当前课程知识点:概率论与数理统计 > 第八章 假设检验 > 第2节 正态总体参数的假设检验 > 8.2.3 正态总体方差的假设检验
大家好
这一讲我们继续介绍
单个正态总体参数的假设检验
第二部分
总体方差的假设检验
设单个总体X服从正态分布
N(μ,σ²)
X₁,X₂到Xn₁为取自总体
X的容量为n的一个样本
Xbar,S²分别为总体X的
样本均值与样本方差
考虑假设问题
原假设
H₀: σ²=σ0²
其中σ0² 为已知的常数
与之对应的对立假设分为三种情况
H₁: σ²≠σ0²
H₁: σ²小于σ0²
H₁: σ²>σ0²
我们先来看第一种情况
检验假设
H₀: σ²=σ0²
H₁: σ²≠σ0²
其中
σ0²为已知的常数
这是对总体的方差做检验
我们就要用样本方差去做推断
因此
选择的检验统计量是
σ0²分之(n-1)S²
在原假设H₀成立的条件下
它是服从自由度为n-1的X²分布
由于样本方差S²为总体方差
σ²的无偏估计量
在原假设H₀成立的条件下
S²应该跟σ0²的值
是非常接近的
也就是说 这个σ0²分之S²
应该集中在1的左右
从而检验统计量的值应该是
集中在n-1的左右
这就意味着
如果检验统计量的值
过分的大或者过分的小
那么我们就拒绝原假设H₀
基于上述思想
我们给出H₀的拒绝域
大家要注意到 检验统计量
它的取值是非负的
接下来,对于给定的显著性水平α
我们考察X²分布的密度图形
它的密度图形虽然是不对称的
但是我们取的分位数点依然是对称的
分位数点
大家接下来看这个图形
我们考察自由度为n-1的X²分布的
上二分之α分位数
以及 下二分之α分位数
那么落在这两个点左右两侧的面积
分别都是二分之α
因此
统计量的值大于零
小于等于下二分之α分位数的概率
是二分之α
或者统计量的值大于等于
上二分之α分位数的概率
也是二分之α
α小
二分之α更小
这两个事件当中的任何一个事件
都是小概率事件
任何一个事件发生
都将会导致小概率事件发生
因此H₀的拒绝域为
统计量的取值大于零
小于等于下二分之α分位数
或者统计量的值大于等于
上二分之α分位数
这里我们需要说明的是
采用服从X²分布的
检验统计量的这种方法
我们称之为X²检验法
其二
这个原假设H₀的拒绝域有两个临界值
一个是自由度为n-1的
上二分之α分位数
一个是自由度为n-1的
下二分之α分位数
它的临界值有两个
拒绝区域位于临界值的两侧
因此我们称之为双侧检验
接下来
我们来介绍单侧检验
检验假设
H₀: σ²=σ0²
H₁: σ²小于σ0²
其中σ0²为已知的常数
需要说明的是我们的假设
也可以写成
H₀: σ²>=σ0²
H₁: σ²小于σ0²
这两种不同的形式
它们的检验法则和检验效果也是一致的
接下来 我们选择检验统计量
由于对总体的方差做检验
选择的检验统计量依然是
σ0²分之(n-1)S²
下面 我们来构造拒绝域
大家可以看到在H₁中
σ²小于σ0²
当H₁为真时
σ²的估计量S²
它的值往往是偏小的
因此,若检验统计量值偏小
我们就拒绝原假设H₀
从而H₀的拒绝域在左侧
大家看图
落在点X² α(n-1)
左侧区域的面积是α
因此
H₀的拒绝域为统计量大于零
小于等于 x² α(n-1)
这是一个左侧检验
那么类似的 我们也可以得到右侧检验
检验假设 H₀: σ²=σ0²
H₁: σ²>σ0²
其中
σ0²为已知的常数
与左侧检验类似
我们依然可以写成
H₀: σ²小于=σ0²
H₁: σ²>σ0²
这两种形式
它们的检验效果和检验法则也是一致的
接下来 我们选择检验统计量
依然还是
σ0²分之(n-1)S²
现在大家可以猜出它的拒绝域了吧
我们来看H₁
在备择假设H₁当中
σ²>σ0²
当H₁为真时
S²作为σ²的估计量
它的值往往是偏大的
因此
如果S²的值偏大
我们就拒绝原假设H₀
从而H₀的拒绝域在右侧
这是一个右侧检验
我们来看图
落在点X² 1-α(n-1)
右侧区域的面积为α
因此 它的拒绝域就是
统计量的值大于等于X² 1-α(n-1)
左侧检验和右侧检验
我们统一称为单侧检验
接下来 我们看一道例题
某制药厂为提高药物生产的稳定性
在改进设备后试产了9批
其收率百分数
分别为如下数据
若已知收率X服从正态分布
参数μ和σ²均未知
试判断(1)收率的总体方差
同常数13是否有显著差异
显著性水平α取成0.05
这个问题转化成判断
在改进设备后总体的方差
σ²同常数13是有差别
还是没有差别
因此我们的原假设取成没有差别
第一步提出假设
H₀: σ²=σ0²=13
H₁: σ²≠σ0²
这是一个双侧检验
由于对总体的方差提出检验
那么我们选择的检验统计量
是
σ0²分之(n-1)S²
在原假设H₀成立的条件下
它是服从自由度为n-1的X²分布
这个双侧检验的拒绝域有两个临界值
