第五讲估计与假设检验解析.pptVIP

第三章 估计与假设检验 教学要求：掌握求置信区间、假设检验及分布检验所需要的SAS/INSIGHT与分析家模块的分析步骤。能用SAS程序语言比较两组数据的差异性。 教学重点：会用UNIVARIATE 、TTEST过程进行检验。 教学难点：输出结果的解读、分布检验。 教学方法：授课、上机、实验报告 教学内容： 3.1 统计推断的基本原理及意义 3.2 区间估计与假设检验的基本概念 3.3 单样本总体均值与方差的区间估计及假设检验的SAS实现 3.4分布检验的SAS实现 3.5两组比较的SAS实现 3.2 参数估计与假设检验的基本概念 3.2.1 参数估计 3.2.2 假设检验 3.2.1 参数估计 1. 估计方法分类 参数的点估计：由样本构造适当的统计量，将该统计量的观测值作为总体未知参数的估计值的方法称为参数的点估计。 参数的区间估计：利用构造的统计量及样本观测值，计算参数的置信区间的方法称为参数的区间估计。 2. 参数的置信区间 在区间估计中，对于总体的未知参数θ，需要求出两个统计量θ1(X1，X2，...，Xn)和θ2(X1，X2，...，Xn)来分别估计总体参数θ的上限和下限，使得总体参数在区间（θ1，θ2）内的概率为 P{θ1 θ θ2} = 1-α 其中,1-α称为置信水平，而(θ1，θ2)称为θ的置信区间，θ1,θ2分别称为置信下限和置信上限。置信水平为1-α的 含义是随机区间(θ1，θ2)以1-α的概率包含了参数θ。 3. 正态总体均值和方差的置信区间 参数的区间估计大多是对正态总体的参数进行估计，如对单总体均值、方差的估计、两总体均值差的估计和两总体方差比的估计等。 表1 正态总体参数的各种置信区间 3.2.2 假设检验 1. 假设检验的基本原理 对总体参数进行假设检验时，首先要给定一个原假设H0，H0是关于总体参数的表述，与此同时存在一个与H0相对立的备择假设H1，H0与H1有且仅有一个成立；经过一次抽样，若发生了小概率事件（通常把概率小于0.05的事件称为小概率事件），可以依据“小概率事件在一次实验中几乎不可能发生”的理由，怀疑原假设不真，作出拒绝原假设H0，接受H1的决定；反之，若小概率事件没有发生，就没有理由拒绝H0，从而应作出拒绝H1的决定。 2. 假设检验的步骤 1) 根据问题确立原假设H0和备选假设H1； 2) 确定一个显著水平?，它是衡量稀有性（小概率事件) 的标准，常取为0.05； 3) 选定合适的检验统计量W（通常原假设成立时,W的 分布是已知的），根据W的分布及?的值，确定H0的拒绝域； 4) 由样本观测值计算出统计量W的观测值W0，如果W0 落入H0的拒绝域，则拒绝H0；否则，不能拒绝原假设H0。 注意：在SAS系统中，是由样本观测值计算出统计量W 的观测值W0和p值（p值就是当原假设成立时得到样本观测值和更极端结果的概率）。 3. 正态总体均值和方差的假设检验 对正态总体的参数进行假设检验是假设检验的重要内容，如对单总体均值、方差的检验、两总体均值之差的检验和两总体方差比的检验等。正态总体参数的各种检验方法见下表2至表3。 表2 单正态总体N(μ,?2)均值μ的检验法 表3 单正态总体N(μ,?2)方差?2的检验法 3.3总体均值的区间估计与假设检验的SAS实现 3.3.1 使用INSIGHT模块 3.3.2 使用“分析家” 3.3.1 使用INSIGHT模块 (总体均值的估计、单样本总体均值的假设检验) 1. 总体均值的估计 【例3-1】某药材生产商要对其仓库中的1000箱药材的平均重量进行估计，药材重量的总体方差未知，随机抽取16箱样本称重后结果如表3-1所示。 表3-1 16箱药材重量（单位：千克） 1. Analyze → Distribution(Y) ； 2. 选择变量 weight →Output → 选择 Basic Confidence Intervals(区间估计选项) 结果包括一个名为“95％Confidence Intervals（95%置信区间）”的列表，表中给出了均值、标准差、方差的估计值（Parameter）、置信下限（LCL）和置信上限（UCL），如表2所示