参数假设检验

正态总体数学期望$a$的检验

一个总体时$a$的检验

• $H_0:a=a_0,H_1:a\ne a_0$
  • （$u$检验法）：设方差$D(\xi )={\sigma }^2$已知，记${\sigma }^2={\sigma }_0^2$
    • 若总体$\xi$服从正态分布$N(a,{\sigma }_0)$，由于样本均值$\bar{\xi }$服从正态分布$N(a,\frac{{\sigma }_0}{\sqrt{n}})$，所以$U^{\ast }=\frac{\bar{\xi }-a}{{\sigma }_0/\sqrt{n}}$服从标准正态分布。因此当原假设$H_0$成立时，统计量$U=\frac{\bar{\xi }-a_0}{{\sigma }_0/\sqrt{n}}$服从标准正态分布，$U$不带未知参数，它可作为判断$H_0$的检验统计量
  • （$t$检验法）：设方差$D(\xi )={\sigma }^2$未知
    • 设总体$\xi$服从正态分布$N(a,\sigma )$，由抽样分布定理推论知：$T^{\ast }=\sqrt{n-1}\times \frac{\overline{\xi }-a}{S}\sim t_{(n-1)}$，因此，当原假设$H_0$成立时，则$T=\sqrt{n-1}\times \frac{\overline{\xi }-a_0}{S}\sim t_{(n-1)}$，即统计量$T$服从自由度为$n-1$的$t-$分布，且不带有未知参数，它可作为判断$H_0$的检验统计量
• $H_0:a\le a_0,H_1:a>a_0$。假定总体$\xi$服从正态分布$N(a,\sigma )$，${\xi }_i$为样本，$\bar{\xi }$为样本均值，$S^2$为样本方差
  • 设方差${\sigma }^2$已知，记${\sigma }^2={\sigma }_0^2$
    • $U^{\ast }=\frac{\bar{\xi }-a}{{\sigma }_0/\sqrt{n}},U=\frac{\bar{\xi }-a_0}{{\sigma }_0/\sqrt{n}}$，$U^{\ast }$服从标准正态分布，给定检验水平$\alpha$，确定临界值 u a : P { U ∗ ≥ u a } = α u_a: P\{U^* \ge u_a\} =\alpha ua​:P{U∗≥ua​}=α。当$H_0$为真时，$U\le U^{\ast }$，则有 P { U ≥ u a } ≤ P { U ∗ ≥ u a } = α P\{U \ge u_a\} \le P\{U^* \ge u_a\} =\alpha P{U≥ua​}≤P{U∗≥ua​}=α，即$H_0$的检验水平为$\alpha$的否定域为 A 1 = { ( x i ) : U ≥ u a } A_1 =\{(x_i): U \ge u_a\} A1​={(xi​):U≥ua​}。则检测统计量$U$的观察值$u=\frac{\sqrt{n}\times (\bar{x}-a_0)}{{\sigma }_0}$，若$u\ge u_a$，则否定$H_0$，否则不否定$H_0$
  • 设方差${\sigma }^2$未知，用$S^2$估计${\sigma }^2$
    • $T^{\ast }=\frac{\overline{\xi }-a}{S/\sqrt{n-1}},T=\frac{\overline{\xi }-a_0}{S/\sqrt{n-1}}$，随机变量$T^{\ast }$服从$t_{(n-1)}$分布，给定检验水平$\alpha$，确定临界值 t ( n − 1 ) ( α ) : P { T ∗ ≥ t ( n − 1 ) ( α ) } = α t_{(n - 1)}(\alpha): P\{T^* \ge t_{(n - 1)}(\alpha)\} = \alpha t(n−1)​(α):P{T∗≥t(n−1)​(α)}=α，当$H_0$为真时，$T\le T^{\ast }$，则有 P { T ≥ t ( n − 1 ) ( α ) } ≤ P { T ∗ ≥ t ( n − 1 ) ( α ) } = α P\{T \ge t_{(n - 1)}(\alpha)\} \le P\{T^* \ge t_{(n - 1)}(\alpha)\} = \alpha P{T≥t(n−1)​(α)}≤P{T∗≥t(n−1)​(α)}=α，即$H_0$的检验水平为$\alpha$的否定域为 A 2 = { ( x i ) : T ≥ t ( n − 1 ) ( α ) } A_2 =\{(x_i):T \ge t_{(n - 1)}(\alpha)\} A2​={(xi​):T≥t(n−1)​(α)}。则检测统计量$T$的观察值$t=\frac{\sqrt{n-1}\times (\bar{x}-a_0)}{S}$，若$t\ge t_{(n-1)}(\alpha )$，则否定$H_0$，否则不否定$H_0$

