数理统计08第八讲 假设检验(续)

合集下载

概率论与数理统计(8)假设检验

概率论与数理统计(8)假设检验

概率论与数理统计(8)假设检验第八章假设检验第一节假设检验问题第二节正态总体均值的假设检验第三节正态总体方差的检验第四节大样本检验法第五节 p值检验法第六节假设检验的两类错误第七节非参数假设检验第一节假设检验问题前一章我们讨论了统计推断中的参数估计问题,本章将讨论另一类统计推断问题——假设检验.在参数估计中我们按照参数的点估计方法建立了参数的估计公式,并利用样本值确定了一个估计值,认为参数真值。

由于参数是未知的,只是一个假设(假说,假想),它可能是真,也可能是假,是真是假有待于用样本进行验证(检验).下面我们先对几个问题进行分析,给出假设检验的有关概念,然后总结给出检验假设的思想和方法.一、统计假设某大米加工厂用自动包装机将大米装袋,每袋的标准重量规定为10kg,每天开工时,需要先检验一下包装机工作是否正常. 根据以往的经验知道,自动包装机装袋重量X服从正态分布N( ).某日开工后,抽取了8袋,如何根据这8袋的重量判断“自动包装机工作是正常的”这个命题是否成立?请看以下几个问题:问题1引号内的命题可能是真,也可能是假,只有通过验证才能确定.如果根据抽样结果判断它是真,则我们接受这个命题,否则就拒绝接受它,此时实际上我们接受了“机器工作不正常”这样一个命题.若用H0表示“”,用H1表示其对立面,即“”,则问题等价于检验H0:是否成立,若H0不成立,则H1:成立.一架天平标定的误差方差为10-4(g2),重量为的物体用它称得的重量X服从N( ).某人怀疑天平的精度,拿一物体称n次,得n 个数据,由这些数据(样本)如何判断“这架天平的精度是10-4(g2)”这个命题是否成立?问题2记H0: =10-4,H1: ,则问题等价于检验H0成立,还是H1成立.某种电子元件的使用寿命X服从参数为的指数分布,现从一批元件中任取n个,测得其寿命值(样本),如何判定“元件的平均寿命不小于5000小时”这个命题是否成立?记问题3则问题等价于检验H0成立,还是H1成立.某种疾病,不用药时其康复率为,现发明一种新药(无不良反应),为此抽查n位病人用新药的治疗效果,设其中有s人康复,根据这些信息,能否断定“该新药有效”?记问题4则问题等价于检验H0成立,还是H1成立.自1965年1月1日至1971年2月9日共2231天中,全世界记录到震级4级及以上的地震共计162次,问相继两次地震间隔的天数X是否服从指数分布?问题5记服从指数分布,不服从指数分布.则问题也等价于检验H0成立,还是H1成立.在很多实际问题中,我们常常需要对关于总体的分布形式或分布中的未知参数的某个陈述或命题进行判断,数理统计学中将这些有待验证的陈述或命题称为统计假设,简称假设.如上述各问题中的H0和H1都是假设.利用样本对假设的真假进行判断称为假设检验。

概率论与数理统计 第8章

概率论与数理统计  第8章
后所生产的灯管中抽取 25 只,测得平均寿命为 1675 小时。 问采用新工艺后,灯管寿命是否有显著性提高?
现在的问题就是要判别新产品的寿命是服从 μ >1500 的
正态分布,还是服从 μ ≤1500的正态分布? 若是前者,我们 就说新产品的寿命有显著性提高;若是后者,就说新产品的 寿命没有显著性提高。
定义 1 将对总体提出的某种假设称为原假设,记为 H 0 ; 将与原假设矛盾的假设称为备择假设,记为 H 1 。
在例 8-1 中,我们把涉及的两种情况用假设的形式表示
出来,第一个假设 μ ≤1500 表示采用新工艺后产品平均寿命没 有显著性提高,第二个假设 μ >1500 表示采用新工艺后产品平
均寿命有显著性提高。第一个假设为原假设,即“ H 0 :μ
定义 8 给定犯第一类错误的概率不大于 α 所作的假设 检验称为显著性检验,称 α 为显著性水平。 例 8-2 某车间用一台包装机包装食盐,每袋食盐的净 重是一个随机变量,它服从正态分布。当包装机正常时,其 均值为 0.5kg ,标准差为 0.015kg 。某日开工后为检查包装 机工作是否正常,随机地抽取它所包装的食盐 9 袋,称得样 本均值 ������ X =0. 511kg ,问在显著性水平 α =0.05 下,这 天包装机工作是否正常。
由于无论是第一类错误还是第二类错误都是作假设检验 时的随机事件,因此在假设检验中它们都有可能发生。我们 当然希望尽可能使犯两类错误的概率都很小,但一般来说, 当样本的容量固定时,若刻意地减少犯一类错误的概率,则 犯另一类错误的概率往往会增大。若要使两类错误的概率都 减小,就需增大样本的容量。在给定样本容量的情况下,我 们总是对犯第一类错误的概率加以控制,使它不大于 α , 而不关心犯第二类错误的概率 β是增大了还是减小了,这样 的假设检验就是显著性检验。

