统计学假设检验习题讲课稿
合集下载
假设检验《统计学原理》课件
图b
X＝X1＞X0
H0为伪
从上图可以看出,如果临界值沿水平方向右移,α将变小而β变大,即若减小 α错误,就会增大犯β错误的机会；如果临界值沿水平方向左移,α将变大而 β变小,即若减小β错误,也会增大犯α错误的机会,
a 错误和 错误的关系
在样本容量n一定的情况下,假设检验不能同时做到犯α和 β两类错误的概率都很小,若减小α错误,就会增大犯β错误 的机会；若减小β错误,也会增大犯α错误的机会,要使α和 β同时变小只有增大样本容量,但样本容量增加要受人力、 经费、时间等很多因素的限制,无限制增加样本容量就会 使抽样调查失去意义,因此假设检验需要慎重考虑对两类 错误进行控制的问题,
参数假设检验举例
例2：某公司进口一批钢筋,根据要求,钢筋的 平均拉力强度不能低于2000克,而供货商强 调其产品的平均拉力强度已达到了这一要 求,这时需要进口商对供货商的说法是否真 实作出判断,进口商可以先假设该批钢筋的 平均拉力强度不低于2000克,然后用样本的 平均拉力强度来检验假设是否正确,这也是 一个关于总体均值的假设检验问题,
假设检验的两类错误
正确决策和犯错误的概率可以归纳为下表：
假设检验中各种可能结果的概率
H0 为真
接受H0
1-α 正确决策
拒绝H0,接受H1
α 弃真错误
H0 为伪
β 取伪错误
1-β 正确决策
•假设检验两类错误关系的图示
以单侧上限检验为例,设H0 ：X≤X0 , H1：X＞X0
图a X≤X0 H0为真
a
H0值
样本统计量 临界值
观察到 的样本 统计量
5、假设检验的两类错误
根据假设检验做出判断无非下述四种情况：
1、原假设真实, 并接受原假设,判断正确； 2、原假设不真实,且拒绝原假设,判断正确； 3、原假设真实, 但拒绝原假设,判断错误； 4、原假设不真实,却接受原假设,判断错误, 假设检验是依据样本提供的信息进行判断,有犯错误的可 能,所犯错误有两种类型： 第一类错误是原假设H0为真时,检验结果把它当成不真而 拒绝了,犯这种错误的概率用α表示,也称作α错误 αerror 或弃真错误, 第二类错误是原假设H0不为真时,检验结果把它当成真而 接受了,犯这种错误的概率用β表示,也称作β错误 βerror 或取伪错误,
X＝X1＞X0
H0为伪
从上图可以看出,如果临界值沿水平方向右移,α将变小而β变大,即若减小 α错误,就会增大犯β错误的机会；如果临界值沿水平方向左移,α将变大而 β变小,即若减小β错误,也会增大犯α错误的机会,
a 错误和 错误的关系
在样本容量n一定的情况下,假设检验不能同时做到犯α和 β两类错误的概率都很小,若减小α错误,就会增大犯β错误 的机会；若减小β错误,也会增大犯α错误的机会,要使α和 β同时变小只有增大样本容量,但样本容量增加要受人力、 经费、时间等很多因素的限制,无限制增加样本容量就会 使抽样调查失去意义,因此假设检验需要慎重考虑对两类 错误进行控制的问题,
参数假设检验举例
例2：某公司进口一批钢筋,根据要求,钢筋的 平均拉力强度不能低于2000克,而供货商强 调其产品的平均拉力强度已达到了这一要 求,这时需要进口商对供货商的说法是否真 实作出判断,进口商可以先假设该批钢筋的 平均拉力强度不低于2000克,然后用样本的 平均拉力强度来检验假设是否正确,这也是 一个关于总体均值的假设检验问题,
假设检验的两类错误
正确决策和犯错误的概率可以归纳为下表：
假设检验中各种可能结果的概率
H0 为真
接受H0
1-α 正确决策
拒绝H0,接受H1
α 弃真错误
H0 为伪
β 取伪错误
1-β 正确决策
•假设检验两类错误关系的图示
以单侧上限检验为例,设H0 ：X≤X0 , H1：X＞X0
图a X≤X0 H0为真
a
H0值
样本统计量 临界值
观察到 的样本 统计量
5、假设检验的两类错误
根据假设检验做出判断无非下述四种情况：
1、原假设真实, 并接受原假设,判断正确； 2、原假设不真实,且拒绝原假设,判断正确； 3、原假设真实, 但拒绝原假设,判断错误； 4、原假设不真实,却接受原假设,判断错误, 假设检验是依据样本提供的信息进行判断,有犯错误的可 能,所犯错误有两种类型： 第一类错误是原假设H0为真时,检验结果把它当成不真而 拒绝了,犯这种错误的概率用α表示,也称作α错误 αerror 或弃真错误, 第二类错误是原假设H0不为真时,检验结果把它当成真而 接受了,犯这种错误的概率用β表示,也称作β错误 βerror 或取伪错误,