两个总体时$a$的检验（单因子二水平试验）

• $H_0:a_1=a_2,H_1:a_1\ne a_2$
  • 假设总体$\xi$服从正态分布$N(a_1,{\sigma }_1)$，总体$\eta$服从正态分布$N(a_2,{\sigma }_2)$，其中$a_1,a_2,{\sigma }_1,{\sigma }_2$均未知。现在分布从总体$\xi$和$\eta$中抽取样本${\xi }_1,{\xi }_2,\cdots ,{\xi }_{n_1}$及${\eta }_1,{\eta }_2,\cdots ,{\eta }_{n_2}$，统计量$\bar{\xi },\bar{\eta }$为样本均值，$S_1^2,S_2^2$为样本方差，设两个样本相互独立
  • （$t$检验法）：设${\sigma }_1^2={\sigma }_2^2={\sigma }^2,{\sigma }^2$未知
    • $\sqrt{\frac{n_1\times n_2\times (n_1+n_2-2)}{n_1+n_2}}\times \frac{(\bar{\xi }-\bar{\eta })-(a_1-a_2)}{\sqrt{n_1\times S_1^2+n_2\times S_2^2}}\sim t_{(n_1+n_2-2)}$，因此当$H_0$成立时，上述统计量为$\sqrt{\frac{n_1\times n_2\times (n_1+n_2-2)}{n_1+n_2}}\times \frac{\bar{\xi }-\bar{\eta }}{\sqrt{n_1\times S_1^2+n_2\times S_2^2}}\sim t_{(n_1+n_2-2)}$。它不带未知参数，因而可作为$H_0$的检验统计量
  • 配对数据的$t$检验
    • 设总体$(\xi ,\eta )$服从二维正态分布，$({\xi }_1,{\eta }_1),({\xi }_2,{\eta }_2),\cdots ,({\xi }_n,{\eta }_n)$为样本。$H_0:a_1=a_2$，$\xi$服从$N(a_1,{\sigma }_1)$，$\eta$服从$N(a_2,{\sigma }_2)$，${\sigma }_1,{\sigma }_2$均未知。记$Z=\xi -\eta ,Z_i={\xi }_i-{\eta }_i$。将$Z$看成一维的总体，$z_i$为样本，$Z$服从$N(a_1-a_2,\sigma )$，记$a_1-a2=a$，此时，原来的数学期望是否相等的检验，变成为对总体$Z$的数学期望$a$是否等于零的检验，即$H_0:a=0,H_1:a\ne 0$。记$\bar{Z}=\frac{1}{n}\times {\sum }_{i=1}^n{Z}_i，S^2=\frac{1}{n}\times {\sum }_{i=1}^n(Z_i-\bar{Z}{)}^2$，方差$D(Z)={\sigma }^2$未知，用$S^2$估计${\sigma }^2$，当$H_0$为真时，$T=\frac{\bar{Z}}{S/\sqrt{n-1}}\sim t_{(n-1)}$。给定显著性水平$\alpha$，确定临界值 t ( n − 1 ) ( α 2 ) : P { ∣ T ∣ ≥ t ( n − 1 ) ( α 2 ) } = α t_{(n - 1)}(\frac{\alpha}{2}): P\{|T| \ge t_{(n - 1)}(\frac{\alpha}{2})\} = \alpha t(n−1)​(2α​):P{∣T∣≥t(n−1)​(2α​)}=α。$H_0$的拒绝域为 A = { ( z 1 , z 2 , ⋯   , z n ) : ∣ T ∣ ≥ t ( n − 1 ) ( α 2 ) } A = \{(z_1, z_2, \cdots, z_n): |T| \ge t_{(n - 1)}(\frac{\alpha}{2})\} A={(z1​,z2​,⋯,zn​):∣T∣≥t(n−1)​(2α​)}。当检验统计量$T$的观察值$t$符合条件$|t|\ge t_{(n-1)}(\frac{\alpha }{2})$时，否定$H_0$，否则不否定$H_0$

