概率统计D 08.01 假设检验

$\color{blue}{第八章 假设检验}$

$\color{blue}{\S 8.1 假设检验的概念}$

$在总体X的分布完全未知,或只知其分布但不知其参数的情况下,我\\ 们对X的分布或分布中的参数做出某种假设,然后根据样本,用统计\\ 分析方法检验这一假设是否合理,从而作出接受或拒绝这一假设.$

$\color{blue}{一、基本概念}$

$对总体X的分布或分布中的参数提出假设,就称为{\color{blue}{统计假设}}$

$所提出的假设叫做{\color{blue}{原假设}}(或零假设),记为H_0,\\ 对立于原假设的假设称为{\color{blue}{备择假设}}(或对立假设),记为H_1.$

$假设检验就是根据样本,适当构造一个统计量,\\ 按照某种规则,决定是{\color{blue}{接受}}H_0(拒绝H_1)还是{\color{blue}{拒绝}}H_0(接受H_1),\\ 所使用的统计量称为{\color{blue}{检验统计量}}.$
$只对总体分布中的参数提出假设进行检验的问题,称为{\color{blue}{参数检验}}.$

$\color{blue}{二、两类错误}$

$由于检验法则是依据样本做出的,因此假设检验的结果可能犯\\ 两类错误:$
${\color{blue}{第一类错误}}:当原假设H_0为真时,作出的决定却是拒绝H_0,\\ 犯这类错误的概率记为\alpha,即$
$P\lbrace拒绝H_0| H_0为真\rbrace = \alpha.$
${\color{blue}{第二类错误}}:当假设H_0不正确时,作出的决定却是接受H_0,\\ 犯这类错误的概率记作\beta,即$
$P\lbrace 接受H_0 | H_0不正确\rbrace = \beta.$

$在确定检验法则时,应尽可能使犯两类错误的概率都较小.\\ 但是,一般说来,当样本容量给定以后,若减少犯某一类错\\ 误的概率,则犯另一类错误的概率往往会增大,要使犯两类\\ 错误的概率都减小,只有增大样本容量.$

$\quad在给定样本容量的情况下,我们总是控制犯第一类错误的\\ 概率,让它小于或等于\alpha,而不考虑犯第二类错误的概率.这\\ 种检验问题称为显著性检验问题.数\alpha称为显著性水平.\alpha的\\ 大小依据具体情况确定.通常取\alpha = 0.1, 0.05, 0.01.$
$在对假设进行检验时,常使用某个统计量T,称为检验统计量.$
$\quad 当检验统计量取某个区域W中的值时,我们就拒绝原假设\\ H_0,则称区域W为{\color{blue}{拒绝域}}.拒绝域的边界点称为临界点.当检\\ 验统计量在某区域中取值时,我们就接受H_0,则称此区域为{\color{blue}{接\\ 受域}}.$

$例1.某车间用一台包装机包装味精,每袋标准重量为100g,由以\\ 往经验知每袋重量的标准差\sigma = 0.5g 保持不变,每隔一定时间\\ 需要检查包装机的工作情况,现抽取9袋,测得它们的净重为:\\ 99.0, 100.2, 99.3, 99.1, 99.6, 99.2, 99.9, 100.1, 99.3 \\ 假定每袋重量服从正态分布,试问这段事件内包装机的工作是否\\ 正常(取显著性水平\alpha = 0.05)?$

