概率论与数理统计第八章假设检验

1、.第八章 假设检验第一节 概述统计推断中的另一类重要问题是假设检验Hypothesis testing.当总体的分布函数未知，或只知其形式而不知道它的参数的情况时，我们常需要判断总体是否具有我们所感兴趣的某些特性.这样，我们就提出某些关于总体分布或关于总体参数的假设，然后根据样本对所提出的假设作出判断：是承受还是回绝.这就是本章所要讨论的假设检验问题.我们先从下面的例子来说明假设检验的一般提法.例8.1 某工厂用包装机包装奶粉，额定标准为每袋净重0.5kg.设包装机称得奶粉重量X服从正态分布N，2.根据长期的经历知其标准差=0.015kg.为检验某台包装机的工作是否正常；随机抽取包装的奶粉9袋

2、，称得净重单位：kg为0.499 0.515 0.508 0.512 0.4980.515 0.516 0.513 0.524问该包装机的工作是否正常？由于长期理论说明标准差比较稳定，于是我们假设XN，0.0152.假设奶粉重量X的均值等于0.5kg，我们说包装机的工作是正常的.于是提出假设：H0：=0=0.5；H1：0=0.5.这样的假设叫统计假设.1.统计假设关于总体X的分布或随机事件之概率的各种论断叫统计假设，简称假设，用“H表示，例如：1 对于检验某个总体X的分布，可以提出假设：H0：X服从正态分布，H1: X不服从正态分布.H0：X服从泊松分布，H1: X不服从泊松分布.2 对于总体

3、X的分布的参数，假设检验均值，可以提出假设：H0：=0；H1：0.H0：0；H1：0.假设检验标准差，可提出假设：H0：=0；H1：0.H0：0；H1：0.这里0，0是数，而=EX，2=DX是未知参数.上面对于总体X的每个论断，我们都提出了两个互相对立的统计假设：H0和H1，显然，H0与H1只有一个成立，或H0真H1假，或H0假H1真，其中假设H0，称为原假设Original hypothesis又叫零假设、根本假设，而H1称为H0的对立假设又叫备择假设.在处理实际问题时，通常把希望得到的陈述视为备择假设,而把这一陈述的否认作为原假设.例如在上例中，H0：=0=0.5为原假设，它的对立假设是H

4、1：0=0.5.统计假设提出之后，我们关心的是它的真伪.所谓对假设H0的检验，就是根据来自总体的样本，按照一定的规那么对H0作出判断：是承受，还是回绝，这个用来对假设作出判断的规那么叫做检验准那么，简称检验，如何对统计假设进展检验呢？我们结合上例来说明假设检验的根本思想和做法.2.假设检验的根本思想在例8.1中所提假设是H0：=0=0.5备择假设H1：0.由于要检验的假设涉及总体均值，故首先想到是否可借助样本均值这一统计量来进展判断.从抽样的结果来看，样本均值=0.499+0.515+0.508+0.512+0.498+0.515+0.516+0.513+0.524=0.5110，与=0.5之

5、间有差异.对于与0之间的差异可以有两种不同的解释.1 统计假设H0是正确的，即=0=0.5，只是由于抽样的随机性造成了与0之间的差异；2 统计假设H0是不正确的，即0=0.5，由于系统误差，也就是包装机工作不正常，造成了与0之间的差异.对于这两种解释到底哪一种比较合理呢？为了答复这个问题，我们适中选择一个小正数=0.1,0.05等，叫做显著性程度Level of significance.在假设H0成立的条件下，确定统计量 -0的临界值，使得事件-0为小概率事件，即P-0=.8.1例如，取定显著性程度=0.05.如今来确定临界值0.05.因为XN，2，当H0：=0=0.5为真时，有XN0，2，

6、于是，Z=N0，1，所以 PZz/2=.由8.1式，有=，因此0.05=z0.025×=1.96×0.015/3=0.0098.故有P-00.0098=0.05.因为=0.05很小，根据实际推断原理，即“小概率事件在一次试验中几乎是不可能发生的原理，我们认为当H0为真时，事件-00.0098是小概率事件，实际上是不可能发生的.如今抽样的结果是-0=0.5110-0.5=0.01100.0098.也就是说，小概率事件-00.0098居然在一次抽样中发生了，这说明抽样得到的结果与假设H0不相符，因此不能不使人疑心假设H0的正确性，所以在显著性程度=0.05下， 我们回绝H0，承

