第七章体育统计学要点.doc

第七章 假 设 检 验 在前面的章节中阐明了第一类统计推断方法 —— 估计，在本章中将论述第二类统计推断方法，即假设检验。从中可看到假设检验和区间估计之间的某些相似点和相异点。在这两章中，让人感兴趣的都是同一些参数，不过在七章中将从下述的角度去分析样本数据，即看看这些数据是否支持对某些参数的大小所做的假设。而在上一章中，却并未涉及对参数的假设进行后分析，相反，倒是利用样本数据来帮助人们形成对参数值的看法。 假设检验的目的同估计一样，在于帮助研究人员通过考察对来自某总体的样本数据做出有关该总体的统计决策。 第一节 基 本 概 念 一、假设检验的意义 在统计研究工作中常常要对一些统计量进行分析比较。人们经常会遇到两个统计量的差异问题，如两个平均数的差异、两个率的差异等待。两个样本统计量之间的差异，可能由两种原因造成：一是由于抽样误差而造成，抽样误差而造成的差异是不可避免的，但样本仍来自同质的总体，所以这种差异没有本质的区别。二是由于实验因素或观察条件的改变而造成的差异，这种误差叫做条件误差，此时样本可能会来自不同质的总体，其差别是本质性的差别。人们当然希望能正确地区分出样本统计量之间的差异是由哪种原因造成的。假设检验就是帮助人们去区分差异是由抽样误差还是由条件误差造成的一种科学方法。 二、假设检验的基本原理 在实际工作中，无论假设多么复杂，进行检验的基本思想却很简单，就是某种带来有概率性质的反证法，即按“小概率事件在一次观察中实际上不可能发生的”的统计原则，拒绝在一次具体实践中竟然发生了小概率事件的不合理的假设。但是如果实践所导致的结果没有发现小概率事件的不合理现象，则不能拒绝原假设H0 ，因而接受它。 什么算是“小概率事件”？通常人们把概率不超过5% 的事件称为小概率事件，其概率记作 。在假设检验中，称 为显著性水平。如经过检验，在 = 0.05 水平拒绝无效假设H0 ，则称差异有显著性意义；如在 = 0.01水平拒绝H0 ，则称差异有非常显著性意义。 三、假设检验中的两类错误 在假设检验中，并不能证明一个统计假设是否正确。当检验结果已经得出，就有两种可能采取的行动；（1）否定H0 ；（2）不否定H0 。一个未被否定的假设可能的真实的，也可能是不真实的。同样，一个被否定的假设也可能是真实的或不真实的。于是，在检验一个假设时将出现四种可能的结果： （一）不否定真实的无效假设； （二）不否定不真实的无效假设； （三）否定真实的无效假设； （四）否定不真实的无效假设。 以上，（一）和（四）的正确的行动，而（三）犯了“弃真”的错误，称这为第Ⅰ类错误；（二）犯了“取伪”的错误，称这为第Ⅱ类错误。 表7 — 1 双向分类表 可能的行动 假设的可能状态 真 非 真 不 否 定 对 错（Ⅱ） 否 定 错（Ⅰ） 对 在统计分析时，是以显著性水平 检验假设，若当H0 为真时否定H0 ，则犯第Ⅰ类错误的概率明显正是 。通常把犯第Ⅱ类错误的概率记作 。当然，人们总希望这两类错误的概率都尽可能的小。但不理想的是，在样本含量n 不变时，减小 将引起 增大，减小 将引起 增大。同时减小犯两类错误的概率的唯一途径是增加样本含量，但要注意这样会增大工作量，会多耗费人力物力。所以在实际工作中，要全面考虑，选定适当的n、、。 必须强调指出，在研究工作中必须及早选定 。要是等到算出检验统计量的数值之后再选 ，则选择就可能受到计算结果的影响，从而会在相当程度上损害研究的客观性。 四、单侧检验与双侧检验 （一）双侧检验问题 双侧检验的目的在于检验两个参数是否相等，如总体均数＝ 还是 ≠ ，这时，研究人员关心两均数之间的绝对差别，而不关心差别的方向。 图7 — 1 双侧检验示意图 如（图7—1）所示：是把 的临界值 X1，X2分配在的两侧。由于要求（X1，X2）间的概率是置信度1－，这相当于把 分配在H0 分布两侧的尾部，每一侧占 的二分之一。“双侧检验”这个名称就是这样来的。 （二）单侧检验问题 在许多情况下，研究人员根据理论分析或实践经验可预知某一均数不大于（或不小于）另一均数，这时可作无效假设H0 ：≤（或H0 ：≥）。因此在拒绝接受H0 时，就只接受＞（或＜，这时要把 全部放在分布的一侧。即所谓“单侧检验” 图 7 — 2 单侧检验示意图 单侧检验比双侧检验容易得出差别有显著意义的结论，所以对于同一批资料，有时双侧检验无显著意义，而单侧检验却有显著意义。但要采用单侧检验还是双侧检验必须在作研究设计时根据客观实际及专业知识事先选定。 五、假设检验的一般步骤 （一）建立无效假设H0 ； （二）识别选择检验统计量；