概率论与数理统计教案 第7章 假设检验
40
Sw
11 n1 n2
~ t(n1 n2 2)
拒绝域
U u
2
U u
U u T t (n1 n2 2)
2
未知，但
2 1
2 2
1 2 1 2
1, 2
已知
2 1
2 2
2 1
2 2
2 1
2 2
1, 2
未知
2 1
22
2 1
2 2
2 1
2 2
1 2 1 2
2 1
2 2
2 1
2 2
2 1
2
未知，关于方差比
2 1 2 2
的检验
检验假设： H 0
:
2 1
2 2
,
H1
:
2 1
2 2
.
选取统计量为 F
S12
S
2 2
2 1
2 2
S12
2 1
S 22
2 2
，
在
H0 为真时, F
S12 S22
~
F(n1 1, n2
1) ，可得显著性水平为的拒绝域为
三．单侧检验
F
F1
2
(n1
1, n2
1)
或
F
40
选取检验统计量为 T
X
Y Sw
( 1
1
1
2
)
，其中
Sw2
n1 n2
(n1 1)S12 (n2 1)S22 n1 n2 2
，
当 H0 为真时，统计量T X Y
Sw
11 n1 n2
~ t(n1 n2 2) ，
可得显著性水平为 的拒绝域为{T t (n1 n2 2)}.
统计学课件讲义 第7章 假设检验
第7章假设检验一、假设检验概述1.概念：假设检验是利用样本的实际资料来检验事先对总体某些数量特征所作的假设是否可信的一种统计分析方法。
2.主要目的：在于判决原假设的总体和当前抽样所取自的总体是否发生了显著的差异。
3.假设检验的检验法则假设检验过程就是比较样本观察结果与总体假设的差异。
差异显著，超过了临界点，拒绝H0；反之，差异不显著，接受H0。
4.假设检验中的两类错误：“弃真”、“取伪”在假设检验中，在一定样本容量下，不能同时做到犯这两类错误的概率都很小。
因为减少α会引起β增大，减少β会引起α增大。
5.基本思想：反证法思想、小概率原理6.假设检验的步骤：根据题意合理地建立原假设和备择假设→选择适当的检验统计量，并确定其分布形式→选定显著性水平，并根据相应统计量的统计分布表查出临界值→根据样本观察值计算检验统计量的观察值→根据检验规则作出接受或拒绝原假设的判断二、单个正态总体的假设检验（显著水平为α）三、两个正态总体的假设检（显著水平为α）注：2221212222212121211s s n n f s s n n n n ⎛⎫+ ⎪⎝⎭=⎛⎫⎛⎫ ⎪ ⎪⎝⎭⎝⎭+-- 四、总体比率的假设检验1、根据中心极限定理，在大样本条件下，若np 和nq 都大于5时，样本比率的抽样分布近似服从正态分布，因此，我们可用Z =作为检验统计量2、对于两总体比率之差的概率分布，可证明其近似地服从正态分布。
若总体比率未知，且1111,(1)n p n p -和 2222,(1)n p n p -都大于5时，我们可用样本比率1p 和2p 来替代。
因此，我们可用Z =五、假设检验中的其他问题1、区间估计与假设检验的关系：两者推断的角度不同、两者立足点不同、两者的主要决策参考点不同。
两者都属于统计推断方法，根据样本统计量对总体参数进行推断 对相同条件的推断问题，其推断的理论依据——抽样分布理论相同都是建立在概率基础上的推断，推断结果都具有一定的可靠程度或风险 利用置信区间可以进行假设检验2、假设检验中的p -值假设检验的p -值就是拒绝原假设的最小显著性水平。
统计学 第8章 假设检验 教学课件ppt
2. 一般来说，发生哪一类错误的后果更为严重，就应 该首要控制哪类错误发生的概率。但由于犯第Ι类错 误的概率是可以由研究者控制的，因此在假设检验 中，人们往往先控制第Ι类错误的发生概率
确定适当的检验统计量
什么是检验统计量？
1. 用于假设检验决策的统计量
原假设H0为真 点估计量的抽样分布 （样本均值、样本方差）
比较 3. 作出决策
双侧检验：I统计量I > 临界值，拒绝H0 左侧检验：统计量 < -临界值，拒绝H0 右侧检验：统计量 > 临界值，拒绝H0
利用 P 值 进行决策
什么是P 值?
