检验假设.pptVIP

例6-12 某车间改革生产工艺前，测得三次粉尘浓度，每升空气中 分别有38、29、36颗粉尘；改革工艺后，测取两次，分别为25、18颗粉尘。问工艺改革前后粉尘数有无差别？ 按ν=∞查t 临界值表： Z0.05/2, ∞ =1.96 Z Z0.05/2，得P0.05 按α=0.05水准拒绝H0， 接受H1，故可认为工艺改革前后粉尘浓度不同，改革工艺后粉尘浓度较低。 应用泊松分布应注意的问题 ?1、? 泊松分布的X虽然为样本计数，由于观察的单位（时间、面积、容积等）是固定的，可看成n为1，故有均数的含义，按泊松分布的特性， ，而标准误 ，在n为1时，标准差与标准误相等。当观察单位不同时，标准误 。2、?要利用正态近似法，要满足条件　 。如果想满足此条件，可利用泊松分布的可加性原理，把若干个小单位合并成一个大单位。3、两样本均数的比较时，要注意观察单位（时间、面积、容积、人囗基数等）是否相等，若不相等，须化成相同的观察单位后再作比较。 第四节 假设检验与区间估计的关系 区间估计与假设检验是统计推断的两种方法。可信区间用于说明量的大小即推断总体均数的范围，而假设检验用于推断质的不同即判断两总体均数是否不同。每一种区间估计都可以对应一种假设检验方法。它们之间既相互联系，又有区别。 1、置信区间具有假设检验的主要功能 算得的可信区间若包含了H0，则按α水准，不拒绝H0 ；若不包含H0 ，则按α水准，拒绝H0 ，接受H1 。 （1）双侧检验 如例6-2 的资料，对用药前后IgG差值的总体均数μd作区间估计。 μd 95%的可信区间： 显然， H0：μd=0不在此区间之内，这与按α=0.05水准，拒绝H0的推断结论的等价的。 又如例6-4 的资料，H0：μ1= μ2(即 μ1-μ2=0) H1： μ1 ≠ μ2 (即 μ1-μ2 ≠0) α=0.05 ，作μ1-μ2的95%可信区间 该区间包含0(H0：μ1-μ2 =0) ，这与按α=0.05水准，不拒绝H0的推断结论的等价的。 （2）单侧检验 如例6-1 的资料，H0：μ=μ0=14.1，H1：μ14.1 ，α=0.05 ，作μ的95%可信区间 该区间包含了H0：μ=μ0=14.1 ，这与按α=0.05水准，不拒绝H0的推断结论的等价的。 第四节 假设检验与区间估计的关系 2、置信区间可提供假设检验没有提供的信息 置信区间在回答差别有无统计学意义的同时，还可以提示差别是否具有实际意义。 3、假设检验提供，而置信区间不提供的信息 在统计推断结论为拒绝H0时，假设检验可以报告确切的P值，从而较为精确地说明检验结论的概率保证。置信区间只能在预先确定的置信度100(1-α)%水平上进行推断。 在不能拒绝H0的场合，假设检验可以对检验的功效作出估计，从而可以评价是否在识别差异能力较强的情形下不拒绝H0的。而置信区间并不提供这方面的信息。 根据以上的结论，置信区间与相应的假设检验既能提供相互等价的信息，又有各自不同的功能。把置信区间与假设检验结合起来，可以提供更全面、完整的信息。因此，国际上规定，在报告假设检验结论的同时，必须报告相应的区间估计结果。 第五节 假设检验的功效 高中分班： 从2班和6班随机抽取两名同学进行数学考试： 一、假设检验的两类错误 第Ⅰ类错误：如果实际情况与H0一致，仅仅由于抽样的原因，使得统计量的观察值落到拒绝域，拒绝原本正确的H0，导致推断结论错误。这样的错误称为第Ⅰ类错误。犯第Ⅰ类错误的概率大小为α。 第Ⅱ类错误：如果实际情况与H0不一致，也仅仅由于抽样的原因，使得统计量的观察值落到接受域，不能拒绝原本错误的H0，导致了另一种推断错误。这样的错误称为第Ⅱ类错误。犯第Ⅱ类错误的概率为β。 拒绝了实际上成立的H0，这类“弃真”的错误称为第Ⅰ类错误。其概率大小用α表示， α可以取单尾亦可以取双尾。 接受了实际上不成立的H0，这类“取伪”的错误称为第Ⅱ类错误。其概率大小用β表示， β只取单尾。 第五节 假设检验的功效 一、假设检验的两类错误 实际情况 检验结果 拒绝H0 不拒绝H0 H0为真 第Ⅰ类错误(α) 假阳性（误诊） 结论正确(1- α) 置信度 H0不真 结论正确(1- β) 检验功效 第Ⅱ类错误(β) 假阴性（漏诊） 当样本含量n一定时，α越小，β越大；若想同时减少α和β，只有增大样本含量。 若为了减少假阳性或误诊，应减小α；若为了减少漏诊或假阴性，应减小β 第五节 假设检验的功效 二、假设检验的功效 1-β称为假设检验的功效 当所研究的总体与H0确有差别时，按检验水准α能够发现它(拒绝H0)的概率。 一般情况下对同一检验水