12.5 假设检验 12.5.1 假设检验问题 在统计中,我们称待考察的命题为假设,从样本去判断假设是否成立,称为假设检验. 例1 某工厂生产一种零件,零件的标准长度为02㎝,根据过去大量生产的零件数据算出标准差00.05cm.现在为了提高产量,采用一种新工艺生产,抽取新工艺加工的零件10个,测其长度的平均值是x1.980cm,问x与0之间的差异,纯粹是试验或测试的误差造成的,还是由于工艺条件的改变造成的? 解 由工艺条件的改变所引起的误差称为条件误差;由生产过程中受偶然因素的影响,以及对产品测量的不准确所造成的误差称为随机误差. 用0表示原工艺生产的零件长度X的数学期望,表示新工艺生产的零件长度的数学期望(未知),假设工艺的改变对零件长度没有显著影响,也就是x与 0的误差纯粹是随机误差,不存在条件误差,那么从理论上讲命题H0:0 应该是成立的. 现在要根据实测的10个样本数据来判断这个命题是否成立,命题H0:0称为零假设(或原假设),是待检验的假设,它的对立命题0称为对立假设(或备择假设),记作H1:0.一般地可表述为 H0:0,H1:0c. (12.5.1) 如果零假设H0:0成立,那么的估计值x与0的绝对差值x0 应较小,一旦x0“太大”了就应拒绝H0,就认为零假设H0:0不成立. 确定一个适当的常数u:当x0u时,就否定H0;当x0u时,就接受H0.拒绝假设H0的区域称为检验的拒绝域(如x0u),拒绝域的边界点称为临界值. 如何确定u值呢?我们知道,如果假设H0成立,则事件x0u发生的概率应该是很小的,即 Px0u. (12.5.2) 的值很小,称为显著性水平,可根据问题事先假定,如取0.05或上式表示x00.01).假设检验依据的原理就是“小u是一个小概率事件,概率事件在一次试验中实际上是不可能发生的”,一旦发生了,我们就有理由怀疑H0:0是否成立. 本例已知总体X~N(002),假设H0:0成立,即 Ux0/nx00/n~N(0,1). 于是(12.5.2)式化为 xu0 Px0uP/n/n00P(Uu0/n). 因此有 P(U)P(Uz)1 (12.5.3) 0/n22u成立,其中临界值z通过查正态分布数值表得到,即Φ(z)122,Ux00/n通过已知条件计算.在本例中x1.980,02,00.05,n10,则 xU00/n1.98020.05/101.265 查正态分布表得zz0.0251.96,因为Uz1.96, 说明(12.5.3)0.05,22式是满足的.(12.5.3)式的概率意义是:没有理由怀疑假设H0:2不成立,即零假设H0:2成立,新工艺没有改变生产条件,这样就回答了开始提出的问题. 12.5.2 假设检验的步骤 假设检验的步骤: (1)提出假设 H0:0,H1:0,这种假设称为双边假设. 如果检验的假设是:H0:0,H1:0,(或H1:0).这种假设检验称为单边检验. (2)确定检验H0的统计量 构造一个合适的统计量U,在假设检验中也称为检验量. (3)确定显著性水平,求临界值 根据问题的要求,确定,一般0.05(或0.001).求出在成立的条件下,满足 P(Uz)1 2的临界值z(查正态分布数值表Φ(z)1得到z). 2222(4)计算检验量的值并判断 根据样本值和检验所用的统计量U,计算检验量的值U0,并将U0与临界值z比较,若U0z,则判断H0不成立,拒绝H0,而接受H1;若U0z,222就没有理由怀疑H0的正确性,即接受H0,也常称为H0相容. 12.5.3 两个重要的概念 1.小概率原理 “小概率事件在一次试验中实际上是不可能发生,”这个原理称为小概率原理. 假设检验依据的就是小概率原理.如果在一次试验中,小概率事件没有发生,则接受零假设;否则,就拒绝零假设. 2.显著性水平的统计意义 假如H0本来是真的,因为一次抽样,发生小概率事件,而拒绝H0,这就犯了所谓的“弃真”错误(又称第一类错误),犯这种错误的概率记作,即 P{拒绝H0|H0为真} 我们自然希望把取得比较小,把它控制在一定限度以内,例如取0.05或0.01等,使得犯这种错误成为一个小概率事件,且遵从小概率原理.同样,假如 本文来源:https://www.wddqw.com/doc/b01d9298bad528ea81c758f5f61fb7360b4c2b23.html