X为在区间[-m,m]上的均匀分布,样本大小为1,
假设 H0: m=3 H1:m=4
当|X|>=3.5的时候否定H0,其他情况接收H0
问题:
第一种错误的概率和第二种错误的概率分别是多少?
希望能有详细一些的说明
均匀分布参数的假设检验问题
答案:2 悬赏:0 手机版
解决时间 2021-12-28 20:38
- 提问者网友:雪舞兮
- 2021-12-28 13:33
最佳答案
- 五星知识达人网友:英雄的欲望
- 2021-12-28 15:07
当假设H0实际为真时,由样本观测值做出了拒绝H0的错误结论,称为第一类错误。
H0的情况下,|X|>=3.5的概率是0,所以第一类错误的概率是0。
当假设H0实际为错误时,由样本观测值做出了接受H0的错误结论,称为第二类错误。
H1的情况下,|X|<3.5的概率是7/8,第二类错误的概率是7/8。
H0的情况下,|X|>=3.5的概率是0,所以第一类错误的概率是0。
当假设H0实际为错误时,由样本观测值做出了接受H0的错误结论,称为第二类错误。
H1的情况下,|X|<3.5的概率是7/8,第二类错误的概率是7/8。
全部回答
- 1楼网友:空山清雨
- 2021-12-28 15:37
一般的参数估计方法无非:极大似然估计、矩估计、贝叶斯估计3种。极大似然估计,就是跟据样本值得到似然函数,然后求导得到最大值的条件,解出参数值,假设检验则据此得到一个枢轴量进行。矩估计,核心是用样本矩代替总体矩,假设检验推导相对复杂,也可以看作寻求枢轴量。贝叶斯估计则是假设参数是随机变量,观测值为“有条件”观测值,用贝叶斯公式转换为“有条件”的参数分布,最后积分边缘化得到参数的边缘分布,并用其期望值或者众数来作为其点估计,假设检验则是用现成的参数分布函数进行。
我要举报
如以上问答信息为低俗、色情、不良、暴力、侵权、涉及违法等信息,可以点下面链接进行举报!
大家都在看
推荐资讯