数据(样本)如何判断“这架天平的精度是10-4(g2)”这个命题是否成立？问题2记H0: =10-4，H1: ，则问题等价于检验H0成立，还是H1成立．某种电子元件的使用寿命X服从参数为的指数分布，现从一批元件中任取n个，测得其寿命值（样本），如何判定“元件的平均寿命不小于5000小时”这个命题是否成立？记问题3则问题等价于检验H0成立，还是H1成立．某种疾病，不用药时其康复率为，现发明一种新药（无不良反应），为此抽查n位病人用新药的治疗效果，设其中有s人康复，根据这些信息，能否断定“该新药有效”？记问题4则问题等价于检验H0成立，还是H1成立．自1965年1月1日至1971年2月9日共2231天中，全世界记录到震级4级及以上的地震共计162次，问相继两次地震间隔的天数X是否服从指数分布？问题5记服从指数分布，不服从指数分布．则问题也等价于检验H0成立，还是H1成立．在很多实际问题中，我们常常需要对关于总体的分布形式或分布中的未知参数的某个陈述或命题进行判断，数理统计学中将这些有待验证的陈述或命题称为统计假设，简称假设．如上述各问题中的H0和H1都是假设.利用样本对假设的真假进行判断称为假设检验。

假设检验的基本概念与应用假设检验是数理统计学的一种重要方法，用于验证一个假设是否成立。

在科学研究、工程技术和社会经济等领域都得到了广泛应用。

本文将介绍假设检验的基本概念和应用。

一、基本概念1. 假设假设是对某个事物性质、规律等的一种猜测或假设。

在假设检验中，我们通常将这个猜测称为零假设，表示我们要验证的假设是无效的、错误的或不成立的。

而对立假设则表示与零假设相反的另一种情况。

2. 检验统计量检验统计量是根据样本数据计算出来的一个数值，用于确定零假设是否成立或应予以拒绝的标准。

在假设检验中，我们选择一个检验统计量，对样本数据进行计算，并与一个参照分布进行比较，从而判断假设是否成立。

3. 显著性水平显著性水平是做出假设检验决策时所允许的犯错误的概率。

通常，我们需要在显著性水平α 的置信水平下进行假设检验。

一般常用的显著性水平有 0.05 和 0.01。

4. P 值P 值是指在零假设成立的条件下，得到或更极端观测结果的概率。

P 值越小，表示得到这个结果的概率越小，从而更有可能拒绝零假设。

二、应用实例为了更好地理解假设检验的应用，我们可以通过一个实例来进行说明。

假设有一个医院想研究新型药物对癌症患者的治疗效果，现在他们进行了一项测试，选取了两组患者，其中一组使用新型药物，另一组使用传统药物。

需要进行假设检验，以确定新型药物的治疗效果是否比传统药物更好。

零假设：新型药物的治疗效果不比传统药物更好。

对立假设：新型药物的治疗效果比传统药物更好。

假设检验步骤：1. 确定显著性水平。

假定采用 0.05 级别的显著性水平。

2. 收集数据。

选取两组患者，其中一组使用新型药物，另一组使用传统药物。

对每一组患者的治疗效果进行测量，并记录数据。

3. 计算检验统计量。

在本例中，我们选择比较两组患者的平均治疗效果的差异。

计算公式为：t = (x1-x2)/ (s/√n)其中 x1 和 x2 分别表示两组患者的平均治疗效果，s 表示标准误差，n 表示样本容量。

《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。

假设检验假设检验(Hypothesis Testing)是数理统计学中根据一定假设条件由样本推断总体的一种方法。

具体作法是：根据问题的需要对所研究的总体作某种假设，记作H0；选取合适的统计量，这个统计量的选取要使得在假设H0成立时，其分布为已知；由实测的样本，计算出统计量的值，并根据预先给定的显著性水平进行检验，作出拒绝或接受假设H0的判断。

常用的假设检验方法有u—检验法、t检验法、χ2检验法(卡方检验)、F—检验法，秩和检验等。

中文名假设检验外文名 hypothesis test提出者 K.Pearson 提出时间 20世纪初1、简介假设检验又称统计假设检验（注：显著性检验只是假设检验中最常用的一种方法），是一种基本的统计推断形式，也是数理统计学的一个重要的分支，用来判断样本与样本，样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。

其基本原理是先对总体的特征作出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受作出推断。

[1]2、基本思想假设检验的基本思想是小概率反证法思想。

小概率思想是指小概率事件（P<0.01或P<0.05）在一次试验中基本上不会发生。

反证法思想是先提出假设(检验假设H0)，再用适当的统计方法确定假设成立的可能性大小，如可能性小，则认为假设不成立，若可能性大，则还不能认为假设成立。

[2] 假设是否正确，要用从总体中抽出的样本进行检验，与此有关的理论和方法，构成假设检验的内容。

设A是关于总体分布的一项命题，所有使命题A成立的总体分布构成一个集合h0，称为原假设(常简称假设)。

使命题A不成立的所有总体分布构成另一个集合h1，称为备择假设。

如果h0可以通过有限个实参数来描述，则称为参数假设，否则称为非参数假设(见非参数统计)。

如果h0(或h1)只包含一个分布，则称原假设(或备择假设)为简单假设，否则为复合假设。

对一个假设h0进行检验，就是要制定一个规则，使得有了样本以后，根据这规则可以决定是接受它（承认命题A正确），还是拒绝它（否认命题A正确）。