第四章假设检验材料.ppt

例：两种农药沙虫效果的比较 随机地在一些树叶上涂两种农药A和B： A B B A A B ………… 在每片树叶的前端和后端涂A或B用随机化方法来确定。试验结果可得到一组配对的随机样本。 其它例子 药物临床试验 橡胶配方的比较 男女的比较 体育比赛，等。 双侧假设检验： 拒绝域： 因为 其中 所以，临界值 C 为 右侧假设检验： 拒绝域： 临界值 C 为 左侧假设检验： 拒绝域： 临界值 C 为 配对样本比独立样本效率高的原因 配对样本的均值之差m1－m2的区间估计为 独立样本的均值之差m1－m2的区间估计为 因为配对样本通常具有正相关性，所以通常后者的标准误比前者要大得多，即： 而ta/2(n-1)与ta/2(2n-2)的差异相对较小，所以配对样本的估计误差比独立样本的估计误差通常要小得多。 第七节 大样本下总体均值m的假设检验(略) 第八节 总体比例 p的假设检验 大样本方法（近似正态分布） 例：满意度调查 假设某公司声称其产品的顾客满意度达到80％以上。工商局随机调查了100人，结果有75人回答满意，由此能否断定该公司存在欺诈行为？(检验水平a 取0.05) 假设检验（左侧）：H0：p?0.8， H1：p0.8 接受域： ，这里 因为0.75 0.8 – 0.07，所以还不能断定有欺诈行为。 若100人中只有72人以下满意，则可以认为有欺诈行为。 小样本方法（二项分布） 在小样本情形，即np(1–p)9，或 np4及n(1–p)4， 则使用二项分布来确定接受域或拒绝域。以双侧检验 H0：p1≤p≤p2；H1：p＜p1或p＞p2为例来说明。 接受域： 因为 ，k为成功次数，所以，接受域等价于 临界值k1和k2的确定，满足 例：某人声称随机调查了12个人，其中有10男2女。 若果真是随机调查的，则理应男女人数差异不大，即可以假定H0：p = 0.5；H1：p ? 0.5。因此，男或女的人数的接受域[k1, k2]由下式确定： 对于给定的检验水平a ，通常只有近似解。 用检验的P值方法：该题的P值 所以，在检验水平a =0.05下，可以认为该调查没有进行随机抽样。 若调查确实随机，则男女人数相等的假设就值得怀疑。 第九节 两个总体的比例 p1和 p2的比较 独立样本 考察某种属性在两个总体中的比例，例如：比较一种产品在两个地区的满意程度。 第一个总体随机调查了n1个，成功n11次，失败n12次。 第二个总体随机调查了n2个，成功n21次，失败n22次。 两个独立样本的列联表（四格表） 成功次数 失败次数 合计 第一个样本 n11 n12 n1 第二个样本 n21 n22 n2 合计 n*1 n*2 n 第一和第二个样本的比例分别为 标准变换 考虑双侧检验问题H0：p1= p2；H1：p1 ? p2。 H0的检验统计量 这里，在H0成立下，联合比例p1=p2=p的估计为 接受域 这个接受域等价于 而（习题） 计算上做连续性校正 例：某药品临床试验 独立样本 有效例数 无效例数 合计 新药 8 23 31 老药 15 20 35 合计 23 43 66 所以，新药与老药的差异不显著。 相关样本（配对比较） X 的分布：P(X=1)=p1， P(X=0)=1–p1 Y 的分布：P(Y=1)=p2， P(Y=0)=1–p2 考虑双侧检验问题H0：p1=p2；H1：p1?p2。 （X, Y）的联合分布 X 状态 1 1 0 0 合计 Y 状态 1 0 1 0 X–Y 0 1 –1 0 0 概率 p11 p10 p01 p00 1 比例p1和p2分别等于p11+p10和p11+p01，所以 而X–Y的均值和方差分别为（习题） （X, Y）配对样本的频数分布（数据结构） X 状态 1 1 0 0 合计 Y 状态 1 0 1 0 频数 n11 n10 n01 n00 n 比例p1和p2的估计分别为 两个比例之差p1–p2的估计为 的均值和方差分别为 由此得到H0的检验统计量 计算的连续性校正 等价的检验统计量 例：两种农药的配对试验 配对样本 新药 有效 有效 无效 无效 合计 老药 有效 无效 有效 无效 例数 9 17 6 13 45 所以，新药与老药有显著差异。 问题：当n10和n01保持不变而n11或n00很大时，显然H0(p1=p2)应该为真。但由于检验结果与n11或n00无关，却发生H0被拒绝的现象(如上面的例子)，这是为什么呢？应该如何面对？ 第四章 假设检验 第一节 基本原理 一般假设检验 首先，有一个假设，它表达了对某种事物的一种猜想或看法。假设可能成立，也可能不成立。 其次，用一种(科学)方法对假设的真伪进行检验。 最后，根据检