第八章假设检验总结.ppt

第八章 假设检验 假设检验的基本问题 一个总体参数的检验 两个总体参数的检验 学习目标 假设检验的基本思想和原理 假设检验的步骤 一个总体参数的检验 两个总体参数的检验 P值的计算与应用 用Excel进行检验 正常人的平均体温是37oC吗？ 当问起健康的成年人体温是多少时，多数人的回答是37oC，这似乎已经成了一种共识。下面是一个研究人员测量的50个健康成年人的体温数据 正常人的平均体温是37oC吗？ 根据样本数据计算的平均值是36.8oC ，标准差为0.36oC 根据参数估计方法得到的健康成年人平均体温的95%的置信区间为(36.7，36.9)。研究人员发现这个区间内并没有包括37oC 因此提出“不应该再把37oC作为正常人体温的一个有任何特定意义的概念” 我们应该放弃“正常人的平均体温是37oC”这个共识吗？本章的内容就将提供一套标准统计程序来检验这样的观点 怎样提出假设？ 什么是假设?(hypothesis) ? 在参数检验中，对总体参数的具体数值所作的陈述 就一个总体而言，总体参数包括总体均值、成数、方差等 分析之前必需陈述 什么是假设检验? (hypothesis test) 先对总体的参数(或分布形式)提出某种假设，然后利用样本信息判断假设是否成立的统计方法 有参数检验和非参数检验 逻辑上运用反证法，统计上依据小概率原理 小概率是在一次试验中，一个几乎不可能发生的事件发生的概率 在一次试验中小概率事件一旦发生，我们就有理由拒绝原假设 原假设(null hypothesis) 又称“0假设”，研究者想收集证据予以反对的假设，用H0表示 所表达的含义总是指参数没有变化或变量之间没有关系 最初被假设是成立的，之后根据样本数据确定是否有足够的证据拒绝它 总是有符号 ?, ? 或?? H0 ： ? = 某一数值 H0 ： ? ? 某一数值 H0 ： ? ?某一数值 例如, H0 ： ? ? 10cm 也称“研究假设”,研究者想收集证据予以支持的假设(期望出现的结论作为备选假设)，用H1或Ha表示 所表达的含义是总体参数发生了变化或变量之间有某种关系 备择假设通常用于表达研究者自己倾向于支持的看法，然后就是想办法收集证据拒绝原假设，以支持备择假设 总是有符号 ≠?,??或 ? H1 ：? ?某一数值 H1 ：? ?某一数值 H1 ：? 某一数值 假设检验中的两类错误 1. 第一类错误（弃真错误） 原假设为真时拒绝原假设 会产生一系列后果 第一类错误的概率为? 被称为显著性水平 2. 第二类错误（取伪错误） 原假设为假时接受原假设 第二类错误的概率为??(Beta) 两类错误的控制 一般来说，对于一个给定的样本，如果犯第Ι类错误的代价比犯第Ⅱ类错误的代价相对较高，则将犯第Ⅰ类错误的概率定得低些较为合理；反之，如果犯第Ι类错误的代价比犯第Ⅱ类错误的代价相对较低，则将犯第Ⅰ类错误的概率定得高些 一般来说，发生哪一类错误的后果更为严重，就应该首要控制哪类错误发生的概率。但由于犯第Ι类错误的概率是可以由研究者控制的，因此在假设检验中，人们往往先控制第Ι类错误的发生概率 ?错误与?错误的关系： ?与?的关系就像跷跷板， ?小?就大， ?大?就小，同时减小两类错误惟一的办法就是增加样本容量。 ? 什么是检验统计量？ 1.用于假设检验决策的统计量 2.选择统计量的方法与参数估计相同，需考虑 是大样本还是小样本 总体方差已知还是未知 检验统计量的基本形式为 规定显著性水平?(significant level) ? 什么是显著性水平？ 1. 是一个概率值 2. 原假设为真时，拒绝原假设的概率 被称为抽样分布的拒绝域 3. 表示为 ??(alpha) 常用的 ??值有0.01, 0.05, 0.10 4. 由研究者事先确定 作出统计决策 计算检验的统计量 根据给定的显著性水平?，查表得出相应的临界值z?或z?/2， t?或t?/2 将检验统计量的值与? 水平的临界值进行比较 得出拒绝或不拒绝原假设的结论 统计量决策规则 给定显著性水平?，查表得出相应的临界值z?或z?/2， t?或t?/2 将检验统计量的值与? 水平的临界值进行比较 作出决策 双侧检验：I统计量I 临界值，拒绝H0 左侧检验：统计量 -临界值，拒绝H0 右侧检验：统计量 临界值，拒绝H0 什么是P 值?(P-value) 是一个概率值 如果原假设为真，P-值是抽样分布中大于或小于样本统计量的概率 左侧检验时，P-值为曲线上方小于等于检验统计量部分的面积 右侧检验时，P-值为曲线上方大于等于检验统计量部分的面积 被称为观察到的(或实测的)显著性水平 H0 能被拒绝的最小值 双侧检验的P 值 左侧检验的P 值 右侧检验的P 值 利用 P 值进