08-χ2 检验011014

08-χ2 检验011014

专用计算公式:

2
A n( 1) n R nC
2
式中n是总例数,A是每个格子的实际频数, nR 、nC分别为某格子对应的行合计和列合计。
例6.14 市重污染区、一般市区和农村的出生婴儿 的致畸情况如下表示。问三个地区的出生婴儿致 畸率有无差别?
表6.14 某市三个地区出生婴儿的致畸率比较
3.实际频数(actual frequency, A):
实际资料中的数据。
4.无效假设下频数的重新分配
--理论频数(Therical frequency, T)
TRC
n R nC n
式中TRC表示R 行(row)C 列(column) 的理论频数,nR为相应行的合计,nC为相应列 的合计,n为总例数。
【教学内容】
一、四格表资料的χ2检验
(一)四格表资料的χ2检验 (二)四格表资料χ2检验的校正
二、行×列表资料的χ2检验
三、配对四格表资料的χ2检验
2检验 一、四格表资料的χ
(一)四格表资料的χ2检验
【例6.12】在某山区小学随机抽取男生
80人,其中肺吸虫感染23人;随机抽取女
生85人,其中肺吸虫感染13人。问该山区
例如,两种方法检测诊断n个病人,结果如下:
2
(3)确定 P 值,作出统计结论 2 2 ν =2,查χ 界值表χ 0.005(2)=10.60,P<0.005。在a=0.05 水准上, 拒绝 H0,接受 H1,可以认为该市三个地区出生婴儿的致畸率有差别。
表10
Χ2界值表(部分)
R×C表χ2检验应用的注意事项
1. 理论频数不宜太小,一般要求:不应有1/5 以上格子的理论频数小于5或有一个格子的理论 频数小于1。

《概率论与数理统计》课件第八章 假设检验

《概率论与数理统计》课件第八章 假设检验
假设检验是统计学中一种重要的推断方法,其理论依据为小概率原理。小概率原理指的是,在一次试验中,小概率事件几乎不会发生。在假设检验中,如果原假设为真,那么出现小概率率性质的反证法,它允许我们在一定程度上接受或拒绝关于总体参数或分布的假设。假设检验在统计学中有着广泛的应用,尤其是在单个及两个正态总体的均值和方差的检验中。通过这些检验,我们可以根据样本数据对总体的特性进行推断,从而作出科学的决策。需要注意的是,任何检验方法都不能完全排除犯错误的可能性,但假设检验通过控制犯第一类错误的概率,即错误地拒绝真实假设的概率,来确保推断的可靠性。在实际应用中,我们还需要根据具体情况选择合适的显著性水平,以平衡犯两类错误的概率。

《概率论与数理统计》第八章1假设检验的基本概念

《概率论与数理统计》第八章1假设检验的基本概念
单侧检验 H0 : 0 1000, H1 : 1000
2. 从某批矿砂中,抽取10样本,检验这批砂矿的含 铁量是否为3%?
双侧检验 H0 : 0 3%, H1 : 3%
3.某学校学生英语平均分65分, 先抽取某个班的平均 分,看该成绩是否显著高于全校整体水平?
单侧检验 H0 : 0 65, H1 : 65
0.497 0.506 0.518 0.524 0.498 0.511 0.520 0.515 0.512, 问机器是否正常?
分析 以 和 分别表示这一天袋装糖的净重
总体X 的均值和标准差,
由长期实践表明标准差比较稳定, 我们就设
0.015,于是 X ~ N(, 0.0152 ),这里 未知. 问题 问题是根据样本值判断 0.5 还是 0.5 .

