07假设检验基础综述.ppt

假设检验基础 学习要点 为什么要进行假设检验？ 假设检验的基本步骤 假设检验中的两类错误 假设检验与置信区间的关系 配对t检验与成组t检验对资料的要求 二项分布近似服从正态分布条件与分析方法 正态近似法分析泊松分布问题 统计资料处理 统计描述（statistical description） 统计推断 （statistical inference） 1、参数估计estimation of parameter 2、假设检验 hypothesis testing 某医生测量了36名男性铅作业工人的血红蛋白含量，均数为130.8g/L，标准差为25.74g/L， 正常男性血红蛋白含量一般为140g/L, 铅作业工人的血红蛋白含量与正常人有无不同？ 根据以往的资料得知A、B两校男生50米跑成绩的标准差分别为0.4秒和0.2秒。今从两校中分别抽测了25名和28名男生，其50米跑平均成绩分别为8.1秒和7.9秒。问两校男生50米跑水平是否相同？ 例：中国男篮进攻成功率为46.3﹪，第12届世锦赛与西班牙队的比赛中发动93次进攻，成功率为53.8﹪。 是否可以认为该场比赛的进攻成功率高于以往？ 假设检验 假设检验（hypothesis testing） 样本均数与总体均数不等，有两种可能： 由抽样误差所致 两者来自不同的总体 本例目的是判断是否μ≠μ0，但直接判断很困难。但可以利用反证法思想，从μ=μ0出发，间接的判断是否μ≠μ0. 假设μ=μ0 ，判断由于抽样误差造成 与μ0差别可能性有多大？ 1、如果 与μ0接近，其差别是抽样造成的可能性就很大； 2、如果差别较大，则有可能不是抽样误差，而是来自的总体不同。 假设检验是用来判断样本与样本，样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法 假设检验理论基础 假设检验理论基础---利用小概率反证法思想，从问题的对立面（H0）出发，间接判断要解决的问题（H1）是否成立。然后H0成立的条件下计算检验统计量，最后获得p值来判断。 1、若p为小概率,则认为假设不成立； 2、若非小概率，则还不能认为假设不成立。 该结论的正确性是冒着5%的错误风险。 假设检验有自己独特的逻辑和统计学思维方式。 假设检验的基本步骤 第一步：提出一对检验假设， （1）无效假设null hypothesis, H0，又称零假设、原假设 （2）备择假设 alternative hypothesis, H1 。 某医生测量了36名男性铅作业工人的血红蛋白含量，均数为130.8g/L，标准差为25.74g/L，正常男性血红蛋白含量一般为140g/L,铅作业工人的血红蛋白含量与正常人有无不同？ 假设检验分为单、双侧检验? H0:μ=μ0；H1:μ≠μ0（双侧检验） 或者： H0:μ=μ0；H1:μ＞μ0 ；(单侧检验) 或者 H0:μ=μ0；H1:μ＜μ0 (单侧检验) 对于假设检验，需注意： 检验假设是针对总体而言，而不是针对样本； H0与H1是相互对立、相互联系的，最后的结论是根据H0与H1做出的，两者缺一不可； Ho是无效假设，假设常常是两个或多个总体参数相等、或之差为0、或….无效、或某资料服从某一特定分布； H1的内容直接反映了检验的单、双侧。 设定检验水准(size of test ) α常为0.05 第三步：根据统计量的大小及其分布确定检验假设成立的可能性P的大小并判断结果。 P值是指在H0成立的条件下，获得等于及大于（或小于）现有统计量的概率。当求得统计量后，一般可根据有关统计用表查得P值。例如t检验中，│t│≥ ，则P≤α；│t│＜ ， 则P ＞ α 。 若P≤α ，表示在H0成立的条件下，出现等于及大于现有统计量的概率是小概率，根据小概率事件原理，现有样本信息不支持H0，因而拒绝H0，接受H1，有统计学意义，可以认为…….不等或不同。 t检验 t检验的应用条件： σ未知,且 n较小 样本来自正态总体 两样本均数比较时还要求两个总体方差相等 (σ已知或σ未知但n足够大应用z检验) 单样本资料的t检验 单样本资料的t检验（样本均数与总体均数比较的t检验）实际上是推断该样本来自的总体均数μ与已知的某一总体均数μ0（常为理论值或标准值） 有无差别。 在进行样本均数与总体均数比较中，需要建立一个统计量，根据样本所属不同总体，该统计量的分布也不同，由此作出相应的统计推断。 样本均数与总体均数比较 例8.3：根据大量调查，已知健康成年男性的脉搏均数为72次/分，某医生在一山区随即抽查了25名健康男性，