当前课程知识点:概率论与数理统计 > 第十六周 假设检验 > 单个正态总体参数的假设检验 > 16.3 单个正态总体参数的假设检验
关于正态总体期望的假设检验问题
主要有三种形式
设X1、X2到Xn是来自期望为mu
方差为sigma方的正态分布总体
考虑如下三种关于期望mu的检验问题
第一种
原假设为mu小于等于某个常数mu零
备择假设为mu大于mu零
均值偏小是正常的
均值偏大是异常的
只有一个方向是异常的
称为单侧检验
第二种
原假设是mu大于等于mu零
备择假设是mu小于mu零
也是单边检验
第三种情况
原假设是mu等于mu零
备择假设是mu不等于mu零
均值偏大 偏小
在这两个方向上偏离都是异常的
称为双侧检验
这幅图显示了第一种
正态总体期望的假设检验形式的拒绝域
原假设mu小于等于mu零
备择假设mu大于mu零的单侧检验
红色部分为显著性水平0.05的拒绝域
红色部分的面积为0.05
第二种形式的单侧检验
和第一种类似
其拒绝域相应的在左侧
这幅图表示第三种
正态总体期望的假设检验形式的拒绝域
原假设mu等于mu零
备择假设mu不等于mu零的双侧检验
红色部分为显著性水平0.1的拒绝域
拒绝域是对称的
两侧的红色部分面积分别都是0.05
下面给出sigma已知时
上述三种正态总体期望的检验的具体实现
当sigma已知时
对单侧检验问题
原假设mu小于等于mu零
备择假设mu大于mu零
X一拔服从期望为mu
方差为n分之sigma方的正态分布
将其变换为标准正态分布
可以用来作为检验统计量
通常称这个检验为U检验
X一拔的取值越大越异常
拒绝域选为满足sigma分之根号n
乘x一拔减mu零大于等于常数c的
x1、x2到xn的集合
c为临界值
显著性水平为alpha时
检验统计量大于等于c的概率
就是检验统计量的观测值
出现异常时概率等于1减alpha
c就等于分位数u 1减alpha
同理可以确定问题(2)(3)
两种形式的拒绝域
留给同学们课后练习
看一个正态总体均值的假设检验例题
设某工厂生产一种产品
其质量指标服从正态分布
期望为mu 方差为2的平方
mu为平均质量指标
其值越大则质量越好
mu等于10是达到优级的标准
进货商店从一批产品
抽取容量为16的样本
取显著性水平为alpha等于0.05
问如何检验这一批产品是否达到优级
将这一问题整理为标准的
假设检验问题的形式
首先考虑原假设的设定
以产品优质为原假设
和产品不优质为原假设
得到的检验规则和结果
可能都是很不一样的
所以要分两种情况讨论
第一种情形
按照过去长时间的记录
商店的检验人员相信该厂的产品质量很好
当然这也不排除偶尔出现一批
质量较差的产品
这时以产品优质为原假设
第二种情形
按照过去长时间的记录
该厂的产品质量一直不够好
或该厂产品它质量声誉不好
这时 就要以产品质量不优质为原假设
下面对两种情形下的假设检验
给出具体的实现过程和结果
产品质量指标服从参数mu
2的平方为参数的正态分布
mu大于等于10为优级
对产品是否达到优级
进行显著性水平为0.05的假设检验
考虑第一种情形
根据该厂的信誉和合作都非常良好
这时以产品优质为原假设
即mu大于等于10为原假设
备择假设为mu小于10
当参数mu取临界值10时
样本均值X一拔减10除以2分之1
服从标准正态分布
作为检验统计量
此时样本均值越小越异常
拒绝域为x一拔减10除以2分之1
小于u 0.05
即x一拔小于等于9.18
所以当样本均值的观测值x一拔
大于9.18时
接受原假设
接受产品为优级
第二种情形
按照该厂的信誉和合作都不够好
这时以产品不优质为原假设
即mu小于10为原假设
备择假设为mu大于等于10
此时样本均值越大越异常
拒绝域为x一拔减10除以2分之1
大于等于u 1减0.05
即x一拔不小于10.82
所以当样本均值的观测值x一拔
大于10.82时
拒绝产品不是优级的原假设
认为产品为优级
选取mu大于等于10作为原假设时
只要X一拔不小于9.18
就认为产品为优级
当选取mu小于10作为原假设时
X一拔就需要达到10.82以上
产品才被认为是优级
这个例子反映了假设检验
保护零假设的特性
情形一的做法对接受产品为优级有利
情形二的做法
则对接受产品为优级比较苛刻
要求有强有力的证据证明产品质量优秀
才能接受产品为优级
假设检验中
都是以常识性的
经验性的假设作为原假设
也就是以通常认为正常的情况作为原假设
除非数据表明特别的异常
这时才拒绝原假设
当sigma未知时
参数为mu sigma方的正态总体
的关于期望mu的假设检验
可利用服从n-1个自由度的t分布统计量
进行检验
通常称为t检验
在这里列出三种关于mu的检验问题的
显著性水平为alpha的拒绝域的结果
它们的推导留给同学们课下练习
假设检验与置信区间存在着密切的关联
三种形式的显著性水平为alpha的
正态总体期望的假设检验的接受域
与相应条件下
参数mu的1减alpha置信水平的
单边和双边置信区间完全是相同的
-随机试验与随机事件
-古典概型
