概率论与数理统计茆诗松pdf第三版_茆诗松概率论与数理统计（第七章）

前言

本章的内容十分丰富，可分为四大类：显著性检验（7.1，7.2，7.3）、似然比检验（7.4）、分布拟合检验（7.4）、非参数检验（7.5，7.6），每一类又有若干种不同的检验方法。本文将重点讲解上述四类检验的基本概念、基本原理，不会详细讲解具体的检验方法。原理弄懂了，具体的检验方法可以参考书中的套路。

一、显著性检验及其基本概念

本节对应书中的7.1节，我按照自己的理解重写了一遍。当我第一次阅读本章的时候，很快就碰壁了（读到“势函数”的时候）。书中关于显著性水平、检验p值的定义也比较抽象，为此我增加了一些描述性的文字，尽量把这些概念、定义解释清楚。最后才对“势函数”进行研究。我把书中遇到的新概念分为以下三类：

（1）参数类（或者称“假设类”）

原假设：

对立假设：

所谓“假设检验”是在部分总体参数未知的情况下，对未知参数进行猜测（提出假设），然后利用抽样结果（证据）对假设进行验证，并作出“接受”或“拒绝”假设的判断。

因此“假设”（名词）是针对未知参数的猜测，它描述了未知参数在参数空间

中的取值范围。

它具有以下特点：

1. 以最常见的情况作为原假设。例如：女士品茶，大部分人不具备区分MT，TM的能力，因此原假设为“该女士无此鉴别能力”；生产合金，设计值不低于110，因此一般情况下合金强度不低于设计值，原假设为
   。
2. 对立假设分为3种情况：

称为“双侧假设”，

称为“单侧假设”。对立假设一般为原假设的补集，但也有

的情况。值得注意的是，对立假设中不允许出现等号，因此没有小于等于或大于等于的情况。

（2）样本类

检验统计量：由样本观测值组成，用于判断原假设是否成立。它是我们作出检验判断的证据、依据。

检验统计量所在样本空间可以划分为两个不相交的部分：

拒绝域

，如

。当

位于

内，表示拒绝原假设

接受域

，即W的补集。如

。当

位于

内，表示接受原假设

（3）概率类

“假设”位于参数空间，“证据”位于样本空间，参数与样本是通过总体分布联系的。因此从“证据”推断“假设”是否成立，不是一个简单的判断题，而是一个概率计算问题。以“假设”为前提条件，出现目前抽样结果的概率是多少呢？我们将根据概率计算的结果，决定拒绝或者接受原假设。

显著性水平

1. 第一类错误：当