7、受H1，即认为这一天包装机的工作是不正常的.通过上例的分析，我们知道假设检验的根本思想是小概率事件原理，检验的根本步骤是：1 根据实际问题的要求，提出原假设H0及备择假设H1；2 选取适当的显著性程度通常=0.10,0.05等以及样本容量n；3 构造检验用的统计量U，当H0为真时，U的分布要，找出临界值使PU=.我们称U所确定的区域为H0的回绝域Rejection region，记作W；4 取样，根据样本观察值，计算统计量U的观察值U0；5 作出判断，将U的观察值U0与临界值比较，假设U0落入回绝域W内，那么回绝H0承受H1；否那么就说H0相容承受H0.3.两类错误由于我们是根据样本作出承受H

8、0或回绝H0的决定，而样本具有随机性，因此在进展判断时，我们可能会犯两个方面的错误：一类错误是，当H0为真时，而样本的观察值U0落入回绝域W中，按给定的法那么，我们回绝了H0，这种错误称为第一类错误.其发生的概率称为犯第一类错误的概率或称弃真概率，通常记为，即P回绝H0H0为真=；另一种错误是，当H0不真时，而样本的观察值落入回绝域W之外，按给定的检验法那么，我们却承受了H0.这种错误称为第二类错误，其发生的概率称为犯第二类错误的概率或取伪概率，通常记为，即P承受H0H0不真=.显然这里的就是检验的显著性程度.总体与样本各种情况的搭配见表8-1.表8-1H0判断结论犯错误的概率真承受正确0回绝

9、犯第一类错误假承受犯第二类错误回绝正确0对给定的一对H0和H1，总可以找到许多回绝域W.当然我们希望寻找这样的回绝域W，使得犯两类错误的概率与都很小.但是在样本容量n固定时，要使与都很小是不可能的，一般情形下，减小犯其中一类错误的概率，会增加犯另一类错误的概率，它们之间的关系犹如区间估计问题中置信程度与置信区间的长度的关系那样.通常的做法是控制犯第一类错误的概率不超过某个事先指定的显著性程度01，而使犯第二类错误的概率也尽可能地小.详细实行这个原那么会有许多困难，因此有时把这个原那么简化成只要求犯第一类错误的概率等于，称这类假设检验问题为显著性检验问题，相应的检验为显著性检验.在一般情况下，显

10、著性检验法那么是较容易找到的，我们将在以下各节中详细讨论.在实际问题中，要确定一个检验问题的原假设，一方面要根据问题要求检验的是什么，另一方面要使原假设尽量简单，这是因为在下面将讲到的检验法中，必需要理解某统计量在原假设成立时的准确分布或渐近分布.下面各节中，我们先介绍正态总体下参数的几种显著性检验，再介绍总体分布函数的假设检验.第二节 单个正态总体的假设检验1.单个正态总体数学期望的假设检验1 2关于的假设检验Z检验法Z-test设总体XN，2，方差2，检验假设H0：=0；H1：0 0为常数由N，N0，1，我们选取Z= 8.2作为此假设检验的统计量，显然当假设H0为真即=0正确时，ZN0，1

11、，所以对于给定的显著性程度，可求z/2使PZz/2=，见图8-1，即PZ-z/2+PZz/2=.从而有PZz/2=/2，PZz/2=1-/2.图8-1利用概率1-/2，反查标准正态分布函数表，得双侧分位点即临界值z/2.另一方面，利用样本观察值x1，x2，xn计算统计量Z的观察值z0=. 8.3假设：az0z/2，那么在显著性程度下，回绝原假设H0承受备择假设H1，所以z0z/2便是H0的回绝域.b z0z/2，那么在显著性程度下，承受原假设H0，认为H0正确.这里我们是利用H0为真时服从N0，1分布的统计量Z来确定回绝域的，这种检验法称为Z检验法或称U检验法.例8.1中所用的方法就是Z检验法

12、.为了熟悉这类假设检验的详细作法，如今我们再举一例.例8.2 根据长期经历和资料的分析，某砖厂消费的砖的“抗断强度X服从正态分布，方差2=1.21.从该厂产品中随机抽取6块，测得抗断强度如下单位：kg·cm-2：32.56 29.66 31.64 30.00 31.87 31.03检验这批砖的平均抗断强度为32.50kg·cm-2是否成立取=0.05，并假设砖的抗断强度的方差不会有什么变化？解 提出假设H0：=0=32.50；H1：0. 选取统计量Z=，假设H0为真，那么ZN0，1. 对给定的显著性程度=0.05，求z/2使PZz/2=，这里z/2=z0.025=1.96.

