SAS第四章.pptVIP

第四章 统计推断基础 参数统计推断的两大类：总体参数的区间估计及总体参数的假设检验。 总体均数的区间估计及总体均数的假设检验。 PROC MEANS过程可以进行总体均数的区间估计 PROC MEANS过程和PROC TTEST过程进行假设检验。 4.1总体均数的区间估计 概念 根据样本推知总体的一个主要内容就是估计总体参数可能存在的区间，这种估计是以一定的概率得出的，具有一定的可信度，称为可信区间。可信度，称为显著性水平，常取0.05或0.01。 可信度作为区间估计的准确性度量 区间宽度作为区间估计的精密性度量 总体均数区间估计的计算 双侧 单侧 统计过程例解 data b; input obs $ sex$ h @@; cards; 081 f 1.56 082 m 1.72 083 m 1.69 084 f 1.58； proc means ; var h ; output out=b mean=m std=s N=num; data cal; set b; t=TINV(0.975,num-1); in=t*s/SQRT(num); mml=m-in; mmh=m+in; proc print; run; 结果输出及解释 Analysis Variable : H 1 N Mean Std Dev Minimum Maximum ----------------------------------------------------- 16 1.6725000 0.0866025 1.5200000 1.8000000 ------------------------------------------------------ 2 OBS _TYPE_ _FREQ_ M S NUM T 1 0 16 1.6725 0.086603 16 2.13145 IN MML MMH 0.046147 1.62635 1.71865 4.2 假设检验 基本思想：反证法的思想来验证差异来源是否为抽样误差引起。 基本步骤 ①设立假设H0,H1. ② 确定检验水准 ③检验统计量的计算 ④P值得出结论 按检验水准拒绝H0,接受H1，，则，按检验水准尚不能拒绝H0 ⑤统计分析结论 P值为出现观察样本及更极端样本的概率。亦即拒绝H0实际可能犯错误的概率。 4.2.1 样本均数与已知总体均数比较的t检验及其SAS过程 推断目的：由两样本均数比较推断μ是否等于μ0。 适用条件：随机样本来自总体均数为μ的正态总体。 已知条件：n,,s与μ0。 检验统计量t值计算： t=|x-μ0|/(s/√n) ν＝n-1 ⑤使用的SAS过程： 采用means过程或univariate过程，计算观测值与已知总体均数的差值，再对该差值的均数进行t检验。用univariate过程可同时实现对观测值是否服从正态分布作检验（下同）。 4.2.2 配对设计（自身配对或异源配对）资料差异显著性的t检验及其SAS过程 推断目的：由对子观测值之差的均数与μd比较，推断μd是否为零。 适用条件：对子的观测值之差服从正态分布，即d～N(μd,σ2d)。 已知条件：n,d及sd。 检验统计量t值计算： t=|d-0|/sd ν＝对子数-1 ⑤使用的SAS过程： 采用means过程或univariate过程，计算对子观测值之差值，再对该差值的总体均数是否为零进行t检验。 4.2.3 两样本均数差异比较的t检验及其SAS过程 推断目的：由样本均数比较，推断两样本来自的总体均数μ1与μ2是否相等。 适用条件：两样本来自正态总体。 已知条件：n1, 样本均数1,s1与n2, 样本均数2,s2。 检验统计量t值计算。（与两总体方差σ12与σ22是否相同有关） a. 方差齐（σ12＝σ22）时：t;b. 方差不齐（σ12≠σ22）时 t’ c. 两样本方差齐性的F检验 F=max(s12,s22)/min(s12,s22) ⑤使用的SAS过程：采用TTEST过程可实现两样本均数比较的t检验。 4.2.4 TTEST过程 TTEST过程执行成组设计的来自正态总体的两个样本均数比较的t检验。它具有对两样本方差齐性比较的的F检验功能，并计算t值与t’值，并给出