拒绝域 就是统计量的取值大于零
小于等于下二分之α分位数
或者统计量的值大于等于
上二分之α分位数
接下来 我们要代入数据
给出具体的拒绝域以及做出判断
α=0.05
n=9
我们要确定的两个临界值
一个是X² 二分之α(n-1)
也就是
X² 0.025(8)
另一个是X² 1减二分之α(n-1)
也就是X² 0.975(8)
通过查X²分布表
我们可以得到
X² 0.975(8)=17.535
x² 0.025(8)=2.180
因此H₀的拒绝域就是
统计量的取值
大于0小于等于2.180或者
统计量的取值大于等于17.535
这也就是说
如果统计量的值过分的小或者过分的大
我们就拒绝原假设H₀,
接下来 代入数据做出判断
由于样本的标准差
它的值等于根号下3.1288
代入检验统计量
也就是13分之9-1
然后乘以S²
3.1288,求出来的值
是1.9217
显然统计量的值是大于零
小于下二分之α分位数 2.18
这说明了统计量的值落在拒绝域之内
因此我们就拒绝原假设H₀
从而认为收率的总体方差与13
是有显著性的差别
这是一个双侧的问题
那接下来看第二个
让我们判断收率的总体方差
是否低于13
α取成0.05,这个问题转化成判断
改进设备之后
我们希望从已有的数据当中
得到支持的结论
即改进设备之后差异变小
因此备择假设我们取成
σ²小于13,即差异变小
那么原假设取成与这个论述否定的假设
因此,第一步我们提出假设
H₀: σ²=σ0²=13
H₁: σ²小于σ0²
大家也可以写成
H₀: σ²>=σ0²
H₁: σ²小于σ0²
它们的检验效果
检验法则也是一致的
从H₁可以看出
这是一个左侧检验
而且这是对总体方差所构造的检验
因此我们选择的检验统计量
还是σ0²分之(n-1)S²
H₀的拒绝域应该是位于左侧
它的拒绝域是统计量的值
大于零
小于等于x² α(n-1)
即自由度为n-1的X²分布的
下α分位数
接下来 我们代入数据来进行判断
由于α=0.05
n=9
我们需要确定的临界值
是x² α(n-1)
也就是x² 0.05(8)
大家可以查表求出来
这个值是2.733
从而我们得到
H₀的拒绝域可以写成
统计量的值大于0
小于等于2.733
最后一步
求出样本值来做判断
样本的标准差S等于
根号下3.1288
统计量的值
13分之9-1
乘以S²
那这个值等于
1.9217
它比
临界下限2.733还要小
这说明检验统计量的值过分的小了
因此我们就拒绝原假设H₀
从而认为收率的总体方差
是低于这个常数13的
也就是说设备改进了之后
总体的差异变小了
好,下面我们总结一下这一讲的内容
这一讲介绍了单个正态总体方差的假设检验
采用的方法是X²检验法
也分别对双侧和单侧两种情况讨论了
它的拒绝域,自此
单个正态总体参数的检验全部完结
谢谢大家
-第1节 随机事件
--1.1 作业
-第2节 概率的定义和性质
--1.2 作业
-第3节 古典概型与几何概型
--1.3 作业
-第4节 条件概率
--1.4 作业
-第5节 随机事件的独立性
--1.5 作业
-本章测试
--第一章测试
-第1节 随机变量与分布函数
--2.1 作业
-第2节 离散型随机变量
--2.2 作业
-第3节 连续型随机变量
--2.3 作业
-第4节 随机变量函数的分布
--2.4 作业
-本章测试
--第二章测试
-第1节 二维随机向量及其分布函数
--3.1 作业
-第2节 二维离散型随机向量
--3.2 作业
-第3节 二维连续型随机向量
--3.3 作业
-第4节 条件分布与随机变量的独立性
--3.4 作业
-第5节 随机向量函数的分布
--3.5 作业
-本章测试
--第三章测试
-第1节 数学期望
--4.1 作业
-第2节 方差
--4.2 作业
-第3节 协方差和相关系数
--4.3 作业
-第4节 矩和协方差矩阵
-本章测试
--第四章测试
-第1节 大数定律
--5.1 作业
-第2节 中心极限定理
--5.2.2 De Moivre-Laplace 中心极限定理
--5.2 作业
-本章测试
--第五章测试
-第1节 数理统计的基本问题
-第2节 总体、样本和统计量
--6.2 作业
-第3节 抽样分布
--6.3 抽样分布
--6.3 作业
-第4节 抽样分布定理
--6.4 作业
-本章测试
--第六章测试
-第1节 参数点估计
--7.1 作业
-第2节 区间估计
--7.2 作业
-第3节 非正态总计参数的区间估计
--7.3 作业
-本章测试
--第七章测试
-第1节 假设检验的基本概念
--8.1 作业
-第2节 正态总体参数的假设检验
--8.2 作业
-第3节 非正态总体参数的假设检验
-本章测试
--第八章测试
-期末考试