第二章假设检验.pptVIP

第二章 假设检验 先行条件-描述统计 已经掌握描述统计的基本内容，知道一般的集中量数、差异量数、相关系数都有哪些？ 会用公式和spss软件对数据进行描述。 推论统计 总体参数的估计：从局部结果推论总体的情况 点估计 区间估计 假设检验：通过样本统计量得出的差异做出一般性结论，判断总体参数之间是否存在差异。 内容包括： 假设检验的原理 平均数的显著性检验 平均数差异的显著性检验 方差的差异检验 相关系数的显著性检验 比率的显著性检验 第一节假设检验的原理 假设检验是指先对总体提出某项假设（对总体参数或分布所作的某一假设），然后利用从总体中抽样所得的样本信息，根据一定概率来检验所提的假设是否正确，从而做出接受或拒绝的决策。 用抽样出来的随机样本来检验样本所代表的总体的有关特征 分为参数检验和非参数检验 参数检验：总体的分布形态已知，对总体的未知参数进行检验 非参数检验：总体的分布形态未知，需要对未知分布形式的函数和其它特征进行检验 一、假设及假设检验 假设：也称研究假设，是根据已知理论或事实对现象所作的假定性说明。 统计学中的假设指用统计学术语对总体参数所做的假定性说明。 进行任何一项研究时，都需要对研究结果作出一种预想的希望证实的假设。 统计假设中将包含等式的一个称为无差假设，零假设或虚无假设，记为Ho 与零假设对立的假设称为对立假设或备择假设，记为H1 研究假设可能被转化为Ho，也可能会被转化为H1 假设检验：是用抽样出来的随机样本来检验样本所代表的总体的有关特征，它的基本思想是小概率反证法思想。当总体分布形式已知时，可以事先根据有关资料对这些参数作一个假设（Ho），然后在此基础上构造适当的统计（要求在Ho下无未知量，和有精确的分布规律），并依据样本信息进行计算，在一定的概率（95%或99%）下进行推理，并最终判别假设（Ho）的合理性，即在Ho和H1间作出选择。 判断假设是否合理的依据：小概率事件原理，即小概率事件在一次试验中几乎不可能发生。这里的那个很小的概率称为显著性水平。一般用ɑ表示 二、假设检验中的两类错误 假设检验进行判断的依据是小概率事件原理，即认为小概率事件在一次试验中是不可能发生的，但实际上，小概率事件也有可能发生，只是发生的概率小而已，这就可能导致错误。 从假设检验的基本思想来看，决策结果可能引起两种错误： α型错误： Ho为真时，拒绝Ho ，也称Ⅰ型错误。 β型错误： Ho为假时，接受Ho ，也称Ⅱ型错误。 第Ⅰ类错误也叫“弃真”，第Ⅱ类错误也叫“取伪”。所谓“弃真”，顾名思义，就是零假设实际上是正确的，却被拒绝了。 而“取伪”则相反，本来零假设是错误的，却被当成正确的内容接受了。 无论是“弃真”还是“取伪”，在现实中都是无法避免的，这就是通常所说的“次策失误”。 例 对于法官的判案，法官也必须面对Ho（被告无罪）与H1（被告有罪）的决择，如果被告确实是无辜，却判为有罪，就是法官犯了α错误，如果被告确实有犯罪事实却宣判无罪，则法官犯了β错误。但一般来说，法官们的信条应该是“宁可误判无罪，也不应累及无辜”，而不应是蒋介石的“宁可错杀一千，不可漏掉一个”。 两类错误的关系 关系 α，β是在两个不同前提下的概率，是一次假设检验的两个可信度指标，但一次实际的检验决策中只可能犯其中的一种错误 α+ β不一定等于1 在其它条件不变的情况下， α与 β不可能同时减小或增大（一般在假设检验中主要关心的是能否有理由拒绝Ho，从而证实H1，所以α在统计中规定得较严） 增大样本容量，可以同时减小α与 β 统计检验力 1-β反映的是正确辩认真实差异的能力，在统计中称1-β为统计检验力，统计的效力（power）。 四、单侧检验与双侧检验 双侧检验：只强调差异，不强调方向（只关心是否有差异，而不管哪个大哪个小） Ho：μ1 = μ0 H1： μ1 ≠ μ0 接受域在中间，拒绝域在两端 单侧检验：强调差异的方向性（关心大小） 单侧（左侧）检验：某一参数是否小于、差于另一个参数 Ho：μ1 ≥ μ0 H1： μ1 μ0 拒绝域在左端，接受域在右端 单侧（右）检验：某一参数是否大于、差于另一个参数 Ho：μ1 ≤ μ0 H1： μ1 μ0 拒绝域在右端，接受域在左端 注意问题 无论是接受域还是拒绝域，都是针对Ho来说的 在实际研究中，一定要根据研究目的所规定的问题的方向性来确定用单侧还是双侧检验 五、假设检验的步骤 提出原假设和备择假设 确定适当的检验统计量 规定显著性水平? 计算检验统计量的值 作出统计决策 第二节平均数的显著性检验 总体正态,总体方差已知 总体正态,总体方差未知 总体非正态 总体正态,总体方差已知 总体正态,总体方差未知 总体非正态 大样本，可以用Z检验 小样本