统计分析与方法-第五章 假设检验.pptVIP

第五章 简单统计推断 假设检验 为什么要假设检验? 例如，在2002年对10000名妇女的身高进行了全面调查，得出平均身高为160cm，标准差为5cm。 在2004年对该妇女（还是原总体）进行了随机抽样调查，调查了100名妇女，测得样本身高162cm，标准差为5cm。 请问：调查结果是否说明这批妇女的身高升高了？ 为什么要假设检验? 为了回答这个问题，我们必须知道： 样本平均身高与总体平均身高之差 为什么要假设检验? 又如：同一位老师教授统计系本科两个班同一门课程，如果两个班考试内容和形式完全一样，但是平均成绩却不同： 一班42人，平均成绩78分，标准差15分 二班40人，平均成绩75分，标准差10分 请问：这两个班的平均成绩是否有显著的差异？ 为什么要假设检验? 还有：某减肥产品夸口说它的减肥效果是如何如何的好，如果我们有一些志愿者对该产品试服减肥，减肥前和减肥后的体重发生了一些差异。（具体数据见spss数据：diet.sav) 请问：体重发生的差异是否显著的？即减肥是否真有效果，是否能相信该减肥产品的减肥效果？ 为什么要假设检验? 这样的例子很多，其实只要我们进行比较、判断时：总体与样本比，不同总体之间比,样本与样本比等，都要用到假设检验。 那么如何检验呢？ 如何假设检验? 还是回到妇女身高的例子，已知样本均值与总体均值相差2cm，这2cm是如何造成的？ 是抽样误差造成的身高没变化 2cm产生的原因 不仅是误差， 确实是身高发生了变化 如何假设检验? 首先可假设这2cm的误差是由抽样误差造成的。 上一章中我们介绍了样本均值的分布： 即： 如何假设检验? 那么： 如果 真是由抽样误差造成的，那么它就不应该大于2或3个标准差，即 如何假设检验? 反之，如果： 那么我们说不应该发生的小概率发生了，即2cm的误差不仅是由抽样误差带来的，而且确实是样本均值与总体均值发生了显著的差异。即这批妇女的身高增高了！ 如何假设检验? 因此我们就需要计算：样本均值与总体均值的差究竟等于几个标准差，即： 如何假设检验? 小概率事件：在一次事件中几乎不可能发生的事件。 一般称之为“显著性水平，用 表示。 如何假设检验? 在用计算机软件进行假设检验时，计算机输出的检验结果是：t-值和p-值（p-value） T值就是我们刚才计算过的t值，对于不同的分布，计算t值的方法和公式不一样。 p-值（p-value）就是对应于t值及之外的双尾概率，即小概率。 假设检验的过程-以妇女身高为例 首先要提出一个原假设，如妇女身高的均值等于160cm（ ）。这种原假设也称为零假设（null hypothesis），记为H0。 与此同时必须提出对立假设，如妇女身高均值不等于160cm（ ）。对立假设又称为备选假设或备择假设（alternative hypothesis）记为H1。 假设检验的过程-以妇女身高为例 形式上，上面的关于总体均值的H0相对于H1的检验记为: 我们将 的假设称为双尾检验 ，即前面说述的假设检验。 假设检验的过程-以妇女身高为例 如果备选假设为： 或： 假设检验的过程-以妇女身高为例 需要注意的是：计算机输出结果中的p值是双尾检验的概率。 如果备选假设选择的是单尾检验，则要将计算机给的p值除以2，即取p值的一半。 假设检验的过程 第二，确定检验统计量 。 有了两个假设，就要根据数据来对它们进行判断。 根据零假设（不是备选假设！）来判断：如果是检验均值的，那么一般是在正态总体分布的背景下检验的。 如果是检验比例的，那么就要用到非参数检验。 假设检验的过程 第三，确定显著性水平 根据样本所得的数据来拒绝零假设的概率应小于0.05，当然也可能是0.01，0.005，0.001等等。 显著性水平就是小概率水平，但小概率并不能说明不会发生，仅仅是发生的概率很小罢了。拒绝正确零假设的错误常被称为第一类错误（type I error）。 假设检验的过程 有第一类错误，就有第二类错误； 那是备选假设正确时反而说零假设正确的错误，称为第二类错误（type II error）。 在一般的假设检验问题中，由于备选假设往往不是一个点，所以无法算出犯第二类错误的概率。 假设检验的过程 第四，根据数据计算检验统计量的实现值（t-值）和根据这个实现值计算p-值；