13、 计算统计量Z的观察值：z0= =3.05. 判断：由于z0=3.05z0.025=1.96，所以在显著性程度=0.05下否认H0，即不能认为这批产品的平均抗断强度是32.50 kg·cm-2.把上面的检验过程加以概括，得到了关于方差的正态总体期望值的检验步骤：a 提出待检验的假设H0：=0；H1：0.b 构造统计量Z，并计算其观察值z0：Z=，z0=.c 对给定的显著性程度，根据PZz/2=，PZz/2=/2，PZz/2=1-/2查标准正态分布表，得双侧分位点z/2.d 作出判断：根据H0的回绝域假设z0z/2，那么回绝H0，承受H1；假设z0z/2，那么承受H0.2 方差2未知，

14、检验t检验法t-test设总体XN，2，方差2未知，检验H0：=0；H1：0.由于2未知，便不是统计量，这时我们自然想到用2的无偏估计量样本方差S2代替2，由于tn-1，应选取样本的函数t= 8.4图8-2作为统计量，当H0为真=0时ttn-1，对给定的检验显著性程度，由Ptt/2n-1=，Ptt/2n-1=/2，见图8-2，直接查t分布表，得t分布分位点t/2n-1.利用样本观察值，计算统计量t的观察值t0=，因此原假设H0的回绝域为t0=t/2n-1. 8.5所以，假设t0t/2n-1，那么回绝H0，承受H1；假设t0t/2n-1，那么承受原假设H0.上述利用t统计量得出的检验法称为t检验

15、法.在实际中，正态总体的方差常为未知，所以我们常用t检验法来检验关于正态总体均值的问题.例8.3 用某仪器间接测量温度，重复5次，所得的数据是1250°,1265°，1245°，1260°，1275°，而用别的准确方法测得温度为1277°可看作温度的真值，试问此仪器间接测量有无系统偏向？这里假设测量值X服从N，2分布.解 问题是要检验H0：=0=1277；H1：0.由于2未知即仪器的精度不知道，我们选取统计量t=.当H0为真时，ttn-1，t的观察值为t0=3.对于给定的检验程度=0.05，由Ptt/2n-1=，Ptt/2n-1=/2

16、，Ptt0.0254=0.025，查t分布表得双侧分位点t/2n-1=t0.0254=2.776.因为t03t0.0254=2.776，故应回绝H0，认为该仪器间接测量有系统偏向.3 双边检验与单边检验上面讨论的假设检验中，H0为=0，而备择假设H1：0意思是可能大于0，也可能小于0，称为双边备择假设，而称形如H0：=0，H1：0的假设检验为双边检验.有时我们只关心总体均值是否增大，例如，试验新工艺以进步材料的强度，这时所考虑的总体的均值应该越大越好，假设我们能判断在新工艺下总体均值较以往正常消费的大，那么可考虑采用新工艺.此时，我们需要检验假设H0：=0；H1：0. 8.6我们在这里作了不言

17、而喻的假定，即新工艺不可能比旧的更差，形如8.6的假设检验，称为右边检验，类似地，有时我们需要检验假设H0：=0；H1：0. 8.7形如8.7的假设检验，称为左边检验，右边检验与左边检验统称为单边检验.下面来讨论单边检验的回绝域.设总体XN，2，2为，x1，x2，xn是来自X的样本观察值.给定显著性程度，我们先求检验问题H0：=0；H1：0.的回绝域.取检验统计量Z=，当H0为真时，Z不应太大，而在H1为真时，由于X是的无偏估计，当偏大时，X也偏大，从而Z往往偏大，因此回绝域的形式为Z=k，k待定.因为当H0为真时，N0，1，由P回绝H0H0为真=P=得k=z，故回绝域为Z=z. 8.8类似地