(P-value)
P值告诉我们： 如果原假设是正确的话，我们得到得到样本观察 结果或更极端结果出现的可能性有多大，如果这 个可能性很小，就应该拒绝原假设
因此，如果在一次抽样中竟然出现了满足
X 0 / n
ห้องสมุดไป่ตู้
的 u /2
X
那么我们就有理由怀疑原假设H0的正确性了，因此会拒
绝H0 。
由于 | U |
X 0 / n
u 2
是一个小概率事件.
故我们可以取拒绝域为：
W： | U | u 2
如果由样本值算得该统计量的实测值落入区域 W，则拒绝H0 ；否则，不能拒绝H0 .
1、生产已不正常
2、生产正常：但属于小概率事件，一次抽样中几乎 不可能发生
因此：在原假设成立（生产正常）的情况下， 若发生小概率事件，则我们有充分的理由怀 疑原假设已不成立。
因此若H0为真，即 0 时，
X
0
/ n
u /2
是一个小概率事件：1%、5%、10%
而小概率事件在一次试验中基本上不应该发生 。
确定适当的检验统计量
什么是检验统计量？
1. 用于假设检验决策的统计量
原假设H0为真 点估计量的抽样分布 （样本均值、样本方差）
比较 3. 作出决策
双侧检验：I统计量I > 临界值，拒绝H0 左侧检验：统计量 < -临界值，拒绝H0 右侧检验：统计量 > 临界值，拒绝H0
利用 P 值 进行决策
什么是P 值?
(P-value)
P值告诉我们： 如果原假设是正确的话，我们得到得到样本观察 结果或更极端结果出现的可能性有多大，如果这 个可能性很小，就应该拒绝原假设
因此，如果在一次抽样中竟然出现了满足
X 0 / n
ห้องสมุดไป่ตู้
的 u /2
X
那么我们就有理由怀疑原假设H0的正确性了，因此会拒
绝H0 。
由于 | U |
X 0 / n
u 2
是一个小概率事件.
故我们可以取拒绝域为：
W： | U | u 2
如果由样本值算得该统计量的实测值落入区域 W，则拒绝H0 ；否则，不能拒绝H0 .
1、生产已不正常
2、生产正常：但属于小概率事件，一次抽样中几乎 不可能发生
因此：在原假设成立（生产正常）的情况下， 若发生小概率事件，则我们有充分的理由怀 疑原假设已不成立。
因此若H0为真，即 0 时，
X
0
/ n
u /2
是一个小概率事件：1%、5%、10%
而小概率事件在一次试验中基本上不应该发生 。
统计培训教材1.6-假设检验
(0.5)18k
0.004
k 15
这看来又走到另一个极端了. 如果我们在选择一个方案时,只 敢冒 0.4% 的风险, 未免太胆小, 太怯懦了, 对某先生也未免 太苛刻了.
事实上, 虽然此时我们错误地相信该先生的可能性大大的减 少, 但我们冤枉他的可能性却大大地增加了!
