第七章 假设检验解析.pptVIP

第七章假设检验 宋沈超 假设检验在统计方法中的地位 参数估计和假设检验 参数估计和假设检验是统计推断的两个组成部分，都是利用样本对总体进行某种推断，但推断的角度不同。 参数估计讨论的是用样本统计量估计总体参数的方法。 假设检验讨论的是用样本信息去检验对总体参数的某种假设是否成立的程序和方法。 教学内容 第一节 假设检验基本思想 第二节 假设检验基本步骤 第三节 I型错误与II型错误 第四节 单侧检验与双侧检验 第五节 假设检验需要注意的问题 第六节 假设检验与区间估计的联系 教学目标 掌握：假设检验的基本思想和基本步骤，掌握并理解I型错误与II型错误、检验效能的概念 熟悉：假设检验需要注意的问题，单侧检验与双侧检验的概念和正确选择；理解假设检验与区间估计的联系。 第一节 假设检验基本思想 一、 假设检验问题的提出 例1 已知一个暗箱中有100个白色与黑色球，不知各有多少个。现有人猜测其中有95个白色球，是否能相信他的猜测呢？ 　　　例2 某医院用新药与常规药物治疗婴幼儿贫血，将20名贫血患儿随机等分两组，分别接受两种药物治疗，测得血红蛋白增加量（g/L）见表7-1。问新药与常规药的疗效有无差别？ 表7-1 两种药物治疗婴幼儿贫血结果 治疗药物 血红蛋白增加量（g/L） 新药组 24 36 25 14 26 34 23 20 15 19 常规药组 14 18 20 15 22 24 21 25 27 23 由于事先对两种药品疗效（总体）情况一无所知，目前所关心的问题是如何根据两组样本患者治疗后血红蛋白增加量推断两种药品的疗效有无差异。可假设两组患者（总体）治疗后血红蛋白平均增加量无差异，即假设 然后，利用两组样本患者治疗后血红蛋白平均增加量来检验这一假设是否正确。 例3：根据1989年的统计资料，某地女性新生儿的平均体重为3190克。1990年从该地女性新生儿中随机抽取30人，测得其平均体重为3210克。从样本数据看，1990年女新生儿体重比1989年略高。究竟是否存在显著差异？ 差异产生的两种可能（假设）： 随机误差导致的差异： 生活水平提高使孕妇营养状况改善导致新生儿体重实质性增加： 利用样本信息检验假设能否成立的过程称为假设检验。 上述案例的共同特点是：样本统计量与总体参数之间，或不同组样本统计量之间出现差异，这就提出了需要解决的问题：差异产生的原因（假设）？由两种误差导致： 由随机误差导致——样本来自同一总体， 非本质差异 不是随机误差导致——样本来自另一总体， 本质差异 用样本信息检验（推断）上述假设哪个正确？ 二、小概率原理 假设检验所依据的基本原理是小概率原理。 什么是小概率？ 概率是0～1之间的一个数，因此小概率就是接近0的一个数，一般指概率在0.05以下的事件。 著名的英国统计家Ronald Fisher 把20分之1作为标准，也就是0.05，从此0.05或比0.05小的概率都被认为是小概率。Fisher没有任何深奥的理由解释他为什么选择0.05，只是说他忽然想起来的 什么是小概率原理？ 小概率原理——发生概率很小的随机事件（小概率事件）在一次实验中几乎是不可能发生的。在一次试验中小概率事件一旦发生，我们就有理由拒绝原假设。 根据这一原理，可以先假设总体参数的某项取值为真，也就是假设其发生的可能性很大，然后抽取一个样本进行观察，如果样本信息显示出现了与事先假设相反的结果且与原假设差别很大，则说明原来假定的小概率事件在一次实验中发生了，这是一个违背小概率原理的不合理现象，因此有理由怀疑和拒绝原假设；否则不能拒绝原假设。 检验中使用的小概率由研究者在检验前事先确定。 小概率原理举例： 某工厂质检部门规定该厂产品次品率不超过4％方能出厂。今从1000件产品中抽出10件，经检验有4件次品，问这批产品是否能出厂? 如果假设这批产品的次品率P≤4％，则可计算事件“抽10件产品有4件次品”的出现概率为： 可见，概率是相当小的，1万次实验中可能出现4次，然而概率如此小的事件，在一次实验中居然发生了，这是不合理的，而不合理的根源在于假设这批产品次品率P≤4％ ，因而认为假设次品率P≤4％是不能成立的，故按质检部门的规定，这批产品不能出厂。 据此，可提出原假设：H0: ?=?0=140g/L 若原假设成立，事件 应该是一个小概率事件（发生的概率为α）。现在 |－2.138| t0.05/2,35=2.030 P 0.05