18、，左边检验问题H0：=0；H1：0.的回绝域为Z=-z. 8.9例8.4 从甲地发送一个信号到乙地，设发送的信号值为，由于信号传送时有噪声迭加到信号上，这个噪声是随机的，它服从正态分布N0，22，从而乙地接到的信号值是一个服从正态分布N，22的随机变量.设甲地发送某信号5次，乙地收到的信号值为：8.4 10.5 9.1 9.6 9.9由以往经历，信号值为8，于是乙方猜测甲地发送的信号值为8，能否承受这种猜测？取=0.05.解 按题意需检验假设H0：=8；H1：8.这是右边检验问题，其回绝域如8.8式所示，即 Z= z0.05=1.645.而如今z0=1.681.645，所以回绝H0，认为发出的

19、信号值8.2.单个正态总体方差的假设检验检验法-test1 双边检验设总体XN，2，未知，检验假设H0：2=02；H1：202.其中02为常数.由于样本方差S2是2的无偏估计，当H0为真时，比值一般来说应在1附近摆动，而不应过分大于1或过分小于1，由第六章知当H0为真时=n-1. 8.10所以对于给定的显著性程度有图8-3图8-3Pn-1n-1=1-. 8.11对于给定的，查分布表可求得分布分位点n-1与n-1.由8.11知，H0的承受域是 n-1 n-1； 8.12H0的回绝域为n-1或n-1. 8.13这种用服从分布的统计量对个单正态总体方差进展假设检验的方法，称为检验法.例8.5 某厂消

20、费的某种型号的电池，其寿命长期以来服从方差2=5000小时2的正态分布，现有一批这种电池，从它的消费情况来看，寿命的波动性有所改变，现随机抽取26只电池，测得其寿命的样本方差s2=9200小时2.问根据这一数据能否推断这批电池的寿命的波动性较以往有显著的变化取=0.02?解 此题要求在=0.02下检验假设H0：2=5000；H1：25000.如今n=26，n-1=44.314， n-1= =11.524,02=5000.由8.13回绝域为44.314或11.524由观察值s2=9200得=4644.314,所以回绝H0，认为这批电池寿命的波动性较以往有显著的变化.2 单边检验右检验或左检验设总

21、体XN，2，未知，检验假设H0：202；H1：202.右检验由于XN，2，故随机变量=n-1.当H0为真时，统计量=.对于显著性程度，有Pn-1=图8-4图8-4.于是有Pn-1Pn-1=.可见，当很小时，n-1是小概率事件，在一次的抽样中认为不可能发生，所以H0的回绝域是：=n-1右检验. 8.14类似地，可得左检验假设H0：202，H1：202的回绝域为n-1左检验. 8.15例8.6 今进展某项工艺革新，从革新后的产品中抽取25个零件，测量其直径，计算得样本方差为s2=0.00066，革新前零件直径的方差2=0.0012，设零件直径服从正态分布，问革新后消费的零件直径的方差是否显著减小？

22、=0.05解 1 提出假设H0：202=0.0012；H1：2<02.2 选取统计量=.=n-1，且当H0为真时，3 对于显著性程度=0.05，查分布表得n-1=13.848，当H0为真时，P< n-1P=.故回绝域为< n-1=13.848.4 根据样本观察值计算的观察值=13.2.5 作判断：由于=13.2 n-1=13.848，即落入回绝域中，所以回绝H0：202，即认为革新后消费的零件直径的方差小于革新前消费的零件直径的方差.最后我们指出，以上讨论的是在均值未知的情况下，对方差的假设检验，这种情况在实际问题中较多.至于均值的情况下，对方差的假设检验，其方法类似，只是所

23、选的统计量为=.当2=02为真时，n.关于单个正态总体的假设检验可列表8-2.表8-2检验参数条件H0H1H0的回绝域检验用的统计量自由度分位点数学期望2已知=000000|Z|z/2ZzZ-zZ=±z/2z-z2未知=000000tt/2ttt-tt=n-1±t/2t-t方差未知2=02202202202202202=n-1已知2=02202202202202202=n注：上表中H0中的不等号改成等号，所得的回绝域不变.第三节 两个正态总体的假设检验上一节介绍了单个正态总体的数学期望与方差的检验问题，在实际工作中还常碰到两个正态总体的比较问题.1.两正态总体数学期望假设检

