北大心理统计知识点总结统计-第五章.docVIP

假设检验 假设检验要解决的问题 处理组之间的平均数差异 处理组之间的平均数差异是偶然造成的，处理本身没有效应 处理组之间的平均数差异是由处理的效应造成的 假设检验用来发现属于哪种情况 标准误 概率 假设检验的定义 假设检验是用样本的数据来评估对于一个总体参数的假设 步骤 先提出一个关于一个总体的假设。例如考研（心理学）的人智商都要高于普通人。 从考研的总体中，得到一个100人的随机样本 用样本的数据来检验假设。两种结果：支持或者反对 假设检验 假设检验 （Hypothesis testing）是一种用样本数据来评价有关总体的某一假设的可置信性的推论程序。 换句话说, 我们以样本为依据，对总体作出判断. 例: 我们想知道心理学的学习成绩和性别的关系. 假定女性要好于男性. 取本课程中的女性和男性. 在期末考察他们的学习成绩. 这里的总体是什么? 1）学心理学的女性 2) 学心理学的男性 - 这里的问题是, 两个总体是否不同? 或者说, 女性学心理学的成绩是否好于男性 女性的平均成绩84分，男性79分 -问题: 这 5 的差异是 真实的 还是由于取样误差造成的？ 如果差异是 “真实的”，那么我们可以得出结论：这两个总体是不同的, 女性的学习心理学的成绩好于男性。 如果差别是由于取样误差造成的, 那么我们应该得出结论：两个总体其实没有什么差别, 男女在学习心理学的成绩上没有差异。 基本逻辑 假设检验背后的基本逻辑是：总存在两个假设:虚无假设（null hypothesis）备择假设 （alternative hypothesis） 虚无假设 (H0) 预测总体中自变量(处理)对于因变量不产生效应。 备择假设 (H1) 预测总体中自变量(处理)对于因变量产生效应。 假设检验的逻辑是假定我们尝试拒绝虚无假设, 即我们要尝试证明备择假设 .为什么? 一般说来, 显示一件事不是真的比证明这件事是真的容易些。尤其是在考察样本时，我们根本无法了解整个总体中， 除样本之外的个体的情况。 为什么尝试拒绝虚无假设？ 一般说来, 显示一件事不是真的比证明这件事是真的容易些。尤其是在考察样本时，我们根本无法了解整个总体中， 除样本之外的个体的情况。 假设: 所有的狗都有 4 条腿. 要拒绝这个假设: 只需拿出一个包括至少1只不是4条腿的狗的样本 要接受这个假设: 需要检查总体中的所有狗，逐个数腿的个数 例子一 做蛋糕的方子的例子 方子上的做蛋糕的一种原料看不清了 先假设它为鸡蛋 做出蛋糕以后看味道是否和原来一样 说明那个原料不是鸡蛋 例子二 法庭上对于罪犯的无罪假设（ H0 ） 基于无罪假设的推论和证据之间在常理上出现矛盾 推翻H0，H1成立 从而推出有罪 假设检验的逻辑 假设检验的步骤 step1: 作出假设，选择一个决策标准 - 所做的假设是对于某一事件/处理/因素的效应（其导致总体间的差异）的有根据的推测或预测- 所做的假设可以是一般的 (如., 统计课程会改变阅读理解能力), 或者具体的(如., 统计课程会使阅读理解能力增加10%). step2: 收集一个 样本 从总体中随机选取个体- 随机分配所选取的个体到特定的处理组 处理后, 主要问题是, 是所有的个体都属于同一总体, 还是因为处理个体就属于一个新的总体。 step3: 计算出考验统计量 - 如z分数, t-考验, f-考验 (ANOVA) step4: 将考验统计量与某个发表比较以得出有关参数的推论，然后对样本作出结论. - 所观察到的差别有多大可能性是因为取样误差? 给出这个概率, 如何下结论? 拒绝虚无假设的标准 现在我们面临的问题是. 我们由一个样本，其描述统计量与总体的参数 (由 控制组的样本统计量反映出来)不同. 我们如何能决定发现的差异是由于两总体间存在真实的差异还是由于取样误差所造成? 要解决这一问题，研究者必须事先设定一个标准. 例如, 有一个总体 μ= 65 ? σ= 10, 取到一个均值是80的样本 (容量为 n)的概率是多大? 取到一个均值是80的样本的概率是0.0002. 这已经很小了. 我有把握说这个样本不是从这个总体中来, 它是来自另一个总体。 事先设定一个标准会为我们说“这已经很小了”提供更客观的依据. 这个事先设定的标准会限定概率有多小才足够拒绝虚无假设. 换言之, 发现的差别有多大才可以拒绝虚无假设. 注意: 这惯例常常随学科不同而不同.例如, 一些领域认为 p 0.05 就足够拒绝 H0. 而另一些领域则把界限设定在 p 0.01 。 假设验证的可能结果 实际情况是怎样? - H0 正确 (没有差异，自变量没有效应) - H0 错误 (差异存在，自变量产生效应) 研究结论是怎样