总结

两个总体的数学期望是否相等的显著性检验，实际意义还在于它是一种优选的统计方法。当$H_0$被否定，数学期望之间的差异是显著的，此时的比较和优选是有意义的
至于多个总体的数学期望差异性的显著性检验，是建立$F$统计量做检验统计量，用所谓方差分析法进行检验

正态总体方差${\sigma }^2$的检验

一个总体时${\sigma }^2$的检验

• （${\chi }^2-$检验法）$H_0:{\sigma }^2={\sigma }_0^2,H_1:{\sigma }^2\ne {\sigma }_0^2$
  • 假设总体$\xi$服从正态分布$N(a,\sigma )$，其中$a,\sigma$均未知。由$\frac{n\times S^2}{{\sigma }^2}\sim {\chi }_{(n-1)}^2$。故当$H_0$成立时，统计量$\frac{n\times S^2}{{\sigma }_0^2}\sim {\chi }_{(n-1)}^2$，即$\frac{n\times S^2}{{\sigma }_0^2}$服从自由度为$n-1$的${\chi }^2-$分布，且不带未知参数，因此可作为$H_0$的检验统计量。给定显著水平$\alpha$，在${\chi }^2-$分布临界值表中查自由度$n-1$对应的两个临界值${\chi }_{(n-1)}^2(\frac{\alpha }{2})$及${\chi }_{(n-1)}^2(1-\frac{\alpha }{2})$，使得 P { n × S 2 σ 0 2 ≥ χ ( n − 1 ) 2 ( α 2 ) } = α 2 , P { n × S 2 σ 0 2 ≥ χ ( n − 1 ) 2 ( 1 − α 2 ) } = 1 − α 2 P\{\frac{n \times S^2}{\sigma_0^2} \ge \chi^2_{(n - 1)}(\frac{\alpha}{2})\} = \frac{\alpha}{2}, P\{\frac{n \times S^2}{\sigma_0^2} \ge \chi^2_{(n - 1)}(1 - \frac{\alpha}{2})\} = 1 - \frac{\alpha}{2} P{σ02​n×S2​≥χ(n−1)2​(2α​)}=2α​,P{σ02​n×S2​≥χ(n−1)2​(1−2α​)}=1−2α​，则 P { χ ( n − 1 ) 2 ( 1 − α 2 ) ≤ n × S 2 σ 0 2 ≤ χ ( n − 1 ) 2 ( α 2 ) } = 1 − α P\{\chi^2_{(n - 1)}(1 - \frac{\alpha}{2}) \le \frac{n \times S^2}{\sigma_0^2} \le \chi^2_{(n - 1)}( \frac{\alpha}{2})\} = 1 - \alpha P{χ(n−1)2​(1−2α​)≤σ02​n×S2​≤χ(n−1)2​(2α​)}=1−α
• $H_0:{\sigma }^2\le {\sigma }_0^2,H_1:{\sigma }^2>{\sigma }_0^2$
  • 假设总体$\xi$服从正态分布$N(a,\sigma )$，其中$a,\sigma$均未知。${\xi }_i$为样本，$\bar{\xi }$为样本均值，$S^2$为样本方差，记$S^2=\frac{1}{n}\times {\sum }_{i=1}^n({\xi }_i-\bar{\xi }{)}^2,K^{\ast }=\frac{n\times S^2}{{\sigma }^2},K=\frac{n\times S^2}{{\sigma }_0^2}$，随机变量$K^{\ast }$服从${\chi }_{(n-1)}^2$分布，给定检验水平$\alpha$，临界值 χ ( n − 1 ) 2 ( α ) : P { K ∗ ≥ χ ( n − 1 ) 2 ( α ) } = α \chi_{(n - 1)}^2(\alpha): P\{K^* \ge \chi_{(n - 1)}^2(\alpha)\} = \alpha χ(n−1)2​(α):P{K∗≥χ(n−1)2​(α)}=α。当$H_0$为真时，$K\le K^{\ast }$，则有 P { K ≥ χ ( n − 1 ) 2 ( α ) } ≤ P { K ∗ ≥ χ ( n − 1 ) 2 ( α ) } = α P\{K \ge \chi_{(n - 1)}^2(\alpha)\} \le P\{K^* \ge \chi_{(n - 1)}^2(\alpha)\} = \alpha P{K≥χ(n−1)2​(α)}≤P{K∗≥χ(n−1)2​(α)}=α。即$H_0$的检验水平$\alpha$的否定域 A = { ( x 1 , x 2 , ⋯   , x n ) : K ≥ χ ( n − 1 ) 2 ( α ) } A = \{(x_1, x_2, \cdots, x_n): K \ge \chi_{(n - 1)}^2(\alpha)\} A={(x1​,x2​,⋯,xn​):K≥χ(n−1)2​(α)}，由样本观察值计算样本均值$\bar{x}$和样本方差$S^2$，求得检验统计量$K$的观察值$k=\frac{n\times S^2}{{\sigma }_0^2}$，当$k\ge {\chi }_{(n-1)}^2(\alpha )$，否定$H_0$，否则不否定$H_0$