$解:设每袋重量X \sim N(\mu, 0.5^2),回答包装机的工作是否正常,\\ 相当于判断\mu = 100(=\mu_0)是否正确.因此原假设H_0:\mu = \mu_0 \\ = 100,备择假设为H_1:\mu \neq 100.在H_0正确条件下\mu = \dfrac{\overline X - \mu_0}{\sigma/\sqrt{n}}\\ 是一个统计量,且\mu \sim N(0, 1).又因为\overline X 是\mu 的无偏估计,所以|\overline X - \mu_0|\\ 不应该很大,即|\overline X - \mu_0| 大过某个常数时,就应该拒绝H_0。拒绝域的形式为\\ |\dfrac{\overline X - \mu_0}{\sigma / \sqrt{n}}| \geq k.$
$于是令犯第一类错误的概率为\alpha,即$
$P\lbrace \dfrac{|\overline X - \mu_0|}{\sigma/\sqrt{n}} \geq k \rbrace = \alpha.$
$查标准正态分布表可得k = \mu_{\frac{\alpha}{2}},于是有$
$P\lbrace \dfrac{|\overline X - \mu_0|}{\sigma/\sqrt{n}} \geq \mu_{\frac{\alpha}{2}} \rbrace = \alpha$
$当|\mu| = \dfrac{| \overline X - \mu_0|}{\sigma/\sqrt{n}}的取值大于\mu_{\frac{\alpha}{2}}时就应该拒绝H_0,否则接受H_0$
$现在\mu_0 = 100, \sigma = 0.5, n = 9, \\ \overline x = \dfrac{1}{9} \sum \limits _ {i=1}^9 x_i = 99.52, \mu_{\frac{\alpha}{2}} = 1.96.$
$|\mu| = \dfrac{| \overline X - \mu_0|}{\sigma/\sqrt{n}} = \dfrac{|99.52 - 100|}{0.5/\sqrt{9}} = 2.88 > 1.96$
$所以拒绝H_0,即认为这段时间内包装机的工作不正常.$

$参数检验的一般步骤:$
$1.根据问题的要求,提出原假设H_0和备择假设H_1;$
$2.给出显著水平\alpha及样本容量n;$
$3.在H_0正确下确定检验统计量T及拒绝域的形式;$
$4.按犯第一类错误的概率等于\alpha求出拒绝域W;$
$5.根据样本值计算T的观察值t,当t \in W时,拒绝H_0,否则接受H_0.$

$\color{blue}{三、双边假设与单边检验}$

$\quad 在备择假设H_1:\mu \neq \mu_0中,\mu可能不大于\mu_0,也可能小于\mu_0,\\ 称H_1为双边备择假设,相应的检验称为{\color{blue}{双边检验}}. \\ 如果对假设H_0:\mu = \mu_0,H_1:\mu > \mu_0进行检验称为{\color{blue}{右边检验}}. \\ 如果对假设H_0:\mu = \mu_0,H_1:\mu < \mu_0进行检验称为{\color{blue}{左边检验}}. \\ 右边检验的拒绝域为t \geq k, 左边检验的拒绝域为t \leq k.$

$例2.某工厂生产的固体燃料推进器的燃烧率服从正态分布N(\mu, \sigma^2),\\ \mu = 40 cm/s, \sigma = 2cm/s,现在用新方法生产了一批推进器,从中\\ 抽取n=25只,测得样本均值为\overline x = 41.25cm/s.设在新方法下总\\ 体的标准差仍为\sigma = 2 cm/s,问这批新推进器的燃烧率是否较以往\\ 生产的推进器的燃烧率有显著提高?取显著性水平\alpha = 0.05.$

$解:\mu_0 = 40,依题意检验假设为: \\ H_0:\mu = \mu_0 (即新方法未提高燃烧率) \\ H_1: \mu > \mu_0(即新方法提高了燃烧率) \\ 这是一个右边检验问题,其检验统计量为\\ \mu = \dfrac {\overline X - \mu_0}{\sigma / \sqrt{n}} \sim N(0, 1), \\ 拒绝域为\mu \geq \mu_{\alpha} = \mu_{0.05} = 1.645 \\ 现在\mu = \dfrac{\overline x - \mu_0}{\sigma /\sqrt{n}} = \dfrac{41.25 - 40}{2/\sqrt{25}} = 3.125 > 1.645 , \\ 即\mu的取值落在拒绝域中,所以在显著性水平\alpha = 0.05下\\ 拒绝H_0,接受H_1,即认为这批新推进器较以往提高了燃烧率.$

