在例8.1 中所提假设是
由于要检验的假设涉及总体均值μ,故首先想到是否可借助样本均值这一统计量来进行判断.从抽样的结果来看,样本均值(0.449+0.515+0.508+0.512+0.498+0.515+0.516+0.513+0.524)=0.511,与μ=0.5 之间有差异.对于与μ0 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μ=μ0=0.5,只是由于抽样的随机性造成了与μ0 之间的差异.
②统计假设H0 是不正确的,即μ≠μ0=0.5,由于系统误差,也就是包装机工作不正常,造成了与μ0 之间的差异.
对这两种解释到底哪一种比较合理呢?为了回答这个问题,我们适当选择一个小正数α(α=0.1,0.05 等),称为显著性水平(level of significance).在假设H0 成立的条件下,确定统计量-μ0 的临界值λα,使得事件为小概率事件,即
例如,取定显著性水平α=0.05.现在来确定临界值λ0.05.
因为X~N(μ,σ2),当H0:μ=μ0=0.5 为真时,有X~N(μ,σ2),于是
因为α=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{>0.009 8}是小概率事件,实际上是不可能发生的.现在抽样的结果是(www.daowen.com)
也就是说,小概率事件{>0.009 8}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,因而不能不使人怀疑假设H0 的正确性,所以在显著性水平α=0.05 下,我们拒绝H0,接受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基本思想是小概率事件原理,检验的基本步骤是:
①根据实际问题的要求,提出原假设H0 及备择假设H1.
②选取适当的显著性水平α(通常α=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 的分布要已知,找出临界值λα 使P{>λα}=α.称>λα 所确定的区域为H0 的拒绝域(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做出判断,将U 的观察值U0 与临界值λα 比较,若U0 落入拒绝域W 内,则拒绝H0 而接受H1.否则就说H0 相容(接受H0).
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。