24、验1 方差，关于数学期望的假设检验Z检验法设XN1,12，YN2，22，且X，Y互相独立，12与22，要检验的是H0：1=2；H1：12.双边检验怎样寻找检验用的统计量呢？从总体X与Y中分别抽取容量为n1，n2的样本X1，X2，及Y1，Y2，由于，E-=E-E=1-2，D-=D+D=，故随机变量-也服从正态分布，即-N1-2，.从而N0，1.于是我们按如下步骤判断.a 选取统计量 Z=， 8.16当H0为真时，ZN0，1.b 对于给定的显著性程度，查标准正态分布表求z/2使PZz/2=，或PZz/2=1-/2. 8.17c 由两个样本观察值计算Z的观察值z0：z0=.d 作出判断：假设z0z/

25、2，那么回绝假设H0，承受H1；假设z0z/2，那么与H0相容，可以承受H0.例8.7 A，B两台车床加工同一种轴，如今要测量轴的椭圆度.设A车床加工的轴的椭圆度XN1，12，B车床加工的轴的椭圆度YN2，22，且12=0.0006mm2，22=0.0038mm2，现从A，B两台车床加工的轴中分别测量了n1=200，n2=150根轴的椭圆度，并计算得样本均值分别为=0.081mm,=0.060mm.试问这两台车床加工的轴的椭圆度是否有显著性差异？给定=0.05解 提出假设H0：1=2；H1：12. 选取统计量Z=，在H0为真时，ZN0，1. 给定=0.05，因为是双边检验，/2=0.025.P

26、Zz/2=0.05, PZz/2=0.025，PZz/2=1-0.025=0.975.查标准正态分布表，得z/2=z0.025=1.96. 计算统计量Z的观察值zz0=3.95. 作判断：由于z0=3.951.96=z/2，故回绝H0，即在显著性程度=0.05下，认为两台车床加工的轴的椭圆度有显著差异.用Z检验法对两正态总体的均值作假设检验时，必须知道总体的方差，但在许多实际问题中总体方差12与22往往是未知的，这时只能用如下的t检验法.2 方差12，22未知，关于均值的假设检验t检验法设两正态总体X与Y互相独立，XN1，12，YN2，22，12，22未知，但知12=22，检验假设H0：1=2

27、；H1：12.双边检验从总体X，Y中分别抽取样本X1，X2，与Y1，Y2，那么随机变量t=tn1+n2-2，式中Sw2=，S12，S22分别是X与Y的样本方差.当假设H0为真时，统计量t= tn1+n2-2. 8.18对给定的显著性程度，查t分布得t/2n1+n2-2，使得Ptt/2n1+n2-2=. 8.19再由样本观察值计算t的观察值t0=， 8.20最后作出判断：假设t0t/2n1+n2-2，那么回绝H0；假设t0t/2n1+n2-2，那么承受H0.例8.8 在一台自动车床上加工直径为2.050毫米的轴，如今每相隔两小时，各取容量都为10的样本，所得数据列表如表8-3所示.表8-3零件加

28、工编号12345678910第一个样本2.0662.0632.0682.0602.0672.0632.0592.0622.0622.060第二个样本2.0632.0602.0572.0562.0592.0582.0622.0592.0592.057假设直径的分布是正态的，由于样本是取自同一台车床,可以认为12=22=2，而2是未知常数.问这台自动车床的工作是否稳定？取=0.01解 这里实际上是12=22=2，但2未知的情况下检验假设H0：1=2；H1：12.我们用t检验法，由样本观察值算得：=2.063, =2.059，s12=0.00000956， s22=0.00000489，sw2=0.

29、0000072.由8.20式计算得t0=3.3.对于=0.01，查自由度为18的t分布表得t0.00518=2.878.由于t0=3.3t0.00518=2.878,于是回绝原假设H0：1=2.这说明两个样本在消费上是有差异的，可能这台自动车床受时间的影响而消费不稳定.2. 两正态总体方差的假设检验F检验法F-test1 双边检验设两正态总体XN1，12，YN2，22，X与Y独立，X1，X2，与Y1，Y2，分别是来自这两个总体的样本，且1与2未知.如今要检验假设H0：12=22；H1：1222.在原假设H0成立下，两个样本方差的比应该在1附近随机地摆动，所以这个比不能太大又不能太小.于是我们选

