假设检验的基本思想

 

统计量的概念：

不含任何未知参数的样本的函数。例如：

常见统计量：

  

例题引入：

甲厂向乙厂订购一批产品，要求次品率不得超过5%，现在抽取200个检查，发现9件次品，问甲方是否应该接受这批产品。

争议：乙厂，抽样结论为4.5%，合格。甲厂：抽样结果是随机的，有波动性。

假设：产品不合格率 P>=5%

分析：P的95%置信区间估计（按照如下方法）  （0.0163，0.0737）。那么我们到底相信上限还是下限呢？

样本均值对总体均值的区间估计

其中

 

U检验中如何查U值表

需要计算U值表。

计算a/2=0.025。

计算1-0.025=0.975。

拿出标准正态分布表，查中间的概率百值找到0.975，此时竖向与百横向对应值分别是1.9和0.6，即：Z（1.96）=0.975。

所以说U值表的u0.025=1.96。

两类错误

若拒绝原假设，可能会“弃真”，犯第一类错误。

若接受原假设，可能会“取伪”，犯第二类错误。

检验原则：保护H0，（先提出有利于我的假设，除非有足够概率推翻，否则都接受）

原因（1）：H0 很重要，关乎检验者的利益。

1. 订货问题中，H0为产品不合格。
2. 疑罪从无。

原因（2）：弃真后果大于取伪后果。

1. 肺炎患者检验，

数学描述：

  注意：这里没有管二类风险，所以当我们接受H0的时候，H0还不成立的风险较大。“取伪”