学习笔记——概率论与数理统计（第八章）

学习来源：https://www.bilibili.com/video/av36206436/

第八章 假设检验

8.1 基本概念

8.1.1 假设检验问题

总体的分布未知：

• $分布类型未知（非参数假设\to 非参数假设检验）$
• $参数未知（参数假设\to 参数假设检验）$

8.1.2 假设检验基本概念

• 假设（参数假设/非参数假设）
• 假设检验（检验假设成立与否）（参数假设检验/非参数假设检验）
• $假设检验问题（显著性假设检验问题H_0对H_1假设检验问题）$

8.1.3 假设检验的思想与步骤

思想

$构造统计量\stackrel{在H_0成立时}{⟹}T的分布已知$
$检验法则⟺P(T\in I)=\alpha （小概率）$

$P((X_1,\cdots ,X_n)\in W)=\alpha （H_0的拒绝域）$
$P((X_1,\cdots ,X_n)\in \overline{W})=1-\alpha （H_0的接受域）$

步骤

第一步：$提出H_0与H_1$
第二步：$假定H_0成立，取统计量T\sim 已知分布$
第三步：$给\alpha 找到拒绝域P((X_1,\cdots ,X_n)\in W)=\alpha$
第四步：$由样本(x_1,\cdots ,x_n)求出T的值，若(x_1,\cdots ,x_n)\in W⟹拒绝H_0；若(x_1,\cdots ,x_n)\in \overline{W}⟹接受H_0$

8.1.4 两类错误

第一类错误：弃真
$P(拒绝H_0|H_0为真)=\alpha$
第二类错误：纳伪
$P(接受H_0|H_0为假)=\beta$

$确保\alpha 的前提下尽可能减小\beta$

8.2 一个正态总体的参数假设检验

8.2.1 $\mu$的假设检验

提出假设：
$H_0:\mu ={\mu }_0,H_1:\mu \ne {\mu }_0$
$H_0:\mu \le {\mu }_0,H_1:\mu >{\mu }_0$
$H_0:\mu \ge {\mu }_0,H_1:\mu <{\mu }_0$

U检验法：${\sigma }^2={\sigma }_0^2已知，检验H_0:\mu ={\mu }_0$

（以双侧检验为例）
$第一步：H_0:\mu ={\mu }_0,H_1:\mu \ne {\mu }_0$

$第二步：假定H_0成立，X\sim ({\mu }_0,{\sigma }_0^2)$
$取统计量U=\frac{\overline{X}-\mu }{\frac{{\sigma }_0}{\mu }}\sim N(0,1)$

第三步：给定 α ，由 P { ∣ U ∣ > u α 2 } = α ，查表得 u α 2 第三步：给定\alpha，由\displaystyle P\{|U|>u_{\frac{\alpha}{2}}\}=\alpha，查表得u_{\frac{\alpha}{2}} 第三步：给定α，由P{∣U∣>u2α​​}=α，查表得u2α​​
$拒绝域：W=\{(x_2,\cdots ,x_n)||u|>u_{\frac{\alpha }{2}}\}$

$第四步：计算U的值|u|与u_{\frac{\alpha }{2}}比较，下结论——若|u|>u_{\frac{\alpha }{2}}，拒绝H_0；若|u|<u_{\frac{\alpha }{2}}，接受H_0；若|u|=u_{\frac{\alpha }{2}}，为慎重起见，再抽样，再检验。$

T检验法：${\sigma }^2未知，检验H_0:\mu \ne {\mu }_0$

.（以双侧检验为例）
$第一步：提出H_0:\mu ={\mu }_0,H_1:\mu \ne {\mu }_0$

$第二步：假定H_0成立，取T=\frac{\overline{X}-{\mu }_0}{\frac{s}{\sqrt{n}}}\sim t(n-1)$

$第三步：给定\alpha ，由P(|T|>t_{\frac{\alpha }{2}}(n-1))=\alpha$
$拒绝域W=\{(x_1,\cdots ,x_n)||t|>t_{\frac{\alpha }{2}}(n-1)\}$

