概率论 假设检验

第八章 假设检验

问题

由统计资料知，某品种煤的正常发热量服从均值为29300、标准差为400的正态分布

煤的发热量是一个随机变量X
$$X\sim N(29300,400^2)$$

现在购买了一批该品种的煤，从中随机抽取了8个试样，测得发热量为：

29060	28751	29998	29056	27554	29465	29022	28998

问如果方差没有改变，这批煤的发热量是否正常？

分析：

假设这批煤的发热量为X，并且
$$X\sim N(\mu ,400^2)$$
如果这批煤的发热量正常，应该有 μ = 29300，因此先提出假设：
$$H_0:\mu ={\mu }_0=29300$$
也就是H0 : μ = μ0, 这批煤是正常的

接下来要做的是对H0进行判断，虽然样本均值x̄是总体均值的无偏估计，但x̄不一定恰好等于μ0，所以要看x̄与μ0的差异是否很大（显著）

如果差异很大，则认为这批煤不正常；否则，认为这批煤是正常的

检验：

在H0成立的条件下：
$$\bar{X}\sim N(29300,400^2),U=\frac{\bar{X}-29300}{400/\sqrt{8}}\sim N(0,1)$$

看到这里就需要思考，为什么要有一个U?

我们要分析的问题是煤的发热量X是否正常，而采取的检验方式是：从总体中抽样，如果样本的均值与统计资料的均值相差不大，我们就认为这批煤是正常的。

这个相差可以表示为Y = x̄ - μ0，如果可以得到Y的分布，那自然是最好的，可惜没有，但是通过将X标准化（正态分布→标准正态分布）

我们就可以得到相近的结果，通过这个结果来分析x̄ - μ0 = k的概率，换句话说，可以通过U间接得到P( |x̄ - μ0| > k )

其中，随机变量U是x̄的标准正态分布后的结果
$$\bar{X}=\frac{1}{n}({\Sigma }_{i=1}^{n}Xi)$$

$$\because E(\bar{X})=E[\frac{1}{n}({\Sigma }_{i=1}^{n}Xi)]=\frac{1}{n}E({\Sigma }_{i=1}^{n}Xi)=\frac{1}{n}(n\times \mu )=\mu$$

$$又\because D(\bar{X})=D[\frac{1}{n}({\Sigma }_{i=1}^{n}Xi)]=\frac{1}{n^2}D({\Sigma }_{i=1}^{n}Xi)=\frac{1}{n^2}(n{\sigma }^2)=\frac{{\sigma }^2}{n}$$

$$\therefore \bar{X}\sim N(\mu ,\frac{{\sigma }^2}{n})=N(29300,\frac{400^2}{8})$$

若给定一个较小的概率α，取α = 0.05使得：
P { ∣ X ˉ − 29300 400 / 8 ∣ ≥ 1.96 } = 0.05 P\{ | \frac{\bar X-29300}{400/\sqrt{8}} | ≥ 1.96 \} = 0.05 P{∣400/8 ​Xˉ−29300​∣≥1.96}=0.05

P { ∣ X ˉ − 29300 ∣ ≥ 1.96 × 400 8 = 277.2277 } = 0.05 P\{ | \bar X-29300 | ≥ 1.96× \frac{400}{\sqrt{8}} = 277.2277 \} = 0.05 P{∣Xˉ−29300∣≥1.96×8 ​400​=277.2277}=0.05

其中：
$$U_{\frac{\alpha }{2}=1.96}(上\frac{\alpha }{2}分位数)$$
$$P(U\ge U_{\frac{\alpha }{2}}=\frac{\alpha }{2})$$

例如

也 就 是 说 : P { ∣ X ˉ − 29300 ∣ ≥ 277.2277 } 是 小 概 率 事 件 （ P ＜ 0.05 ） 也就是说 : \quad P\{ | \bar X-29300 | ≥ 277.2277 \} \quad 是小概率事件（P＜0.05） 也就是说:P{∣Xˉ−29300∣≥277.2277}是小概率事件（P＜0.05）

结合问题，如果这批煤是正常的，那么抽出的那批煤的平均发热量x̄与统计资料29300之间的差值不会超过277.2277（超过277.2277是小概率事件）

反之，如果|x̄ - 29300| > 277.2277，那么这批煤就是不正常的

由样本值计算得到：
$$|\bar{X}-29300|=302>277.2277$$
这才进行了一次检验，小概率事件就发生了，有问题，这批煤是不正常的

因此拒绝H0

概念：

• 构造小概率事件用的统计量称为检验统计量
• 如果统计量的观测值取某个区域W中的值时，拒绝假设H0，则称W为拒绝域
• 小概率事件发生的概率α，称为显著性水平或水平
• 所提的假设H0称为原假设或零假设
• 与原假设对立的假设用H1表示，称为备择假设