改假设检验.ppt

统计推断(statistical inference) 总体 样本 随机抽样 统计量 参 数 统计推断 如：样本均数 样本标准差 S 样本率 P 如：总体均数 总体标准差 总体率 2. 假设检验(hypothesis test) 参数估计(estimation of parameters) 点估计 区间估计 假 设 检 验 事先对总体特征做出某种假设，通过分析样本信息，判断该样本信息是否支持这种假设，从而作出拒绝或不拒绝这种假设的取舍抉择。又称显著性检验(significance test)。 根据样本的信息检验关于总体的某个假设是否正确。 假设检验的基本思想 例1 通过以往大规模调查，已知某地一般新生儿的头围均数为34.50cm，标准差为1.99cm。现从该地某矿区随机抽取新生儿55人，测得其头围均数为33.89cm，问该矿区新生儿的头围总体均数与一般新生儿头围总体均数是否不同？ 1.差异： a 个体差异，抽样误差所致 矿区环境条件不影响新生儿头围大小 — 无统计学意义(no significance) b 总体间固有差异 矿区环境条件对新生儿头围有影响 — 有统计学意义(significance) 判断差别属于哪一种情况 假设H0条件成立，在这个条件下来考察样本均数与总体均数的差异能否用抽样误差解释。 2. 假设： 假设矿区新生儿头围均数?与一般新 生儿头围总体均数?0相同 ----检验假设(hypothesis to be tested)/零假设(null hypothesis) H0: ? =?0 ，或 H0: ?＝34.50 ?`X=33.89 ----备择假设(alternative hypothesis) H1: ? ? ?0 ，或H1: ? ? 34.50 U或t检验：即是就是可信区间的相反求值比较，也就是将这一次的样本值是否在可信区间内 3.在H0条件下计算检验统计量： 0 -2.273 假设检验中的小概率原理 1. 在一次试验中，一个几乎不可能发生的事件 P0.05（或P0.01）----小概率事件 小概率事件在一次试验中基本上不会发生 2. 在一次试验中小概率事件一旦发生，我们就有理由拒绝检验假设。 4. 统计决策是否拒绝H0： 显著性水平(significance level): a 临界值 -1.96 0 1.96 -2.273 图8-1 标准正态分布下H0的接受域与拒绝域 拒绝域 拒绝域 接受域 临界值 1.64 是一个概率值 界值两侧尾部面积为? 接受域 |u|u?/2 拒绝域 |u|u?/2 P 值（P-Value） 是一个概率值：在H0规定的总体中进行随机样，得 到的大于等于（不拒绝）（或小于等于（拒绝）现有样本统计量的概率。 0 -2.273 2.273 阴影部分 面积为P 左侧检验，小于等于 当前检验统计量的概率 右侧检验，大于等于 当前检验统计量的概率 在H0成立的假设下，出现当前检验统计量 及更极端情况的概率。 假设检验的基本步骤 1、建立假设,确定检验水准： H0: ? 1＝ ? 2 （检验假设） H1: ? 1≠ ? 2 （备择假设） a = 0.05(双侧) 2、选定方法，计算统计量： 根据统计推断目的、设计、资料组数、样本含量等选择方法。如两组大样本比较u检验、小样本比较用t检验、方差齐性检验用F检验。 3、确定P值，作出统计决策： P ≤ a 拒绝H0 ，差别有统计学意义； P a 不拒绝H0 ，差别无统计学意义。 样本均数与总体均数比较的u检验 大样本量：所代表的未知总体均数，记为? ； 总体均数：记为? 0； 检验目的：推断样本所代表的未知总体均数?与 已知总体均数? 0是否有差别。 计算统计量： 两均数比较的u检验 适用于：完全随机设计中两组计量资料的比较且样本量每个都大于30，否则是用t检验。 检验目的：通过分析两样本均数推断其分别对应的