假设检验-7
那么，临界值究竟应取多大合适呢？当然要具体问题具体分 析。事关重大，后果严重的，理应把风险控制的小一点；无 伤大雅，错了可以再来的决策则不妨大胆一点。
80.0 82.5 85.0 87.5 90.0 92.5
假设检验-18
假设检验的前提假设
– 如果数据是连续的，我们假设基本分布是正态。 • 您可能需要转换非正态数据（如周期）。
– 当比较不同总体的子群时，我们假设： • 独立样本。 • 通过随机抽样实现。 • 样本是总体的代表（没有偏差）。
– 当比较不同过程的子群时，我们假设： • 每个过程都是稳定的。 • 没有特殊原因或随时间的变化 （没有与时间相关的差异）。 • 样本是过程的代表（没有偏差）。
假设检验-8
假设检验概要
※工业案例的启示
在工业生产中，我们经常希望能够确定某个分布的参数是否就是某个具体 数值或是否与其有什么关系。也就是说，我们可能希望要检验这样一个假设， 即：某个分布的均值或标准差是否是某些数值，或者两个均值之差是否是零。 这些检验就需要使用假设检验方法。实际工作中的例子有：
假设检验-19
假设(Hypothesis)
一个假设通常是关于总体特性的一个陈述.
待检假设包括两部分:
1) 零假设(null hypothesis) (记为H0)是关于总体参数值的一 个陈述.
2) 备择假设(alternative hypothesis) (记为H1), 也叫对立假 设, 是关于总体参数值的一个与零假设相对立的陈述, 即 若零假设不成立, 则备择假设必定成立.
假设检验问题讲解(ppt 47页)
2.82 3.01 3.11 2.71 2.93 2.68 3.02 3.01 2.93 2.56 2.78 3.01 3.09 2.94 2.82 2.81 3.05 3.01 2.85 2.79
其样本均值为2.8965,样本标准为0.148440135,
你可以拒绝原假设吗？
拒绝域为：
x3
s
t0.05(n1)
H0: 3 H1: > 3
H0: 3 H1: 3
Rejection Regions
0 0
Critical Value(s)
/2
0
P-值的应用
p=Pr(t<-3.118)=0.0028
0.45
0.4
0.35 比它小的概率 0.3 是多少？P-值
0.25
0.2
0.15
比它小的概率是0.05
0.15
0.1
0.05
0
-1
0
31-c0 2
3
4
5
6
7
8
大样本下的解决方案（3）
如果2未知，则
x ~ N (0 , 1) s n
选择拒绝域为
x3
s
z 0 . 05
n
假定由36听罐头所组成的一个样本的样 本均值 x 2.92 磅，样本标准差 s=0.18 ，你能拒绝原假设吗？
x
s
3
2.92 0.18
影响 b 的因素
True Value of Population Parameter
Increases When Difference Between Hypothesized Parameter & True Value Decreases
其样本均值为2.8965,样本标准为0.148440135,
你可以拒绝原假设吗？
拒绝域为：
x3
s
t0.05(n1)
H0: 3 H1: > 3
H0: 3 H1: 3
Rejection Regions
0 0
Critical Value(s)
/2
0
P-值的应用
p=Pr(t<-3.118)=0.0028
0.45
0.4
0.35 比它小的概率 0.3 是多少？P-值
0.25
0.2
0.15
比它小的概率是0.05
0.15
0.1
0.05
0
-1
0
31-c0 2
3
4
5
6
7
8
大样本下的解决方案（3）
如果2未知，则
x ~ N (0 , 1) s n
选择拒绝域为
x3
s
z 0 . 05
n
假定由36听罐头所组成的一个样本的样 本均值 x 2.92 磅，样本标准差 s=0.18 ，你能拒绝原假设吗？
x
s
3
2.92 0.18
影响 b 的因素
True Value of Population Parameter
Increases When Difference Between Hypothesized Parameter & True Value Decreases