两个总体时方差的比较

• $H_0:{\sigma }_1^2={\sigma }_2^2,H_1:{\sigma }_1^2\ne {\sigma }_2^2$

  • （F检验法）：假定总体$\xi ,\eta$分布服从正态分布$N(a_1,{\sigma }_1),N(a_2,{\sigma }_2)$，现分布抽取样板 { ξ i } , { η i } \{\xi_i\}, \{\eta_i\} {ξi​},{ηi​}，记

    • $\bar{\xi }=\frac{1}{n_1}\times {\sum }_{i=1}^{n_1}{\xi }_i$
    • $\bar{\eta }=\frac{1}{n_2}\times {\sum }_{i=1}^{n_2}{\eta }_i$
    • $S_1^2=\frac{1}{n_1}\times {\sum }_{i=1}^{n_1}({\xi }_i-\bar{\xi }{)}^2$
    • $S_2^2=\frac{1}{n_2}\times {\sum }_{i=1}^{n_2}({\eta }_i-\bar{\eta }{)}^2$ 。
      设这两个样本相互独立，则
    • $\frac{n_1\times S_1^2}{{\sigma }_1^2}\sim {\chi }_{(n_1-1)}^2$
    • $\frac{n_2\times S_2^2}{{\sigma }_2^2}\sim {\chi }_{(n_2-1)}^2$
      则 $[\frac{n_1\times S_1^2}{{\sigma }_1^2}/(n_1-1)]/[\frac{n_2\times S_2^2}{{\sigma }_2^2}/(n_2-1)]\sim F_{(n_1-1,n_2-1)}$。故当$H_0$成立时，则有$\frac{(n_2-1)\times n_1\times S_1^2}{(n_1-1)\times n_2\times S_2^2}\sim F_{(n_1-1,n_2-1)}$，即$\frac{(n_2-1)\times n_1\times S_1^2}{(n_1-1)\times n_2\times S_2^2}$服从第一自由度为$n_1-1$，第二自由度为$n_2-1$的$F-$分布，且不带未知参数，故而可以作为判断$H_0$的检验统计量。
    • 若$H_0$正确，则$F_{(n_1-1,n_2-1)}$的比值大约为1，因此这个$F$值太大或太小，都表明$H_0$可能不正确。给定显著性 α : P { F ≥ F ( α ) } = α \alpha: P\{F \ge F(\alpha)\} = \alpha α:P{F≥F(α)}=α，于是选择临界值，使得
      • P { F ≥ F ( n 1 − 1 , n 2 − 1 ) ( α 2 ) } = α 2 P\{F \ge F_{(n_1 - 1, n_2 -1)}(\frac{\alpha}{2})\} = \frac{\alpha}{2} P{F≥F(n1​−1,n2​−1)​(2α​)}=2α​
      • P { F ≥ F ( n 1 − 1 , n 2 − 1 ) ( 1 − α 2 ) } = 1 − α 2 P\{F \ge F_{(n_1 - 1, n_2 -1)}(1 - \frac{\alpha}{2})\} = 1 - \frac{\alpha}{2} P{F≥F(n1​−1,n2​−1)​(1−2α​)}=1−2α​