以,原假
设H
不正确
0

对于这两种解释,哪种解释比较合理呢?
我们需要判断以上两种假设谁对谁错,并给出判断的理由
以上例子属于参数检验(parametric test) 的问题,(如针对总体均值,总体方差等参数的假 设检验)。
另外还有非参数检验(Nonparametric test) 的问题,如关于总体服从某种分布(如正态分布, 泊松分布)的假设检验。
4. 拒绝域与临界点
拒绝域W1: 拒绝原假设 H0 的所有样本值 (x1, x2, ···, xn)所组成的集合.
W1 W1 :拒绝原假设H0的检验统计量的取值范围.
临界点(值):拒绝域的边界点(值) (相应于检验统计量的值).
如: 在前面例4中,拒绝域 {u :| u | u / 2 }.
5. 双边备择假设与双边假设检验
之 下 做 出 的.
2. 检验统计量

概率论与数理统计第八章假设检验习题解答

概率论与数理统计第八章假设检验习题解答

1.[一]某批矿砂的5个样品中的镍含量,经测定为(%)3.25 3.27 3.24 3.26 3.24。

设测定值总体服从正态分布,问在α = 0.01下能否接受假设:这批矿砂的含镍量的均值为3.25.解:设测定值总体X~N (μ,σ 2),μ,σ 2均未知步骤:(1)提出假设检验H 0:μ=3.25; H 1:μ≠3.25 (2)选取检验统计量为)1(~25.3--=n t nS X t(3)H 0的拒绝域为| t |≥).1(2-n t α(4)n=5, α = 0.01,由计算知01304.0)(11,252.3512=--==å=i iX Xn S x查表t 0.005(4)=4.6041, )1(343.0501304.025.3252.3||2-<=-=n t t α(5)故在α = 0.01下,接受假设H 02.[二] 如果一个矩形的宽度ω与长度l 的比618.0)15(21»-=l ω,这样的矩形称为黄金矩形。

这种尺寸的矩形使人们看上去有良好的感觉。

现代建筑构件(如窗架)、工艺品(如图片镜框)、甚至司机的执照、商业的信用卡等常常都是采用黄金矩型。

下面列出某工艺品工厂随机取的20个矩形的宽度与长度的比值。

设这一工厂生产的矩形的宽度与长短的比值总体服从正态分布,其均值为μ,试检验假设(取α = 0.05)H 0:μ = 0.618H 1:μ≠0.6180.693 0.749 0.654 0.670 0.662 0.672 0.615 0.606 0.690 0.628 0.668 0.611 0.606 0.609 0.601 0.553 0.570 0.844 0.576 0.933. 解:步骤:(1)H 0:μ = 0.618; H 1:μ≠0.618 (2)选取检验统计量为)1(~618.0--=n t nS X t(3)H 0的拒绝域为| t |≥).1(2-n t α (4)n=20 α = 0.05,计算知0925.0)(11,6605.01121=--===åå==ni ini ix xn S xnx ,)1(055.2200925.0618.06605.0||,0930.2)1(22-<=-==-n t t n t αα(5)故在α = 0.05下,接受H 0,认为这批矩形的宽度和长度的比值为0.6183.[三] 要求一种元件使用寿命不得低于1000小时,今从一批这种元件中随机抽取25件,测得其寿命的平均值为950小时,已知这种元件寿命服从标准差为σ =100小时的正态分布。