--1.2 古典概型
--第一周:古典概型
-事件间的关系与事件的运算
--第一周:事件间的关系与事件的运算
-两个著名的例子
--第一周:两个著名的例子
-讲义
-条件概率
--2.1 条件概率
--第二周:条件概率
-有关条件概率的三个重要计算公式
--第二周:有关条件概率的三个重要计算公式
-事件的独立性
--第二周:事件的独立性
-应用实例
--2.4 应用实例
--第二周:应用实例
-网球比赛胜率的计算
--Video
-讲义
-随机变量及分布函数
--第三周:随机变量及分布函数
-离散型与连续型随机变量
--第三周:离散型与连续型随机变量
-分布函数的性质与特殊的例子
--第三周:分布函数的性质与特殊的例子
-概率论所需微积分要点回顾
--第三周:概率论所需微积分要点回顾
-讲义
-二项分布与负二项分布
--第四周:二项分布与负二项分布
-泊松分布
--4.2 泊松分布
--第四周:泊松分布
-几何分布与指数分布
--第四周:几何分布与指数分布
-正态分布
--4.4 正态分布
--第四周:正态分布
-讲义
-随机变量函数的分布
--第五周:随机变量函数的分布
-随机变量的数学期望
--第五周:随机变量的数学期望
-随机变量的方差
--第五周:随机变量的方差
-原点矩与中心矩
--第五周:原点矩与中心矩
-期望和方差的一些补充性质
--第五周:期望和方差的一些补充性质
-讲义
-二项分布与泊松分布的期望与方差
--第六周:二项分布与泊松分布的期望与方差
-几何分布的期望与方差
--第六周:几何分布的期望与方差
-均匀、指数和正态分布的期望与方差
--第六周:均匀、指数和正态分布的期望与方差
-随机变量数学期望的应用实例
--第六周:随机变量数学期望的应用实例
-快速排序算法的平均计算量分析
--Video
-讲义
-多维随机变量
-第七周:多维随机变量
-常见多维随机变量举例
--第七周:常见多维随机变量举例
-随机变量的独立性
--第七周:随机变量的独立性
-独立随机变量期望和方差的性质
--第七周:独立随机变量期望和方差的性质
-讲义
-条件分布
--8.1条件分布
--第八周:条件分布
-条件期望
--8.2 条件期望
--第八周:条件期望
-全期望公式(上)
--第八周:全期望公式(上)
-全期望公式(下)
--第八周:全期望公式(下)
-讲义
-随机变量函数的期望
--第九周:随机变量函数的期望
-协方差
--9.2 协方差
--第九周:协方差
-相关系数
-- 9.3 相关系数
--第九周:相关系数
-相关与独立
--第九周:相关与独立
-讲义
-独立随机变量和的分布
--第十周:独立随机变量和的分布
-独立正态分布和的分布
--第十周:独立正态分布和的分布
-最大值、最小值分布
--第十周:最大值、最小值分布
-顺序统计量
--第十周:顺序统计量
-讲义
-正态分布的相关与独立
--第十一周:正态分布的相关与独立
-边缘密度均为正态,联合分布不是二元正态的例子
--第十一周:边缘密度均为正态,联合分布不是二元正态的例子
-二项分布的正态近似
--第十一周:二项分布的正态近似
-正态近似计算实例
--第十一周:正态近似计算实例
-讲义
-大数定律
--12.1大数定律
--第十二周:大数定律
-中心极限定理
--第十二周:中心极限定理
-蒙特卡洛(Monte Carlo)算法
-伪随机数和随机模拟
-讲义
-统计学实例
-总体与样本
-常用统计量
--第十三周:常用统计量
-三种重要的统计分布和分位数
--第十三周:三种重要的统计分布和分位数
-讲义
-参数的矩估计
--第十四周:参数的矩估计
-参数的极大似然估计
--第十四周:参数的极大似然估计
-参数点估计的无偏性和有效性
--第十四周:参数点估计的无偏性和有效性
-参数点估计应用实例
--第十四周:参数点估计应用实例
-讲义
-区间估计的基本思想
--第十五周:区间估计的基本思想
-区间估计的构造方法
--第十五周:区间估计的构造方法
-两个正态总体的区间估计
--第十五周:两个正态总体的区间估计
-大样本置信区间
--第十五周:大样本置信区间
-讲义
-假设检验问题的提示和标准步骤
--第十六周:假设检验问题的提示和标准步骤
-假设检验问题的两类错误和P值
--第十六周:假设检验问题的两类错误和P值
-单个正态总体参数的假设检验
--第十六周:单个正态总体参数的假设检验
-拟合优度检验
--第十六周:拟合优度检验
-讲义
-利用条件概率计算网球比赛胜率
-利用期望的计算性质分析快速排序算法的平均计算量
-讲义
-事件
--事件
-分布函数
--分布函数
-正态
--正态
-指数与二项
--指数与二项
-随机变量函数的分布
-指数分布期望
--指数分布期望
-切比雪夫不等式
--切比雪夫
-二元离散
--二元离散
-协方差
--协方差
-二元特征
--二元特征
-统计量
--统计量
-无偏估计
--无偏估计
-点估计
--点估计
-假设检验
--假设检验
-选择
--选择
-填空
--填空
-大题
--大题