    有上述结论得：由$\frac{(n_2-1)\times n_1\times S_1^2}{(n_1-1)\times n_2\times S_2^2}\sim F_{(n_1-1,n_2-1)}$的$F$统计量的观察值大于$F_{(n_1-1,n_2-1)}(\frac{\alpha }{2})$或者小于$F_{(n_1-1,n_2-1)}(1-\frac{\alpha }{2})$时，否定$H_0$

• $H_0:{\sigma }_1^2\le {\sigma }_2^2,H_1:{\sigma }_1^2>{\sigma }_2^2$

  • ：假定总体$\xi ,\eta$分布服从正态分布$N(a_1,{\sigma }_1),N(a_2,{\sigma }_2)$，现分布抽取样本 { ξ i } , { η i } \{\xi_i\}, \{\eta_i\} {ξi​},{ηi​}，设这两个样本相互独立，$\bar{\xi },\bar{\eta }$分布为样本均值，$S_1^2,S_2^2$分布为样本方差，记
  • $F^{\ast }=\frac{n_1\times S_1^2/[(n_1-1)\times {\sigma }_1^2]}{n_2\times S_2^2/[(n_2-1)\times {\sigma }_2^2]}$
  • $F=\frac{n_1\times S_1^2/(n_1-1)}{n_2\times S_2^2/(n_2-1)}$

  随机变量$F^{\ast }$服从$F_{(n_1-1,n_2-1)}$分布，给定检验水平$\alpha$，临界值满足条件 P { F ∗ ≥ F ( n 1 − 1 , n 2 − 1 ) ( α ) } = α P\{F^* \ge F_{(n_1 - 1, n_2 - 1)}(\alpha)\} = \alpha P{F∗≥F(n1​−1,n2​−1)​(α)}=α。当$H_0$为真时，$F\le F^{\ast }$，则有 P { F ≥ F ( n 1 − 1 , n 2 − 1 ) ( ∞ ) } ≤ P { F ∗ ≥ F ( n 1 − 1 , n 2 − 1 ) ( α ) } = α P\{F \ge F_{(n_1 - 1, n_2 - 1)}(\infty)\} \le P\{F^* \ge F_{(n_1 - 1, n_2 - 1)}(\alpha)\} = \alpha P{F≥F(n1​−1,n2​−1)​(∞)}≤P{F∗≥F(n1​−1,n2​−1)​(α)}=α，即$H_0$的否定域为： A = { F ≥ F ( n 1 − 1 , n 2 − 1 ) ( α ) } A = \{F \ge F_{(n_1 - 1, n_2 - 1)}(\alpha)\} A={F≥F(n1​−1,n2​−1)​(α)}。由样本观察值$x_i,y_i$计算样本均值$\bar{x},\bar{y}$及样本方差$S_1^2,S_2^2$，求得检验统计量$F$的观察值$F$，当$F\ge F_{(n_1-1,n_2-1)}(\alpha )$时，否定$H_0$，否则不否定$H_0$