数理统计中的假设检验方法

数理统计中的假设检验方法

数理统计中的假设检验方法在数理统计中,假设检验方法是一种重要的统计推断方法,旨在通过对样本数据进行统计分析,对总体参数的假设进行验证。

本文将介绍假设检验的基本概念和步骤,并介绍几种常见的假设检验方法。

一、假设检验的基本概念和步骤假设检验是基于样本数据对总体参数进行推断的方法,其基本思想是通过假设检验来判断总体参数是否符合某种特定的假设。

例如,我们可以对一个总体的均值是否等于某个特定值进行假设检验。

假设检验的基本步骤如下:1. 建立原假设(H0)和备择假设(H1):原假设是我们要进行检验的假设,备择假设是原假设的对立假设。

例如,原假设可以是总体均值等于某个特定值,备择假设可以是总体均值不等于该特定值。

2. 选择适当的显著性水平(α):显著性水平是我们在进行假设检验时所允许的犯第一类错误的概率,通常取0.05或0.01。

3. 根据样本数据计算检验统计量:检验统计量是用来判断原假设是否成立的量,其选择取决于具体的假设检验方法。

4. 设置拒绝域:拒绝域是指当检验统计量的取值落入该域时,我们拒绝原假设。

拒绝域的划定依赖于显著性水平和假设检验方法。

5. 做出统计判断:根据对样本数据的分析以及检验统计量是否落入拒绝域,我们可以判断是否拒绝原假设。

6. 得出结论:根据统计判断,我们可以得出关于总体参数的统计结论,并对其进行解释。

二、常见的假设检验方法1. 单样本 t 检验:单样本t 检验用于判断一个样本的均值是否与某个已知的数值相等。

它常用于样本容量较小(小于30)且总体标准差未知的情况。

2. 独立样本 t 检验:独立样本 t 检验用于比较两个独立样本的均值是否相等。

它常用于独立样本间的均值差异的比较。

3. 配对样本 t 检验:配对样本 t 检验用于比较同一组样本在两个时间点或两个条件下的均值是否相等,常用于配对样本的差异性分析。

4. 卡方检验:卡方检验用于检验两个或多个分类变量之间的关联性。

它可用于判断观察到的频数与期望的频数是否有显著差异。

概率论与数理统计____第8章假设检验习题及答案 (2)

概率论与数理统计____第8章假设检验习题及答案 (2)

第8章 假设检验一、填空题1、 对正态总体的数学期望μ进行假设检验,如果在显著性水平0.05下,接受假设00:μμ=H ,那么在显著性水平0.01下,必然接受0H 。

2、在对总体参数的假设检验中,若给定显著性水平为α,则犯第一类错误的概率是α。

3、设总体),(N ~X 2σμ,样本n 21X ,X ,X ,2σ未知,则00:H μ=μ,01:H μ<μ的拒绝域为 )}1(/{0--<-n t nS X αμ,其中显著性水平为α。

4、设n 21X ,X ,X 是来自正态总体),(N 2σμ的简单随机样本,其中2,σμ未知,记∑==n 1i i X n 1X ,则假设0:H 0=μ的t 检验使用统计量=T Q n n X )1(- .二、计算题1、某食品厂用自动装罐机装罐头食品,规定标准重量为250克,标准差不超过3克时机器工作 为正常,每天定时检验机器情况,现抽取16罐,测得平均重量252=X 克,样本标准差4=S 克,假定罐头重量服从正态分布,试问该机器工作是否正常?解:设重量),(~2σμN X 05.016==αn 4252==S X (1)检验假设250:0=μH 250:1≠μH ,因为2σ未知,在0H 成立下,)15(~/250t n S X T -=拒绝域为)}15(|{|025.0t T >,查表得1315.2)5(025.0=≠t由样本值算得1315.22<=T ,故接受0H(2)检验假设9:20=σH 9:201>σH 因为μ未知,选统计量2022)1(σS n x -= 在0H 成立条件下,2x 服从)15(2x 分布, 拒绝域为)}15({205.02x x >,查表得996.24)15(205.0=x , 现算得966.24667.26916152>=⨯=x 拒绝0H , 综合(1)和(2)得,以为机器工作不正常2、一种电子元件,要求其使用寿命不得低于1000小时,现在从一批这种元件中随机抽取25 件,测得其寿命平均值为950小时,已知该种元件寿命服从标准差100=σ小时正态分布, 试在显著性水平0.05下确定这批产品是否合格.解:设元件寿命),(~2σμN X ,2σ已知10002=σ,05.0,950,25===αX n检验假设1000:0=μH1000:1<μH 在2σ已知条件下,设统计量)1,0(~/1000N n X σμ-= 拒绝域为}{05.0μμ<,查表得645.195.005.0-=-=μμ 而645.15.2205025/1001000950-<-=-=-=μ 拒绝假设0H 选择备择假设1H ,所以以为这批产品不合格.3. 对 显 著 水 平 α, 检 验假 设 H 0 ; μ = μ0, H 1 ; μ ≠ μ0, 问当 μ0, μ, α一 定 时 , 增大样本量 n 必 能 使 犯 第 二 类 错 误 概 率 β 减 少 对 吗 ?并 说 明 理 由 。