$第四步：计算T的值，与t_{\frac{\alpha }{2}}(n-1)比较，下结论$

8.2.2 ${\sigma }^2$的假设检验

${\chi }^2检验法：\mu ={\mu }_0已知，检验{\sigma }^2={\sigma }_0^2$

（以双侧检验为例）
$第一步：H_0:{\sigma }^2={\sigma }_0^2,H_1:{\sigma }_0\ne {\sigma }_0^2$

$第二步：假定H_0成立，X\sim N({\mu }_0,{\sigma }_0^2)，X_1,\cdots ,X_n为样本$
$取统计量{\chi }^2=\frac{\sum _{i=1}^n(X_i-{\mu }_0{)}^2}{{\sigma }_0^2}\sim {\chi }^2(n)$

第三步：给定 α ，由 P ( χ 2 > χ α 2 2 ( n ) = P ( χ 2 > χ 1 − α 2 2 ( n ) ) = α 2 ，查表得 χ α 2 2 ( n ) , χ 1 − α 2 2 ( n ) 拒绝域 W = { χ 2 > χ α 2 2 ( n ) 或 χ 2 < χ 1 − α 2 2 ( n ) } 第三步：给定\alpha，由\displaystyle P(\chi^2>\chi^2_{\frac{\alpha}{2}}(n)=P(\chi^2>\chi^2_{1-\frac{\alpha}{2}}(n))=\frac{\alpha}{2}，查表得\chi^2_{\frac{\alpha}{2}}(n),\chi^2_{1-\frac{\alpha}{2}}(n)拒绝域W=\{\chi^2>\chi^2_{\frac{\alpha}{2}}(n)或\chi^2<\chi^2_{1-\frac{\alpha}{2}}(n)\} 第三步：给定α，由P(χ2>χ2α​2​(n)=P(χ2>χ1−2α​2​(n))=2α​，查表得χ2α​2​(n),χ1−2α​2​(n)拒绝域W={χ2>χ2α​2​(n)或χ2<χ1−2α​2​(n)}

$第四步：计算{\chi }^2值，比较，下结论$

${\chi }^2检验法：\mu 未知，检验{\sigma }^2={\sigma }_0^2$

（以双侧检验为例）
$第一步：H_0:{\sigma }^2={\sigma }_0^2,H_1:{\sigma }_0\ne {\sigma }_0^2$

$第二步：假定H_0成立，X\sim N(\mu ,{\sigma }_0^2)，X_1,\cdots ,X_n为样本$
$取统计量{\chi }^2=\frac{\sum _{i=1}^n(X_i-\overline{X}{)}^2}{{\sigma }_0^2}\sim {\chi }^2(n-1)$

$第三步：给定\alpha ，由P({\chi }^2>{\chi }_{\frac{\alpha }{2}}^2(n-1)=P({\chi }^2>{\chi }_{1-\frac{\alpha }{2}}^2(n-1))=\frac{\alpha }{2}，查表得{\chi }_{\frac{\alpha }{2}}^2(n-1),{\chi }_{1-\frac{\alpha }{2}}^2(n-1)$
拒绝域 W = { χ 2 > χ α 2 2 ( n − 1 ) 或 χ 2 < χ 1 − α 2 2 ( n − 1 ) } 拒绝域W=\{\chi^2>\chi^2_{\frac{\alpha}{2}}(n-1)或\chi^2<\chi^2_{1-\frac{\alpha}{2}}(n-1)\} 拒绝域W={χ2>χ2α​2​(n−1)或χ2<χ1−2α​2​(n−1)}

$第四步：计算{\chi }^2值，比较，下结论$

8.3 两个正态总体的参数假设检验

$X\sim N({\mu }_1,{\sigma }_1^2)，X_1,\cdots ,X_{n_1}为样本，\overline{X}，S_1^2$
$Y\sim N({\mu }_2,{\sigma }_2^2))，Y_1,\cdots ,Y_{n_2}为样本，\overline{Y}，S_2^2$

8.3.1 均值${\mu }_1,{\mu }_2$差异性检验

$假设H_0:{\mu }_1={\mu }_2,H_1:{\mu }_1\ne {\mu }_2$
$假设H_0:{\mu }_1\le {\mu }_2,H_1:{\mu }_1\ngtr {\mu }_2$
$假设H_0:{\mu }_1\ge {\mu }_2,H_1:{\mu }_1\nless {\mu }_2$