《假设检验》PPT课件-(2)
t检验的正确应用
资料的代表性与可比性 所谓代表性是指该样本从相应总体中经随机抽样获得，能够代表总体的特征； 所谓可比性是指各对比组间除了要比较的主要因素外，其它影响结果的因素应尽可能相同或相近 为了保证资料的可比性，必须要有严密的实验设计，保证样本随机抽取于同质总体，这是假设检验得以正确应用的前提 。
在两个样本均数比较时，若两组样本含量都很大，可用u检验，其计算公式为：
u为标准正态离差，按正态和1993抽查部分12岁男童对其发育情况进行评估，其中身高的有关资料如下，试比较这两个年度12岁男童身高均数有无差别。
1973 年：n1=120 =139.9cm s1=7.5cm； 1993 年：n2=153 =143.7cm s2=6.3cm。 H0 ：1＝2，即该市两个年度12岁男童平均身高相等； H1 ：1≠2，即该市两个年度12岁男童平均身高不等。 双侧 =0.05。
-t
t
0
-2.064
2.064
0
=24
0.025
0.025
t0.05,24=2.064 P =P ( |t| ≥2.064 )=0.05
P=P(|t|≥5.4545)<0.05
结论(根据小概率原理作出推断)
在H0成立的前提下出现现有差别或更大差别的可能性P(| t | ≥5.4545)小于0.05，是小概率事件，即现有样本信息不支持H0。 抉择的标准为： 当P≤ 时，拒绝H0，接受H1 当P＞ 时，不拒绝H0 本例P＜0.05，按 =0.05的水准，拒绝H0，接受H1，差别有统计学意义。认为该病女性患者的Hb含量高于正常女性的Hb含量。
根据抽样误差理论，在H0假设前提下，统计量t服从自由度为n-1的t分布，即t值在0的附近的可能性大，远离0的可能性小，离0越远可能性越小。 t值越小，越利于H0假设 t值越大，越不利于H0假设
资料的代表性与可比性 所谓代表性是指该样本从相应总体中经随机抽样获得，能够代表总体的特征； 所谓可比性是指各对比组间除了要比较的主要因素外，其它影响结果的因素应尽可能相同或相近 为了保证资料的可比性，必须要有严密的实验设计，保证样本随机抽取于同质总体，这是假设检验得以正确应用的前提 。
在两个样本均数比较时，若两组样本含量都很大，可用u检验，其计算公式为：
u为标准正态离差，按正态和1993抽查部分12岁男童对其发育情况进行评估，其中身高的有关资料如下，试比较这两个年度12岁男童身高均数有无差别。
1973 年：n1=120 =139.9cm s1=7.5cm； 1993 年：n2=153 =143.7cm s2=6.3cm。 H0 ：1＝2，即该市两个年度12岁男童平均身高相等； H1 ：1≠2，即该市两个年度12岁男童平均身高不等。 双侧 =0.05。
-t
t
0
-2.064
2.064
0
=24
0.025
0.025
t0.05,24=2.064 P =P ( |t| ≥2.064 )=0.05
P=P(|t|≥5.4545)<0.05
结论(根据小概率原理作出推断)
在H0成立的前提下出现现有差别或更大差别的可能性P(| t | ≥5.4545)小于0.05，是小概率事件，即现有样本信息不支持H0。 抉择的标准为： 当P≤ 时，拒绝H0，接受H1 当P＞ 时，不拒绝H0 本例P＜0.05，按 =0.05的水准，拒绝H0，接受H1，差别有统计学意义。认为该病女性患者的Hb含量高于正常女性的Hb含量。
根据抽样误差理论，在H0假设前提下，统计量t服从自由度为n-1的t分布，即t值在0的附近的可能性大，远离0的可能性小，离0越远可能性越小。 t值越小，越利于H0假设 t值越大，越不利于H0假设
第六假设检验讲课文档
是推断两个总体的比例是否不同。其基本原 理与两样本均值比较类同。 ❖ 例题：为比较城镇和农村小家庭的比例是否 相等，分别抽取样本如下： n1=150,x1=123;n2=200,x2=102(显著度为 0.001)
第13页，共15页。
❖ 练习：美国某学者对 287位母亲抱新生儿的 方式进行了观察，发现 大多数母亲都把婴儿抱 在左边，不管母亲是左 撇子还是右撇子。数据 如下：
第7页，共15页。
x
第三节 均值比较的Z检验
❖ 两个均值的比较
这里讨论的是从两个总体中分别抽取随机样本，通过对样本 数据的分析来推断总体均值差异的方法，亦即两个均值差 异的比较问题。多均值比较在方差分析中另行介绍。
