4第四章　统计推断.pptVIP

一、概念 畅所欲言 那么，可用 表示样本平均数x对总体平均数μ的置信度为P=1-α的点估计。 当α=0.05时，包含有μ的置信度为P=1-0.05=0.95的区间估计为： 点估计为： 当α=0.01时，包含有μ的置信度为P=1-0.01=0.99的区间估计为： 点估计为： 在克矽平例子中， 区间估计为： 点估计为： 即： 第四章 第一节 第二节 第四节 第五节 假设检验的原理与方法 样本平均数的假设检验 参数的区间估计与点估计 方差的同质性检验 方差的同质性检验 方差的同质性(homogeneity)，又称为方差齐性(homogeneity of variance)，就是指各个总体的方差是相同的。 适用范围：各样本的方差来推断其总体方差是否相同。 方差同质性检验 方差相等 方差不等 转 换 自 由 度 改 变 计 算 公 式 连 续 性 矫 正 平 均 数 的 检 验 频 率 的 检 验 Ⅰ Ⅱ ?0 ?1 u? -u? Ⅰ和Ⅱ不重合 ? 犯第二类错误的概率记为?值 当μ1接近μ0时，犯II型错误的概率越大； 当μ1远离μ0时，犯II型错误的概率越小。 (1) 两类错误既有联系又有区别 　 ?错误只在否定H0时发生 ?错误只在接受H0时发生 ?错误增加 ? 错误减小 ?错误增加 ? 错误减小 两类错误的关系 ?的选择依赖于两类错误的危害性 ?0 ?0 ? ? ?- ?0较大时, ?减小. ?- ?0较小时, ?增大. (2) 当μ接近μ0时，犯II型错误的概率越大； 当μ远离μ0时，犯II型错误的概率越小。 两类错误的关系 ?0 ?0 ? ? (3) 增加样本容量n，可使两类错误都减小。 两类错误的关系 概率显著水平的确定与犯两类错误有密切的关系 α 取值太高或太低都会导致某一种错误的增加。 标准误小，正态分布中接受区就变得十分狭窄，μ 和 μ0 之间的差别比较容易发现。 提出假设 确定显著水平（?） 选定检验方法，计算检验统计量 作出推断结论 步 骤 不同的自由度，t分布有不同的曲线。 相同的df，t值越大，概率P越小。 相同t值，双尾概率P为单尾P的两倍。 df增大，t分布接近正态分布。 t落于[- t0.05, + t0.05 ] 内的概率为0.95 t落于[- t0.01, + t0.01 ] 内的概率为0.99 t0.05（4）＝2.776 t0.01（4）＝4.604 -2.776　　　　　　　　　　+2.776 不同自由度下，t分布的两尾概率及其对应的临界t值。 自由度 两尾概率值 临界t值 χ2分布是连续型变量的分布，每个不同的自由度都有一个相应的卡方分布曲线，所以其分布是一组曲线。 χ2分布的偏斜度随自由度降低而增大，当自由度df=1时，曲线以纵轴为渐近线。 随自由度df的增大， χ2分布曲线渐趋左右对称，当df30时，卡方分布已接近正态分布。 对于给定的α(0α1)，称满足条件 P{χ2　χα2}=α的点 χα2为χ2分布的上α分位点（右尾概率）。 表中表头的概率P是χ2大于表内所列χ2值的概率。 df = 2 对于给定的α(0α1)， 称满足条件 P{ＦＦα(n１，ｎ２)}=α的点 Ｆα(n１，ｎ２)为Ｆ分布的上α分位点（或临界值点）。 在df1=4,df2=10的正态总体中连续抽样，所得F值大于3.48的仅有5%，而大于5.99的仅有1%。 第四章 第一节 第二节 第四节 第五节 假设检验的原理与方法 样本平均数的假设检验 参数的区间估计与点估计 方差的同质性检验 样本平均数的假设检验 大样本平均数的假设检验 －－u检验 小样本平均数的假设检验 －－t检验 单样本 双样本 总体方差σ2已知 总体方差σ2未知 n≥30 n 30 一个 样本 平均 数的 假设 检验 n≥30 n 30 两个 样本 平均 数的 假设 检验 σ12和σ22已知 σ12和σ22未知 成对数据 成组数据 u检验 这是检验总体方差 已知，或总体方差 未知，样本容量 的平均数 是否属于平均数为 的指定总体的一种检验方法。两样本的方差 、 已知，或两总体方差未知，但两样本容量都是大样本时，两样本间平均数的比较。 例4.1 豌豆籽粒重（g/100粒）服从正态分布N(37.72,0.332),改善栽培后，随机抽取9粒，平均重37.92g，s=0.33，问籽粒重是否有显著提高。