U检验法：${\sigma }_1^2,{\sigma }_2^2已知，检验H_0:\mu ={\mu }_0$

（以双边检验为例）
$第一步：提出H_0:{\mu }_1={\mu }_2,H_1:{\mu }_1\ne {\mu }_2$

$第二步：假定H_0成立$
$\overline{X}-\overline{Y}\sim N({\mu }_1-{\mu }_2,\frac{{\sigma }_1^2}{n_1}+\frac{{\sigma }_2^2}{n_2})$
$⟹取U=\frac{\overline{X}-\overline{Y}-({\mu }_1-{\mu }_2)}{\sqrt{\frac{{\sigma }_1^2}{n_1}+\frac{{\sigma }_2^2}{n_2}}}=\frac{\overline{X}-\overline{Y}}{\sqrt{\frac{{\sigma }_1^2}{n_1}+\frac{{\sigma }_2^2}{n_2}}}\sim N(0,1)$

$第三步：给定\alpha ，由P(|U|>u_{\frac{\alpha }{2}})=\alpha ，查表得u_{\frac{\alpha }{2}}拒绝域W=\{(x_1,\cdots ,x_{n_1})(y_1,\cdots ,y_{n_2})||u|>u_{\frac{\alpha }{2}}\}$

$第四步：计算|u|，|u|与u_{\frac{\alpha }{2}}比较，下结论$

T检验法：${\sigma }_1^2,{\sigma }_2^2未知，{\sigma }_1^2={\sigma }_2^2={\sigma }^2，检验H_0:\mu ={\mu }_0$

（以双边检验为例）
$第一步：提出H_0:{\mu }_1={\mu }_2,H_1:{\mu }_1\ne {\mu }_2$

$第二步：假定H_0成立，取T=\frac{\overline{X}-\overline{Y}}{\sqrt{\frac{(n_1-1)s_1^2+(n_2-1)s_2^2}{n_1+n_2-2}}\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}\sim t(n_1+n_2-2)$

$第三步：给定\alpha ，由P(|T|>t_{\frac{\alpha }{2}})=\alpha ，查表得t_{\frac{\alpha }{2}}(n_1+n_2-2)$
$拒绝域W=\{(x_1,\cdots ,x_{n_1})(y_1,\cdots ,y_{n_2})||t|>t_{\frac{\alpha }{2}}\}$

$第四步：计算\mid t\mid ，\mid t\mid 与t_{\frac{\alpha }{2}}比较，下结论$

8.3.2方差${\sigma }_1^2,{\sigma }_2^2$差异性检验

$假设H_0:{\sigma }_1^2={\sigma }_2^2,H_1:{\sigma }_1^2\ne {\sigma }_2^2$
$假设H_0:{\sigma }_1^2\le {\sigma }_2^2,H_1:{\sigma }_1^2>{\sigma }_2^2$
$假设H_0:{\sigma }_1^2\ge {\sigma }_2^2,H_1:{\sigma }_1^2<{\sigma }_2^2$
${\mu }_1,{\mu }_2都未知，检验H_0:{\sigma }_1^2={\sigma }_2^2$
（以双侧检验为例）
$第一步：提出H_0:{\sigma }_1^2={\sigma }_2^2,H_1:{\sigma }_1^2\ne {\sigma }_2^2$

$第二步：假设H_0成立，取F=\frac{S_1^2/{\sigma }_1^2}{S_2^2/{\sigma }_2^2}=\frac{S_1^2}{S_2^2}\sim F(n_1-1,n_2-1)$

$第三步：给定\alpha ，由P(F>F_{\frac{\alpha }{2}})=P(F<F_{1-\frac{\alpha }{2}})=\frac{\alpha }{2}$
$（计算时用到公式：F_{1-\frac{\alpha }{2}}(n_1-1,n_2-1)=F_{\frac{\alpha }{2}}(n_2-1,n_1-1)$
$拒绝域W=\{(x_1,\cdots ,x_{n_1})(y_1,\cdots ,y_{n_2})|f>f_{\frac{\alpha }{2}}(n_1-1,n_2-1)或f<f_{1-\frac{\alpha }{2}}(n_1-1,n_2-1)\}$

第四步：计算 F 的值 f，比较，下结论

区间估计——参数未知，利用统计量估计未知的参数
假设检验——参数已知，利用统计量检验已知的参数是否靠谱