04 统计推断.pptVIP

统计推断(statistical inference) 第四章 第四章统计推断 推 断 统 计 由一个样 本或一糸 列样本所 得的结果 来推断总 体的特征 假设检验 参数估计 统计推断(statistical inference)：是根据样本或假定模型对总体作出的以概率形式的推断。 分析误差产生的原因 任务 确定差异的性质 排除误差干扰 对总体特征做出正确判断 第四章 第一节 第二节 第三节 第四节 假设检验的原理与方法 样本平均数的假设检验 方差的同质性检验 参数的区间估计与点估计 一 概念 ： 假设检验（hypothesis test）又称显著性检验（significance test）,就是根据总体的理论分布和小概率原理，对未知总体提出两种彼此对立的假设。根据样本数据，经过一定的计算，作出在一定概率意义上应该接受的那种假设的推断。 第一节 假设检验 小概率原理 概率很小的事件在一次抽样试验 中实际是几乎不可能发生的。 ? =0.05/0.01 比如：事件Ａ出现的概率为α， α很小，在假设条件下的进行n次独立重复试验，事件A将按预定的概率发生，而在一次试验中则事件Ａ几乎不可能发生。 假 设 检 验 参数检验 非参数检验 平均数的检验 相关与回归 方差的检验 秩和检验 符号检验 游程检验 秩相关检验 频率的检验 分 析 题 意 提 出 假 设 确 定 显 著 水 平 计 算 检 验 统 计 量 作 出 推 断 二 、假设检验的步骤: 二 、假设检验的步骤 治疗前 ?0 ＝126 ? 2 ＝240 N ( 126,240 ） 治疗后 n ＝6 x ＝136 ?未知 那么 ?＝?0 ? 即克矽平对治疗矽肺是否有效？ 例题：设矽肺病患者的血红蛋白含量具平均数?0＝126(mg/L)， ? 2 ＝240 (mg/L)2的正态分布。现用克矽平对6位矽肺病患者进行治疗，治疗后化验测得其平均血红蛋白含量x =136(mg/L)。 这是分析题意的过程 什么是原假设？ 　　(Null Hypothesis) 待检验的假设，又称 0假设 和 无效假说 表示为 H0 H0：?= ?0 什么是备择假设？(Alternative Hypothesis) 与原假设对立的假设 表示为 HA HA： ? ? ?0 ， 即：? ?0 或 ? ?0 原假设和备择假设 对 立 原假设 /零假设 /无效假设 备择假设 /对应假设 ?0 ＝ ? ?0 ? ? 误差 效应 处理 效应 H0 HA 例：克矽平治疗矽肺病是否能提高血红蛋白含量？ 检验治疗后的总体平均数?是否还是治疗前的126(mg/L)？ H0指治疗后的血红蛋白平均数仍和治疗前一样，二者来自同一总体，表示克矽平没有疗效。 HA表示拒绝H0，治疗后的血红蛋白平均数和治疗前的平均数来自不同总体，即克矽平有疗效。 H0:μ=μ0 =126(mg/L) HA:μ≠μ0 2 、 确定显著水平 ?＝0.05 显著水平* 极显著水平** 能否定H0的人为规定的概率标准称为显著水平，记作?。 统计学中，一般认为概率小于0.05或0.01的事件为小概率事件，常取?=0.05和?=0.01两个显著水平 。 P ? ?＝0.01 ?＝0.05 3 、选定检验方法，计算检验统计量，确定概率值 P( u 1.581)=2×0.0571=0.1142 根据研究设计的类型和统计推断的目的选择使用不同的检验方法。 计算过程： 4、作出推断结论：是否接受假设 P? P ? 小 概 率 原 理 接受H0 否定HA 否定H0 接受HA 可能正确 可能错误 例：上例中 P＝0.11420.05 所以接受H0，从而得出结论：使用克矽平治疗前后血红蛋白含量未发现有显著差异，其差值10应归于误差所致。 P( u 1.96) =0.05 P( u 2.58) =0.01 已知： 三 、双尾检验与单尾检验 左侧检验 左尾检验 左尾检验 右侧检验 右尾检验 右尾检验 四 、两类错误 第一类错误（type I error），又称弃真错误或? 错误; 第二类错误（ type II error ） ，又称纳伪错误或? 错误 0.025 Ⅰ和Ⅱ重合 ?错误 犯第一类错误的概率等于显著水平?值 Ⅰ Ⅱ C1 C2 2 ? 2 ? ?0 ? u? -u? Ⅰ和Ⅱ不重合 ? 犯第二类错误的概率记为?值 １、 两类错误既有联系又有区别 　 ?错误只在否定H0时发生 ?错误只在接受H0时发生 ?错误增加 ? 错误减小 ?错误增加