非正态总体的参数假设检验

• 单边检验的原假设的选择：实际问题中，对单边检验的原假设的不同选择，有时会有不同的结果
  • 问题：某工厂生产的一种绳索，其断裂强度服从正态分布$N(a,{\sigma }_0)$，${\sigma }_0$已知。某客户需要从该工厂进一批货，要求断裂强度的质量指标为$a\ge a_0$。从这批货中抽样检验，得到样本。问：从该样本中判断这批货的质量指标是否符合要求
  • 解法一：检验假设：$H_0:a\le a_0,H_1:a>a_0$
    • 由$H_0$的检验水平$\alpha$的否定域为 A 1 = { ( x 1 , x 2 , ⋯   , x n ) : U ≥ u α } A_1 = \{(x_1, x_2, \cdots, x_n):U \ge u_{\alpha}\} A1​={(x1​,x2​,⋯,xn​):U≥uα​}，其中检验统计量$U$为
    • $U=\frac{\bar{\xi }-a_0}{{\sigma }_0/\sqrt{n}},\bar{\xi }=\frac{{\sum }_{i=1}^n{\xi }_i}{n}$
    • A 1 = { ( x 1 , x 2 , ⋯   , x n ) : ξ ˉ ≥ a 0 + u α × σ 0 / n } A_1 = \{(x_1, x_2, \cdots, x_n):\bar{\xi} \ge a_0 + u_{\alpha} \times \sigma_0 / \sqrt{n}\} A1​={(x1​,x2​,⋯,xn​):ξˉ​≥a0​+uα​×σ0​/n ​}，由样本观察值计算样本均值$\bar{x}$，若$\bar{x}\ge a_0+u_{\alpha }\times {\sigma }_0/\sqrt{n}$，则否定$H_0$，否则不否定$H_0$
  • 解法二：检验假设：$H_0:a\ge a_0,H_1:a<a_0$
    • $U^{\ast }=\frac{\bar{\xi }-a}{{\sigma }_0/\sqrt{n}},U=\frac{\bar{\xi }-a_0}{{\sigma }_0/\sqrt{n}}$，随机变量$U^{\ast }$服从$N(0,1)$，给定检验水平$\alpha$，则有 P { U ∗ ≤ − u α } = α P\{U^* \le -u_{\alpha}\} = \alpha P{U∗≤−uα​}=α。当$H_0$成立时，$U^{\ast }\le U$，则有 P { U ≤ − u α } ≤ P { U ∗ ≤ − u α } = α P\{U \le -u_{\alpha}\} \le P\{U^* \le -u_{\alpha}\} = \alpha P{U≤−uα​}≤P{U∗≤−uα​}=α。$H_0$的检验水平$\alpha$的否定域为：
    • A 2 = { ( x 1 , x 2 , ⋯   , x n ) : U ≤ − u α } = { ( x 1 , x 2 , ⋯   , x n ) : ξ ˉ ≤ a 0 − u α × σ 0 / n } A_2 = \{(x_1, x_2, \cdots, x_n):U \le -u_{\alpha}\} = \{(x_1, x_2, \cdots, x_n):\bar{\xi} \le a_0 - u_{\alpha} \times \sigma_0 / \sqrt{n}\} A2​={(x1​,x2​,⋯,xn​):U≤−uα​}={(x1​,x2​,⋯,xn​):ξˉ​≤a0​−uα​×σ0​/n ​}，由样本观察值计算样本均值$\bar{x}$，若$\bar{x}\le a_0-u_{\alpha }\times {\sigma }_0/\sqrt{n}$，则否定$H_0$，否则不否定$H_0$
  • 问题：从$A_1,A_2$看出，若$a_0-u_{\alpha }\times {\sigma }_0/\sqrt{n}<\bar{x}<a_0+u_{\alpha }\times {\sigma }_0/\sqrt{n}$，则以上两种方法均不否定$H_0$：结果矛盾。故检验的结果与原假设的选定有关
  • 总结： 原假设的问题应根据具体 问题而定：
    • 如果对该工厂的质量不了解，或了解到该工厂的质量不很好，或若质量不符合该指标会造成较大的损失，则可采取保守态度，采用解法一
    • 如果知道该厂的质量较可靠，而质量指标离合格标准相差不太远又不会造成较大的损失，则可以采取较大胆的态度，采用解法二
    • 更谨慎的做法：当同时出现接受$H_0$时，不作出结论，继续抽样增加样本容量，再做进一步的检验，直至结论一致为止