❖ 基本思路：
设两总体均值分别为U1和U2，成立虚无假设H0:U1-U2=0,或 U1=U2；在H0条件下，两样本是从总体中随机抽取的， 其均值差异X1-X2可以等于零，也可以不等于零，是一 个围绕零值波动的随机分布。
第4页，共15页。
➢ 决策的风险
两种的样选本择；：21、、拒接绝受HH00，，犯我错们误的的运概气率太为差1，.1抽6%到。了一个很偏 ➢ P值的含义
的在样本本例的中可，能p=性0.0只11有60意.0味11着6。在H0条件下，抽到如此偏小 本更一偏般的来样说本，的1、可能概性值；意2味、着或在者H表0条述件为下，，p抽值到意比味实着有样样本 数据对虚无假设的支持程度（或两者之间的一致性程 度）；3、在假设检验过程中，如果p值较小，我们拒绝 H0，p就是我们要冒的风险。
第3页，共15页。
❖ 四、计算概率值（p值），做出决策。 在这个情况下，我们是否接受无效假设H0呢？我们先计
算在H0成立的条件下，抽到头围均值小到Xbar=33.89这个
第13页，共15页。
❖ 练习：美国某学者对 287位母亲抱新生儿的 方式进行了观察，发现 大多数母亲都把婴儿抱 在左边，不管母亲是左 撇子还是右撇子。数据 如下：
第7页，共15页。
x
第三节 均值比较的Z检验
❖ 两个均值的比较
这里讨论的是从两个总体中分别抽取随机样本，通过对样本 数据的分析来推断总体均值差异的方法，亦即两个均值差 异的比较问题。多均值比较在方差分析中另行介绍。
❖ 基本思路：
设两总体均值分别为U1和U2，成立虚无假设H0:U1-U2=0,或 U1=U2；在H0条件下，两样本是从总体中随机抽取的， 其均值差异X1-X2可以等于零，也可以不等于零，是一 个围绕零值波动的随机分布。
第4页，共15页。
➢ 决策的风险
两种的样选本择；：21、、拒接绝受HH00，，犯我错们误的的运概气率太为差1，.1抽6%到。了一个很偏 ➢ P值的含义
的在样本本例的中可，能p=性0.0只11有60意.0味11着6。在H0条件下，抽到如此偏小 本更一偏般的来样说本，的1、可能概性值；意2味、着或在者H表0条述件为下，，p抽值到意比味实着有样样本 数据对虚无假设的支持程度（或两者之间的一致性程 度）；3、在假设检验过程中，如果p值较小，我们拒绝 H0，p就是我们要冒的风险。
第3页，共15页。
❖ 四、计算概率值（p值），做出决策。 在这个情况下，我们是否接受无效假设H0呢？我们先计
算在H0成立的条件下，抽到头围均值小到Xbar=33.89这个
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
五、1、（1）
认为该批食品是不存在质量问题。（+6）
（2）可能会发生第二类错误， 其含义是如果该批食品每袋蛋白质的含量不达标，而判断结果认为达标，发生了判断错误。
B、检验部门犯了第二类错误
C、犯这种错误的概率是
D、犯这种错误的概率是
E、犯这种错误的原因是检验部门没有遵循随机原则
三、判断
1．假设检验是一种科学的统计决策方法，因此使用它不会犯错误．（）
四、简答
1．简述参数估计和假设检验的联系和区别．
五、计算
1、从某批食品中随机抽取12袋，测定其蛋白质的含量（%)，测定结果如下：
二、1、ACDE 2、AE 3、DE 4、BD
三、1、×
四、1、答：联系：都是根据样本信息对总体参数进行推断；都是以抽样分布为理论依据；都是建立在概率基础上的推断，推断结果都有风险；对同一问题的参数进行推断，使用同一样本、同一统计量、同一分布，因而二者可以相互转换．
区别：区间估计是依据样本资料估计总体的未知参数的可能范围，假设检验是根据样本资料来检验对总体参数的先验假设是否成立；区间估计通常求得的是以样本为中心的双侧置信区间，假设检验不仅有双侧检验也有单侧检验；区间估计立足于大概率，通常以较大的把握程度（可信度）1-去估计总体参数的置信区间，假设检验立足于小概率，通常是给定很小的显著性水平去检验对总体参数的先验假设是否成立．
24，26，27，23，20，28，23，24，27，25，26，23
假定该食品每袋蛋白质的含量X服从正态分布 ，包装袋上表明蛋白质的含量为26%。
