概率论考点之检验统计量（区间估计）

最新推荐文章于 2024-07-16 13:12:21 发布

guangod

最新推荐文章于 2024-07-16 13:12:21 发布

阅读量8.3k

点赞数 3

分类专栏：自学考试

本文链接：https://blog.csdn.net/guangod/article/details/114776437

版权

自学考试专栏收录该内容

223 篇文章 82 订阅

订阅专栏

如题：2019年10月

分析：新东西……。

这个题就是考概念，方差已知求均值的统计量应该为u检验，详见4正态总体均值的假设检验1，所以答案选A。

1、假设检验的思想？？

先做出假设（原假设），同时写出假设的对立面（备择假设），对于这个假设找出相关的统计量。算一下这个假设下，应该服从什么分布。根据这个分布找一下接收域和拒绝域。如果落在拒绝域里面，就判断原假设是错误的。基本思想是“小概率事件”原理，也就是小概率事件在一次试验中基本上不会发生。所以基础，就是找出拒绝域（小概率事件）。显然，“小概率事件”的概率越小，否定原假设H0就越有说服力，常记这个概率值为α(0<α<1)，称为检验的显著性水平。对于不同的问题，检验的显著性水平α不一定相同，一般认为，事件发生的概率小于0.1、0.05或0.01等，即“小概率事件” 。拒绝域的面积就等于检验水平 $\alpha$ ，1- $\alpha$ 就是接收域的面积。由此也可以看出，置信区间对应的接收域

适用范围：

只对总体里的未知参数作出假设检验，而不对分布作出假设，也就是参数检验

只对一个假设提出检验，判断它是否成立，而不同时研究其他假设，也就是显著性检验

2、什么是 $\alpha$ ，什么又是 $\beta$ ？？？

都是概率， $\alpha$ 是拒真的概率，明明是对的，把它给否了

$\beta$ 是取伪的概率，明明是错的，认为它是对的

注：假设检验可能犯的两种错误。

①当假设H0正确时，小概率事件也有可能发生，此时我们会拒绝假设H0。因而犯了“弃真”的错误，称此为第一类错误，犯第一类错误的概率恰好就是“小概率事件”发生的概率α，即

②当假设H0不正确，但一次抽样检验未发生不合理结果时，这时我们会接受H0，因而犯了“取伪”的错误，称此为第二类错误，记β为犯第二类错误的概率，即 P{接受H0/H0不真}=β

般只有当样本容量n增大时，才有可能使两者变小。在实际应用中，一般原则是：控制犯第一类错误的概率，即给定α，然后通过增大样本容量n来减小B。这种着重对第一类错误的概率α加以控制的假设检验称为显著性检验。

3、假设检验的基本步骤：

区间估计的选取原则，详见扩展，区间估计

4、正态总体均值的假设检验

1、方差已知时，单个正态总体均值检验，也称为u检验

注：统计量U是如何根据置信区间得出的呢？？？

置信区间代表的接收域，而 $U_{\frac{\alpha}{ 2}}$ 表示的是临界值。当P{|U|> $U_{\frac{\alpha}{ 2}}$ }= $\alpha$ ,这个表示拒绝域，小概率事件。当|U| $\leq$ $U_{\frac{\alpha}{ 2}}$ 表示置信区间，根据置信区间的公式，可以表示出 $U_{\frac{\alpha}{ 2}}$ = $\frac{\bar{x}-\upsilon _{0}}{\frac{\sigma }{\sqrt{n}}}$ 这个就是统计量也就是假设值的临界值。