统计的假设检验.pptVIP

（分析阶段）;主要内容;1. 统计的假设检验 ;先看下面几个事例:;总体：整个集合的全体特征;总体参数与样本统计;那么,如何做假设检验呢? 对总体我们想主张的内容作假设(假定),通过对样本数据进行分析，然后对假设是否正确做出客观的判断. 但我们要注意的的是… 下统计的决定时,如果数量少,样本的取出有一定偏移, 或进行了合适的统计检验时，我们得出的结论有可能是 错误的.;假设检验如下…;假设检验的一般顺序是…;假设检验的种类有哪些?;散布问题;假设有两种相反的假设. “归零假设”或“原假设”假设没有关系.这是所有统计检验的基本假设. “对立假设”或“备选假设”假定有差异或有关系.大部分的统计检验实 际评价的就是这个假设;单侧检验,两侧检验;拒绝范围;假设检验的两类错误;第二种错误 (Type Ⅱ Error) ;注意： 归零假设的值落在95%置信区间内的值称为可接受的假设（在5%错误水平下），而在此区间外的值叫做被拒绝的假设。无差异的假设叫做归零假设，当这一假设被拒绝时，就认为有差异存在。因此结果就叫统计上有显著差异。;??;把δ/sigma定为1.5, 增加样本大小时, 平均分布的重复量就越小. 如果我们很有自信地说不得两个总体的平均不同, 就尽可能把重复量变小.;什么是 P-value?;其它用语定义;3. 样本的不正确性;我们作假设检验的目的 区分两个样本/多个 样本或一个样本和一个基准值之间的差异， 从而断定总体是否存在差异。 在这里我们观察一下平均差异。样本的大小 增加，对推断的平均值的标准偏差 (SE Mean)减少， 其结果我们发现差异的信息更多 我们做出的判断更有可信性。 在右图表中n=2时理论分布的很多部 分都被重复。即无法区分属于哪一 个分布。;样本大小的设定;?是指2个或1个的平均和一个基准值间的差异 SIGMA(s)是从样本分布得出的样本标准偏差. ?/?大时，没有必要做统计检验可以说两个总体不同，因为差异（ ?） 很大 一般数据的分散大时，有时证明差异较困难，为减少不真实性，增加样 本大小可以较精确地证明差异。 在作统计假设检验时，如果我们自信地说它们之间有差异时，就尽量减少 重复地带。;Stat Power and Sample size 2-Sample t;样本大小表 (比较2个样本时);4. 平均检验(t检验);平均检验的一般程序;1 Sampleｔ检验是比较目标值与１个平均值后决定统计上有无显著性差异时使用。 ;事例分析;正态性验证;Stat Basic statistics 1-Sample t..;Session windows;2-Sample t -两个总体平均值的比较;事例分析;观察比较两个总体的 2 Sample t 检验是否满足如下条件。 -是否连续型的数据？ → t 检验是不能用缺陷数或比率。 -两个总体的分散是否明显不同？ → 两个样本的分散不同时不选择 2 sample t检验的 “Assume Equal variance”. ;正态性检验结果两个总体的 P-value为 0.508，0.637可以假定为正态分布;Stat Basic statistics 2-Sample t..;Session windows;Paired t – 成对数据检验;事例分析;Stat Basic statistics Paired t..;P-Value 0.05，放弃H0，采纳 H1 。;比较多个总体时，首先要考虑是方差否存在统计的显著性差异。其理由 是方差影响平均检验。 且使用于单纯检验两个分布是否有方差的差异。;方差的同一性检验是对两个或两个以上总体的方差是否存在显著性差异，相对平均值来说更注重变动的差异。 ;事例分析;Stat ANOVA Test for equal variance ;Session windows;6. 比率的检验;总体比??为p的总体中取出n个样品，具有特定属性为X时X遵守二项颁B(n,p);事例分析;Stat Basic Statistics 1 proportion ;Session windows;2 proportions - 关于两个比率的检验;事例分析;Stat Basic Statistics 2 proportions ;Session windows;Chi-Square验证是针对离散型数据的重要的统计检验方法。 基础是观测的数和期望数间的差异-差异越大统计上越有效。;事例分析;Stat Tables Chi-Square Test ( ?2 检验);Session windows