（1）问该批食品是否存在质量问题（显著水平为0.05）？（6分）
（2） 你的判断结、1、B
哪一个更有可能正确
E、当接受原假设时，只能认为否定它的根据尚不充分，而不是认为它绝
对正确
2、在假设检验中， 与 的关系是（）。
A、在其它条件不变的情况下，增大 ，必然会减少
B、 和 不可能同时减少
C、在其它条件不变的情况下，增大 ，必然会增大
D、只能控制 不能控制
E、增加样本容量可以同时减少 和
3、设总体为正态总体，总体方差未知，在小样本条件下，对总体均值进行如下的假设检验： ， ，则下列说法正确的有（）。
A、 和 为原假设的拒绝区域
B、 和 为原假设的拒绝区域
C、 和 为原假设的拒绝区域
D、 和 为原假设的拒绝区域
E、若检验统计量的绝对值越大，则原假设越容易被拒绝
4．某一批原材料的质量实际上是不符合生产标准，检验部门抽取１％的原材料检验，得出结论是该批原材料的质量符合生产标准，说明（）．
A、检验部门犯了第一类错误
一、单选
1、如果检验的假设为 ，则拒绝域为（）
A、 B、 C、A或BD、
二、多选
1.下列关于假设检验的陈述正确的是（）。
A、假设检验实质上是对原假设进行检验
B、假设检验实质上是对备选假设进行检验
C、当拒绝原假设时，只能认为肯定它的根据尚不充分，而不是认为它绝
对错误
D、假设检验并不是根据样本结果简单地或直接地判断原假设和备选假设
认为该批食品是不存在质量问题。（+6）
（2）可能会发生第二类错误， 其含义是如果该批食品每袋蛋白质的含量不达标，而判断结果认为达标，发生了判断错误。
B、检验部门犯了第二类错误
C、犯这种错误的概率是
D、犯这种错误的概率是
E、犯这种错误的原因是检验部门没有遵循随机原则
三、判断
1．假设检验是一种科学的统计决策方法，因此使用它不会犯错误．（）
四、简答
1．简述参数估计和假设检验的联系和区别．
五、计算
1、从某批食品中随机抽取12袋，测定其蛋白质的含量（%)，测定结果如下：
二、1、ACDE 2、AE 3、DE 4、BD
三、1、×
四、1、答：联系：都是根据样本信息对总体参数进行推断；都是以抽样分布为理论依据；都是建立在概率基础上的推断，推断结果都有风险；对同一问题的参数进行推断，使用同一样本、同一统计量、同一分布，因而二者可以相互转换．
区别：区间估计是依据样本资料估计总体的未知参数的可能范围，假设检验是根据样本资料来检验对总体参数的先验假设是否成立；区间估计通常求得的是以样本为中心的双侧置信区间，假设检验不仅有双侧检验也有单侧检验；区间估计立足于大概率，通常以较大的把握程度（可信度）1-去估计总体参数的置信区间，假设检验立足于小概率，通常是给定很小的显著性水平去检验对总体参数的先验假设是否成立．
24，26，27，23，20，28，23，24，27，25，26，23
假定该食品每袋蛋白质的含量X服从正态分布 ，包装袋上表明蛋白质的含量为26%。
（1）问该批食品是否存在质量问题（显著水平为0.05）？（6分）
（2） 你的判断结、1、B
哪一个更有可能正确
E、当接受原假设时，只能认为否定它的根据尚不充分，而不是认为它绝
对正确
2、在假设检验中， 与 的关系是（）。
A、在其它条件不变的情况下，增大 ，必然会减少
B、 和 不可能同时减少
C、在其它条件不变的情况下，增大 ，必然会增大
D、只能控制 不能控制
E、增加样本容量可以同时减少 和
3、设总体为正态总体，总体方差未知，在小样本条件下，对总体均值进行如下的假设检验： ， ，则下列说法正确的有（）。
A、 和 为原假设的拒绝区域
B、 和 为原假设的拒绝区域
C、 和 为原假设的拒绝区域
D、 和 为原假设的拒绝区域
E、若检验统计量的绝对值越大，则原假设越容易被拒绝
4．某一批原材料的质量实际上是不符合生产标准，检验部门抽取１％的原材料检验，得出结论是该批原材料的质量符合生产标准，说明（）．
A、检验部门犯了第一类错误
一、单选
1、如果检验的假设为 ，则拒绝域为（）
A、 B、 C、A或BD、
二、多选
1.下列关于假设检验的陈述正确的是（）。
A、假设检验实质上是对原假设进行检验
B、假设检验实质上是对备选假设进行检验
C、当拒绝原假设时，只能认为肯定它的根据尚不充分，而不是认为它绝
对错误
D、假设检验并不是根据样本结果简单地或直接地判断原假设和备选假设