$\color{blue}{\S 8.2 单个正态总体均值与方差的假设检验}$

$\color{blue}{一、方差已知时,正态总体均值的假设检验——\mu 检验}$

$假设总体X \sim N(\mu, \sigma^2), (X_1, X_2, \cdots, X_n)是来自总体\\ X的样本,\sigma^2已知,这里要检验的假设是:\\ H_0:\mu \neq \mu_0, H_1: \mu = \mu_0 \\ 当H_0成立时,检验统计量\\ \mu = \dfrac{\overline X - \mu_0}{\sigma/ \sqrt{n}} \sim N(0, 1). \\ 对于给定的显著性水平\alpha,拒绝域为:\\ W = \lbrace \mu | \quad |\mu| \geq \mu_{\frac{\alpha}{2}} \rbrace \\ 类似地可以检验单边假设(见表8-1) \\ 上述检验所用统计量服从标准正态分布,称为{\color{blue}{\mu检验法}}.$

$例1.一种元件,要求其平均寿命不小于1000h,现在从一批这\\ 种元件中随机抽取25件,测得平均寿命为950h,已知这种元件\\ 寿命服从\sigma = 100h的正态分布,试在显著性水平\alpha = 0.05\\ 条件下确定这批元件是否合格.$
$解:H_0: \mu = 1000, H_1: \mu < 1000. \\ 当H_0为真时,检验统计量 \\ \mu = \dfrac{\overline X - 1000}{\sigma/\sqrt{n}} \sim N(0, 1). \\ 对于给定的显著性水平\alpha = 0.05,\\ 查表得\mu_{\alpha} = \mu_{0.05} = 1.645,\\ 此题是一个左边检验的问题,拒绝域为\\ \mu \leq -\mu_{\alpha} = -1.645 \\ 现在n = 25, \sigma = 100, \overline x = 950. \\ \mu = \dfrac{\overline x - 1000}{\sigma/\sqrt{n}} = -2.5 < -1.645 \\ 所以拒绝H_0,而接受H_1,即认为这批元件不合格.$

$\color{blue}{二、方差未知时,正态总体均值的假设检验——t 检验}$

$设总体X \sim N(\mu, \sigma^2),\sigma^2未知,(X_1, X_2, \cdots, X_n)是来自总体\\ X的样本.这里要检验的是\\ H_0: \mu = \mu_0, H_1: \mu \neq \mu_0 \\ 我们用S^2 代替\sigma^2， 当H_0为真时,检验统计量\\ T = \dfrac{\overline X - \mu_0}{S/\sqrt{n}} \sim t(n-1) \\ 对于给定的显著性水平\alpha, 拒绝域为\\ |t| \geq t_{\frac{\alpha}{2}}(n-1)$

$例2.某车间加工一种零件,要求长度为150mm,今从一批加工\\ 后的这种零件中抽取9个,测得长度如下:\\ 147, 150, 149, 154, 152, 153, 148, 151, 155 \\ 假设零件长度服从正态分布,问这批零件是否合格(取\alpha = 0.05)?$
$解:这里是在总体方差\sigma^2未知的情况下,检验假设\\ H_0:\mu = \mu_0 = 150, H_1:\mu \neq 150 \\ 在H_0成立时,检验统计量\\ T = \dfrac{\overline X - \mu_0}{S/\sqrt{n}} \sim t(n-1) \\ 对于给定的显著水平\alpha = 0.05,拒绝域为\\ |t| \geq t_{\frac{\alpha}{2}}(n-1) \\ 这里n = 9, \overline x = \dfrac{1}{9}\sum \limits _ {i=1}^9 x_i = 151, \\ s^2 = \dfrac{1}{9-1} \sum \limits _ {i=1}^9 (x_i - \overline x)^2 = 7.5, \\ s = \sqrt{7.5} = 2.739, \\ t_{\frac{\alpha}{2}}(n-1) = t_{0.025}(8) = 2.306 \\ |t| = \dfrac{\overline x - \mu_0}{s/\sqrt{n}} = 1.096 < 2.306 \\ 所以接受H_0,即认为这批零件合格.$