  1. 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. 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. 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)。

n ( 0 ) u . 由分布函数的非减性知, E ( ( x ))是的严格 单调增函数, 所以当 0时有 n E ( ( x )) ( 0 ) u ( u ) , 这与(9)矛盾,故结论成立。
H 0: 0, H 1: 1 ( 1 0 )
的水平为的MPT, 根据N-P引理知 ( x )具体
1 , 表示式为 ( x ) 0,
x 0 x 0

n n
u1 , u1 ,
此时MPT ( x )的功效为 E ( ( x )) P { x 0 u1 }
例9.2 设X 1 , X 2 ,, X n是来自正态总体N ( , 2 ) 的简单样本, 2已知。 试证明检验问题 H 0: 0, H 1: 0 的水平为 (0 1)的UMPT不存在。 证明 反证法 假设所考虑检验问题的水平为 (0 1) 的UMPT是 ( x ), 则对任何水平为 的检验

的检验, 如果对任一水平为的检验 ( x ),有 不等式
E ( ( x )) E ( ( x ))

则称 ( x )是水平为 对所有的 1都成立,
的 一致最优势检验, 简记为UMPT。
(Uniformly Most Powerful Test)
对复合假设检验而言, UMPT的存在性不
解 由例8.1可知,检验问题 H 0: 0, H 1: 1 ( 1 0) (9)
水平为 的最优势检验具有拒绝域 u1 W x:x n
或检验函数
u1 1 , x , n ( x) u1 0, x . n 由于检验函数 ( x )与 1 ( 0)无关,所以 ( x )也

i

i 1
这样 T ( x ) xi , c( ) ,且c( )是的严格 单调增函数, 由定理9.1可知水平为 的UMPT 的拒绝域为 ( T ( x )连续随机变量) n W x: xi c , i 1 其中 c 满足 n E ( ( x )) P { xi c }
2 0
~ (1), 再由
2

xi2
2 0
0
xi
i 1
2 i
~ N (0,1), 所以
( i 1,, n) 相互独立性可得
n 1 c 2 x ~ ( n), 从而 P 2 xi 2 可 2 0 i 1 0 0 i 1
1
n
2 i
H 0: 0,
H 1: 0
可以分别化为假设检验问题 H 0: 0, H 1: 0 和假设检验问题
H 0: 0, H 1: 0
同样可以使用定理8.1来求UMPT。
例9.3 设某种设备的寿命服从参数为 的指数 分布,即密度函数为
2 令 ,则所讨论的检验问题变为 解
H 0: 0,
H 1: 0 .
(11)
样本的联合密度函数为 n 1 1 2 2 p( x , ) exp 2 xi 2 n ( 2 ) 2 i 1
n 1 1 2 即 p( x , ) exp xi . n ( 2 ) 2 i 1 n 1 2 这样 T ( x ) xi 和c( ) , 且c( )是的严 2 i 1 格单调增函数, 所以有定理9.1对检验问题(11) 而言, UMPT存在。 由于T ( x )是连续随机变量,
水平为 的UMPT的检验函数为
1, ( x) 0, x i 1
n i 1 n 2 i
c,
2 x i c,
其中 c常数由下式确定
E ( ( x )) P { x c } .

0 0
n
又由于当 0 时,
2 0

xi2
1 1
由于1 ( 0)的任意性,即就是说对所有的 0
E ( ( x )) E ( ( x )), 都有 所以 ( x )是检验问题(8)的水平为的UMPT。

由此例可知对简单原假设对简单备择假设检 验问题, 如果MPT不依赖于备择假设的参数,则 可适当扩大备择假设, 并由MPT获得UMPT。这 扩大了N-P引理的应用范围。
但与总体的分布有关, 而且与所考虑的假设检
为了说明问题,我们先看下面两个 验问题有关。
例子。
例9.1 设X 1 , X 2 ,, X n是来自正态总体N ( ,1)
( 0) 的简单样本。 求检验问题
H 0: 0,
H 1: 0 (8)
的水平为 (0 1)的UMPT。
是检验问题(8)的水平为的检验。现在令 ( x )
是检验问题(8)的任一水平为的检验,它显然也
是检验问题(9)的水平为 的检验。又由于 ( x )