30、取统计量F=. 8.21显然，只有当F接近1时，才认为有12=22.由于随机变量F*= Fn1-1，n2-1,所以当假设H0：12=22成立时,统计量F= Fn1-1，n2-1.对于给定的显著性程度，可以由F分布表求得临界值n1-1，n2-1与F/2n1-1，n2-1使得 P n1-1，n2-1FF/2n1-1，n2-1=1-图8-5，由此可知H0的承受区域是n1-1，n2-1FF/2n1-1，n2-1；而H0的回绝域为Fn1-1，n2-1，或 FF/2n1-1，n2-1.然后，根据样本观察值计算统计量F的观察值，假设F的观察值落在回绝域中，那么回绝H0，承受H1；假设F的观察值落在承受域中，

31、那么承受H0.图8-5例8.9 在例8.8中我们认为两个总体的方差12=22，它们是否真的相等呢？为此我们来检验假设H0：12=22给定=0.1.解 这里n1=n2=10，s12=0.00000956,s22=0.00000489，于是统计量F的观察值为F=0.00000956/0.00000489=1.95.查F分布表得F/2n1-1，n2-1=F0.059,9=3.18，F1-/2n1-1，n2-1=F0.959,9=1/F0.059,9=1/3.18.由样本观察值算出的F满足F0.959,9=1/3.18F=1.953.18=F0.059,9.可见它不落入回绝域，因此不能回绝原假设H0：

32、12=22，从而认为两个总体的方差无显著差异.注意：在1与2时，要检验假设H0：12=22，其检验方法类同均值未知的情况，此时所采用的检验统计量是：F=Fn1，n2.其回绝域参看表8-4.表8-4检验参数条件H0H1H0的回绝域检验用的统计量自由度分位点均值12,22已知1=21212121212|Z|z/2ZzZ-zZ=±z/2z-z12,22未知12=221=21212121212tt/2ttt-tt=n1+n2-2±t/2t-t方差1,2未知12=2212221222122212221222FF/2或FF1-/2FFFF1-F=n1-1,n2-1F/2或F1-/2FF

33、F1-1,2已知12=221222122122212221222FF/2或FF1-/2FFFF1-F=n1,n2F/2或F1-/2FFF1- 2 单边检验可作类似的讨论，限于篇幅，这里不作介绍了.第四节 总体分布函数的假设检验上两节中，我们在总体分布形式为的前提下，讨论了参数的检验问题.然而在实际问题中，有时不能确知总体服从什么类型的分布，此时就要根据样本来检验关于总体分布的假设.例如检验假设：“总体服从正态分布等.本节仅介绍检验法.所谓检验法是在总体的分布为未知时，根据样本值x1，x2，xn来检验关于总体分布的假设H0：总体X的分布函数为Fx；H1：总体X的分布函数不是Fx 8.22的一种方

34、法这里的备择假设H1可不必写出.注意，假设总体X为离散型，那么假设8.22相当于H0：总体X的分布律为PX=xi=pi，i=1，2，；8.23假设总体X为连续型，那么假设8.22相当于H0：总体X的概率密度为fx. 8.24在用检验法检验假设H0时，假设在假设H0下Fx的形式，而其参数值未知，此时需先用极大似然估计法估计参数，然后再作检验.检验法的根本思想与方法如下：1 将随机试验可能结果的全体分为k个互不相容的事件A1，A2，Ak=，AiAj=Æ，ij；i,j=1,2,k,于是在H0为真时，可以计算概率=PAii=1，2，k.2 寻找用于检验的统计量及相应的分布，在n次试验中，事件

35、Ai出现的频率与概率往往有差异，但由大数定律可以知道，假设样本容量n较大一般要求n至少为50，最好在100以上，在H0成立条件下的值应该比较小，基于这种想法，皮尔逊使用= 8.25作为检验H0的统计量,并证明了如下的定理.定理8.1 假设n充分大n50,那么当H0为真时不管H0中的分布属什么分布,统计量8.25总是近似地服从自由度为k-r-1的分布,其中r是被估计的参数的个数.3 对于给定的检验程度，查表确定临界值使P=，从而得到H0的回绝域为.4由样本值x1，x2，xn计算的值，并与比较.5 作结论：假设，那么回绝H0，即不能认为总体分布函数为Fx；否那么承受H0.例8.10 一本书的一页中