$\color{blue}{三、正态总体方差的假设检验——\chi^2 检验}$

$设总体X \sim N(\mu, \sigma^2), (X_1, X_2, \cdots, X_n)为X的样本,\\ 给定显著性水平\alpha,$
$1.当\mu已知时,方差\sigma^2 的假设检验\\ H_0: \sigma^2 = \sigma_0^2, H_1: \sigma^2 \neq \sigma_0^2 \\ 其中\sigma_0^2为已知常数.检验统计量\\ T = \dfrac{1}{\sigma_0^2} \sum \limits _ {i=1}^n(X_i - \mu)^2 \sim \chi^2(n) \\ 对于给定的显著水平\alpha,拒绝域为\\ t \leq \chi^2_{1 - \frac{\alpha}{2}}(n)或t \geq \chi^2_{\frac{\alpha}{2}}(n) \\ 上述检验的统计量服从\chi^2分布,称此种检验为\chi^2检验,\\ 类似地可以进行单边检验(见表8-1)$
$2.当\mu未知时,\sigma^2的假设检验\\ H_0:\sigma^2 = \sigma_0^2, H_1:\sigma^2 \neq \sigma_0^2 \\ 检验统计量\\ T = \dfrac{(n-1)S^2}{\sigma_0^2} \sim \chi^2(n-1) \\ 对于给定的显著性水平\alpha = 0.1,拒绝域为\\ t \leq \chi^2 _ {1-\frac{\alpha}{2}}(n-1) 或 t \geq \chi^2 _ {\frac{\alpha}{2}}(n-1)$

$例3.某厂生产的尼龙纤维的纤度在正常情况下服从正态分布,\\ 其标准差\sigma = 0.048,某日抽取5根纤维,测得它们的纤度为:\\ 1.32, 1.36, 1.55, 1.44, 1.40 \\ 试问:能否认为这一天尼龙纤维的纤度的标准差\\ \sigma = 0.048(取\alpha = 0.1)?$
$解:这里要检验的假设是:\\ H_0:\sigma = 0.048, H_1: = \sigma \neq 0.048 \\ 检验统计量\\ T = \dfrac{(n-1)S^2}{0.048^2} \sim \chi^2(n-1) \\ 对于给定的显著性水平\alpha = 0.1,拒绝域为\\ t \leq \chi^2_{1-\frac{\alpha}{2}}(n-1) 或 t \geq \chi^2_{\frac{\alpha}{2}}(n-1)\\ 这里\chi^2_{1 - \frac{\alpha}{2}}(n-1) = \chi^2_{0.95}(4) = 0.711, \\ \chi^2_{\frac{\alpha}{2}}(n-1) = \chi^2_{0.05}(4) = 9.488, \overline x = 1.414, s^2 = 0.0078, \\ t = \dfrac{(5-1)\times 0.0078}{0.048^2} = 13. 51 > \chi^2_{0.05}(4). \\ 所以拒绝H_0,即不能认为这一天尼龙纤度的标准差\sigma = 0.048.$

$\color{blue}{\S 8.3 两个正态总体均值差与方差比的假设检验}$

$设总体X与Y相互独立,X \sim N(\mu_1, \sigma_1^2), Y \sim N(\mu_2, \sigma_2^2), \\ (X_1, X_2, \cdots, X_m)与(Y_1, Y_2, \cdots, Y_n)分别来自总体X与\\ Y的相互独立的样本.$

$\color{blue}{一、方差已知时,两个正态总体均值差的假设检验——\mu检验}$

$设\sigma_1^2, \sigma_2^2为已知,要检验的假设为\\ H_0:\mu_1 = \mu_2, H_1:\mu_1 \neq \mu_2, \\ 也可以写成\\ H_0:\mu_1 - \mu_2 = 0, H_1:\mu_1 - \mu_2 \neq 0 \\ 检验统计量为\\ \mu = \dfrac{\overline X - \overline Y}{\sqrt{\dfrac{\sigma_1^2}{m} + \dfrac{\sigma_2^2}{n}} }\sim N(0, 1) \\ 对于给定的显著性水平\alpha, 查表得\mu_{\frac{\alpha}{2}},使得\\ P\lbrace |\mu| \geq \mu_{\frac{\alpha}{2}} \rbrace = \alpha \\ 拒绝域为\\ |\mu| \geq \mu_{\frac{\alpha}{2}}$