日常生活与家庭权力.pptVIP

第一章 基础统计学回顾（3） 第七节 假设检验 一、假设的层次 理论假设——由若干抽象概念所组成的命题 （其中的抽象概念又往往是用其它有关的抽象概念加以定义的） 一般是无法加以直接验证的。 为了能从理论上证实这些假设，必须将概念操作化——将概念和命题变为可以测量的指标、变量以及变量与变量间的关系。 为了证实这些指标、变量以及变量之间的关系，又必须通过经验层次的调查和实验——实证主义的社会研究方法 如果调查是用的随机抽样数据，那么这种和抽样手段联系在一起，并且依靠抽样数据进行检验的假设，就称为统计假设 原假设H0：虚无假设或消解假设，一般根据已知的资料，或根据周密考虑后确定 备择假设H1：研究假设 ——单边或双边（可省略）检验 二、基本原理 （一）小概率原理 由于社会现象的随机性或非确定性，检验并非一目了然。 但是大数定理告诉我们，就大量观察而言，事件的发生具有规律性——在大量观察中频频出现的事件具有较大的概率，出现次数较少的事件具有较小的概率。 在日常生活中，人们习惯于把概率很小的事件，当作在一次观察中是不可能出现的事件——小概率原理——假设检验的基本原理。 小概率原理分为两个方面： 1、小概率事件在一次观察中是不可能出现的 2、如果出现了小概率事件，那么，合理的想法是，否定原有事件具有小概率的说法（或称假设） 假设检验的统计学描述： 三、基本概念 1、统计检验中的假定 假定是被确认和接受的事实，是进行检验的前提或要求。 对于统计推论，有一个基本的而且不言而喻的假定，那就是抽样必须是随机的。 2、统计检验中的统计量 假设检验是通过样本计算某个统计量来进行的。 所谓小概率事件，就是指所用统计量，在原假设情况下，是否是小概率事件，因此确定统计量是很重要的 对于样本的观察值，统计量的值应该是确定的。 当统计量确定后，根据原假设H0成立的条件，可以画出统计量的分布——所选用的统计量，它的分布，应该是已知的，其值是有表可查的——统计学家所做常用分布 3、显著性水平（临界水平） ，记作α 在原假设成立的条件下，统计检验中所规定的小概率的标准，即规定小概率的数量界线。 通常规定概率小于0.05或0.01的事件叫小概率事件 4、临界值、接受域和否定域 在概率分布图中，由显著性水平所确定的末端区域称为否定域 否定域与显著性水平是同一问题的两种不同表述方法，否定域是否定或推翻虚无假设的区域，显著性水平是推翻虚无假设的标准，否定域的概率就是显著性水平 四、假设检验的步骤和两类错误 （一）假设检验的步骤： 1、根据实际情况作出假设（原假设必须写出） 2、根据样本构成合适的、能反映H0的统计量，并在H0成立的条件下确立统计量的分布 3、根据问题的需要给出小概率的大小 4、根据具体检验标准，用样本统计量的观测值进行判断 （二）两类错误（关于虚无假设） 1、甲种误差（弃真——小概率事件发生） 犯第一类错误的大小就是显著性水平α 2、乙种误差（纳伪） 在样本容量n固定的情况下，如果同时减小两类错误，是不可能的，因此一般采取增加样本容量的办法来解决。 五、常用分布 （一）卡方分布 设随机变量ξ1、 ξ2…ξ k相互独立，且都服从正态分布，则它们的平方和服从自由度为k的卡方分布 随着自由度增加，卡方分布图形渐趋对称 自由度：自由的程度 例：现有100元，购买5件商品，那么你最多只能有四种商品的价值是自由的（当然是一定范围内），第五种只能是用剩下的钱了，这时候，我可以说，你的自由度是4.当然，如果更严谨一点，你有购买五件商品的权力，要求是五件商品平均价格是100,那你其中的四件随意购买，第五个就只能是根据计算得到的数值进行购买了这就是自由度 用数据解释： 1、一组数据中可以自由取值的数据的个数2、当样本数据的个数为 n 时，若样本均值?x 确定后，只有n-1个数据可以自由取值，其中必有一个数据则不能自由取值 例：样本有3个数值，即x1=2，x2=4，x3=9，则均值 = 5 当 ?均值 = 5 确定后，x1，x2和x3有两个数据可以自由取值，另一个则不能自由取值 比如x1=6，x2=7，那么x3则必然取2，而不能取其他值 设随机变量ξ 和η 独立，且ξ服从标准正态分布， η服从自由度为k的卡方分布 则随机变量 服从自由度为k的t分布 （三）F分布 设随机变量ξ 和η 独立，且都服从卡方分布，自由度分别为k1和k2， 则随机变量 服从自由度为 （k1和k2）的F分布 六、z检验和t检验 （一）基本用途 几点说明： 1、检验的结论是相对的（否定域可自定义） 2、假设检验与区间估计一致 （区间估计可代替假设检验） 3、假设的提法决定采取单边还是双