36、印刷错误的个数X是一个随机变量，现检查了一本书的100页，记录每页中印刷错误的个数，其结果如表8-5所示.表8-5错误个数i01234567页数fi36401920210AiA 0A 1A 2A 3A 4A 5A 6A7其中fi是观察到有i个错误的页数.问能否认为一页书中的错误个数X服从泊松分布取=0.05?解 由题意首先提出假设：H0：总体X服从泊松分布.PX=i=，i=0，1，2，这里H0中参数为未知，所以需先来估计参数.由最大似然估计法得=1.将试验结果的全体分为A0，A1，A7两两不相容的事件.假设H0为真，那么PX=i有估计，i=0，1，2，.例如计算结果如表8-6所示.将其中有些n

37、pi5的组予以适当合并，使新的每一组内有npi5，如表8-6所示，此处并组后k=4，但因在计算概率时，估计了一个未知参数，故计算结果为=1.460表8-6.因为=5.9911.46，所以在显著性程度为0.05下承受H0，即认为总体服从泊松分布.表8-6AifiA036e-136.788-0.7880.017A140e-136.7883.2120.280A219e-1/218.3940.6060.020A3A4A5A6A720210e-1/6e-1/24e-1/120e-1/7206.1311.5330.3070.0510.008-3.031.1431.460例8.11 研究混凝土抗压强度的分布

38、.200件混凝土制件的抗压强度以分组形式列出表8-7.n=200.要求在给定的检验程度=0.05下检验假设H0：抗压强度XN，2.表8-7压强区间×98kPa频数fi190200102002102621022056220230642302403024025014解 原假设所定的正态分布的参数是未知的，我们需先求与2的极大似然估计值.由第七章知，与2的极大似然估计值为，.设为第i组的组中值，我们有=221,=152,=12.33.原假设H0改写成X是正态N221，12.332分布，计算每个区间的理论概率值, i=1，2，6,其中,.为了计算出统计量之值，我们把需要进展的计算列表如下表8

39、-8.表8-8压强区间X频数fi标准化区间i，i+119020010-，-1.700.045910.1120021026-1.70,-0.890.14228.45.760.2021022056-0.89,-0.080.28156.20.040.0022023064-0.08,0.730.29959.817.640.29230240300.73,1.540.17134.217.640.52240250141.54,+0.06212.42.560.231.0002001.35从上面计算得出的观察值为1.35.在检验程度=0.05下，查自由度m=6-2-1=3的分布表，得到临界值=7.815.由于=

40、1.357.815=，不能回绝原假设，所以认为混凝土制件的抗压强度的分布是正态分布N221，152.小 结有关总体分布的未知参数或未知分布形式的种种论断叫做统计假设.一般统计假设分为原假设H0在实际问题中至关重要的假设及与原假设H0对立假设即是备择假设H1.假设检验就是人们根据样本提供的信息作出“承受H0、回绝H1或“回绝H0、承受H1的判断.假设检验的思想是小概率原理，即小概率事件在一次试验中几乎不会发生.这种原理是人们处理实际问题中公认的原那么.由于样本的随机性，当H0为真时，我们可能会作出回绝H0、承受H1的错误判断弃真错误或当H0不真时，我们可能会作出承受H0、回绝H1的错误判断取伪错

41、误.假设检验的两类错误真实情况未知所作决策承受H0回绝H0H0为真正确犯第一类错误H0不真犯第二类错误正确当样本容量n固定时，我们无法同时控制犯二类错误，即减小犯第一类错误的概率，就会增大犯第二类错误的概率，反之亦然.在假设检验中我们主要控制减小犯第一类错误的概率.使P回绝H0|H0为真，其中很小.0<<1，称为检验的显著性程度，这种只对犯第一类错误的概率加以控制而不考虑犯第二类错误的概率的检验称为显著性假设检验.单个、两个正态总体的均值、方差的假设检验是本章重点问题，读者需掌握Z检验法、检验法、t检验法等.这些检验法中原假设H0备择假设H1及H0的回绝域分别见表8-2、表8-4. 重要术语及主题原假设 备择假设 检验统计量 单边检验 双边检验显著性程度 回绝域 显著性检验 一个正态