是检验问题(9)的水平为 的MPT, 所以对任意
给定的 1 ( 0), 有 E ( ( x )) E ( ( x )).
(2) 如果定理中的 c( ) 是 的严格单减函数,则 定理的结论同样成立, 只需要将(10)中的不 等号改变方向。 (3) 对假设检验问题 H 0: 0, (4) 对假设检验问题
H 0: 0, H 1: 0 H 1: 0
则定理8.1的结论全部成立。
和假设检验问题
2
2 0
2 2 得 c 02 其中 ( n)是自由度为n的 2分布 ( n),
的分位点, 故所求的检验问题的水平为 的 UMPT的拒绝域为 n 2 2 2 W x: xi 0 ( n). i 1
(二)双边假设检验 这里仅讨论假设检验问题
其中常数 c 和 r [0,1]有下式确定
E ( ( x )) . (2) 水平为的UMPT的功效函数E ( ( x ))是
0
的增函数。
有关这个定理的详细证明可参看Bickel P.J. 《Mathematical Statistics --Basic Ideas and Selected Topics》 注意: (1) 有关r和c 的确定方法可参看N-P引理的注。
则水平为的MPT的拒绝域为 W2 x:x 0 u . n
这说明对检验问题 H 0: 0,
H 1: 0
相应MPT的拒绝域与备择假设有关, 因此一致
最优功效检验(UMPT)就不一定存在。那么在什 么情况下UMPT存在? 若存在,如何来求? 为 了方便我们将检验问题分成单边检验问题和双边 检验问题: H 0: 0;H 1: 0 , H : ;H : , 0 0 1 0 单边检验问题 H 0: 0;H 1: 0 , H 0: 0;H 1: 0 .
n
我们将N-P引理应用这个例子, 对检验问题
H 0: 0, H 1: 1 ( 1 0 ),
则水平为的MPT的拒绝域为 W1 x:x 0 u1 . n 而对检验问题 H 0: 0, H 1: 1 ( 1 0 ),
定理9.1 如果样本x1 , x2 ,, xn的联合密度(或分布 率) p( x , ) 是单参数的并可表示为 p( x , ) d ( )h( x ) exp{c( )T ( x )},
其中是实值参数, 且c( )关于的严格单调增 函数, 则对单边检验问题 H 0: 0, H 1: 0 (1) 水平为 的UMPT存在,其检验函数为 1, T ( x ) c , ( x ) r , T ( x ) c , (10) 0, T ( x ) c ,
H 0: 1 or 2 ; H 1: 1 2
(12)
的UMPT的存在性及求法,至于另两类双边假设
检验问题留在后面讨论。
定理9.2 如果样本x1 , x2 ,, xn的联合密度(或分布
率) p( x , ) 是单参数的并可表示为 p( x , ) d ( )h( x ) exp{c( )T ( x )},
e p( x , ) 0
x
x0 x0
.
1
我们想知道这种类型的设备的平均寿命 是否 1 大于 , 即所考虑假设检验问题为 0 1 1 1 1 H 0: , H 1: .

0

0
现抽取 n 个此类设备进行试验直到设备不能正
常工作为止,并记录其寿命分别为 x1 , x2 ,, xn ,
试求这个检验问题的水 平为 的UMPT 。
解 样本的联合密度函数为
p( x , ) I{min{ x }0 } ( x ) exp{ xi } i 1 1 令 , 则假设检验问题变为
n
i
n

H 0: 0,
H 1: 0 .
而p( x , ) 可改写为 1 1 n p( x , ) n I{min{ x }0 } ( x ) exp{ xi },
其中是实值参数, 且c( )关于的严格单调增
函数, 则对双边检验问题(12), 存在水平为
(0 1) 的UMPT, 其检验函数为
第八讲
假设检验(续)
一、一致最优功效检验
(一)单边假设检验
(二)双边假设检验
二、一致最优功效无偏检验
一、一致最优功效检验
考虑检验问题 设统计模型为 { P , }, H 0: 0, H 1: 1 (7) 对这个一般的假设检验问题给出最优检验的定
义如下: 定义9.1 在检验问题(7)中,设 ( x )是水平为
相关文档
最新文档