第三讲 计量资料的统计推断 之一.ppt

计量资料的统计推断 基本内容 复习： 几个概念 变量－变量值－计量资料 正态分布 总体－样本 统计量：从样本计算出来的统计指标(X, S)。 参数：总体的统计指标叫总体参数(μ ，? )。 参数估计: 运用统计学原理，用从样本计算出来的统计指标量，对总体统计指标量进行估计。例如：均数的参数估计 假设检验：又称显著性检验，是指由样本间存在的差别对样本所代表的总体间是否存在着差别做出判断。例如：均数u 检验 、均数t 检验 主要内容 第一节 标准误 第二节 总体均数的估计 第三节 假设检验 第四节 均数的 u (z) 检验 第一节 标准误（Standard error) 一、概念 抽样误差：由于抽样引起的样本统计量与总体参数之间的差异。 标准误 ：(?x Sx) 表示抽样误差大小的指标；样本均数的标准差； 第二节 总体均数的估计 统计推断的任务就是用样本信息推论总体特征。 参数估计，用样本均数估计总体均数。 ? 1、 点（值）估计（近似值） 2、 区间估计（近似范围） 2、区间估计 ▲ 概念：根据样本均数，按一定的可信度计算 出总体均数很可能在的一个数值范围，这个范围称为总体均数的可信区间。 换句话说，做出校全体女大学生身高均数为163.0 -- 164.5cm的结论，说对的概率是95%，说错的概率是5%；做出校全体女大学生身高均数为162.7 – 164.7cm的结论，说对的概率是99%，说错的概率是1%。 第三节 假设检验 ▲显著性检验; ▲科研数据处理的重要工具; ▲某事发生了： 是由于碰巧？还是由于必然的原因？统计学家运用显著性检验来处理这类问题。 假设检验： 1、原因 2、目的 3、原理 4、过程（步骤） 1、假设检验的原因 从两个总体中进行随机抽样，得到两个样本均数X1、X2。 X1、X2不同。不同的原因是什么？ X1、X2 不同有两种（而且只有两种）可能： （1）分别所代表的总体均数相同，由于抽样误差造成了样本均数的差别。差别无显著性 。 （2）分别所代表的总体均数不同。差别有显著性。 2、假设检验的目的 王戎小时候，和小朋友在路上玩耍。一天，他们发现路边的一棵树上结满了李子，小朋友一哄而上，去摘李子，独有王戎没动。等到小朋友们摘了李子一尝，原来是苦的！他们都问王戎：“你怎么知道李子是苦的呢？” 王戎说：“假如李子不苦的话，早被路人摘光了，而这树上却结满了李子，所以李子一定是苦的。” 如欲证明A ≠B,首先假设A = B,然后根据已知条件进行演绎推理,推到一定地方, 就会出现一种矛盾结果———或者和已知条件相矛盾, 或者和已有的结论、定理、公理相矛盾. 问题出在哪里? 原来是结论A = B 不成立,因此,就证明了A ≠B. 概率论（小概率）： 如果一件事情发生的概率很小，那么在进行一次试验时，我们说这个事件是“不会发生的”。从一般的常识可知，这句话在大多数情况下是正确的，但是它一定有犯错误的时候，因为概率再小也是有可能发生的。 倘若某事件A出现的概率α甚小,则它在大量重复试验中出现的频率应该很小。 例如, 若α = 0. 001, 则大体上在1000次试验中A 才出现一次. 因此,概率很小的事件在一次试验中实际上不大可能出现。 4、假设检验的一般步骤 ▲ 建立假设（反证法）： ▲ 确定显著性水平（ ? ）：区分大小概率事件的标准 ▲ 计算统计量：选择不同的统计方法u, t，?2 ▲ 确定概率值： ▲ 做出推论（结果） 如果p?，我们认为在检验假设H0成立的条件下，得到等于或大于现有统计量u值或t值的可能性小于?，可判断为小概率事件，则拒绝H0，接受H1，差别有统计意义，结论是两总体均数不相等，或者某一总体均数大于（或小于）另一总体均数。 结果 接受检验假设（ H0 ） 拒绝检验假设（ H0 ） 正确理解结论的概率性（都隐含着犯错误的可能性）。 第四节 均数的 u (Z) 检验 大样本均数与已知总体均数比较的u (z)检验 两个（大）样本均数比较的u(z) 检验 小结：大样本均数与已知总体均数比较的u 检验 ▲目的：比较样本均数所代表的未知总体均数 与已知的总体均数有无差别 ▲计算公式：u 统计量 谢谢！ （1）. 建立假设 检验假设