计量资料统计推断.pptVIP

统计推断：用样本信息推断总体特征。 包括参数估计和假设检验。 参数估计：用样本指标(统计量)估计总体指标 （参数）。 样本均数的分布规律： 1.各样本均数未必等于总体均数。 2.样本均数之间存在差异。 3.样本均数的分布很有规律，围绕着总体均数，中间多，两边少，左右基本对称，也服从正态分布。 4.样本均数的变异较之原变量的变异大大缩小。 均数的抽样误差：由抽样造成的样本均数与样本均数之间、样本均数与总体均数之间的差异，称为抽样误差。 样本均数的标准误(standard error of mean，SE)：用于描述均数抽样误差大小的指标叫样本均数的标准差，通常也称为样本均数的标准误。它反映样本均数的离散程度，也反映样本均数抽样误差的大小。用 表示。 中心极限定理一：在均数为μ，标准差为σ的正态总体中作随机抽样，则样本均数服从正态分布，样本均数的均数为μ，标准差为 ，即： 中心极限定理二：在非正态分布的总体中随机抽样，样本均数的均数仍等于原来的总体均数μ，样本均数的标准误 ，但是当样本量较小时，样本均数的分布并非正态分布，而当样本量足够大时，样本均数的分布近似正态分布。 例4-1 2000年某研究者随机调查某地健康成年男子27人，得到血红蛋白量的均数为125g/L，标准差为15g/L。试估计该样本均数的抽样误差。 解： 标准差与标准误的关系：区别 1.意义：标准差描述个体观察值间变异,即观察值间的离散度。 标准误描述统计量的抽样误差，即样本统计量与总体参数的接近程度。 2.用途：标准差常用于： ①表示观察值之间的波动大小。②当资料服从正态分布时，可结合均数估计正常值范围，如计算双侧95%正常值范围。 标准误常用于： ①表示抽样误差的大小。②估计参数的可信区间，如计算总体均数的95%可信区间。 3.标准差、标准误与样本含量的关系:标准差随着样本含量的增多,逐渐趋于稳定,标准误随着样本含量的增加逐渐减小，若样本含量趋近于总体例数,则标准误趋近于0,抽样误差几乎消失。 二、t 分布 1.概念 从正态分布N（μ,σ2）抽得的样本均数 服从态分布 ,对样本均数 做标准化变换。 t 分布曲线的特征 ⒈单峰分布，以0为中心，左右对称，类似于标准正态分布。 ⒉自由度ν越小，则 越大，t 值越分散，曲线的峰部越矮，尾部越粗。 ⒊随着自由度ν逐渐增大，t分布逐渐逼近标准正态分布；当ν趋于∞时，t分布就完全成为标准正态分布。故标准正态分布是t分布的特例。 三、假设检验 ▲显著性检验; ▲科研数据处理的重要工具; ▲某事发生了：是由于碰巧？还是由于必然的原因？统计学家运用显著性检验来处理这类问题。 假设检验： 1、原因 2、目的 3、原理 4、过程（步骤） 5、结果 1. 假设检验的原因 由于个体差异的存在，即使从同一总体中严格的随机抽样，X1、X2、X3、X4……，不同。因此，X1、X2 不同有两种（而且只有两种）可能： (1)分别所代表的总体均数相同，由于抽样误差造成了样本均数的差别。差别无显著性 。 (2)分别所代表的总体均数不同。差别有显著性。 判断是由于何种原因造成的不同，以便做出决策。 3.假设检验的原理/思想 反证法：当一件事情的发生只有两种可能A和B，为了肯定其中的一种情况A，但又不能直接证实A，这时否定另一种可能B，则间接的肯定了A。 概率论（小概率）：如果一件事情发生的概率很小，那么在进行一次试验时，我们说这个事件是“不会发生的”。从一般的常识可知，这句话在大多数情况下是正确的，但是它一定有犯错误的时候，因为概率再小也是有可能发生的。 4. 假设检验的一般步骤 ▲ 建立假设（反证法）： ▲ 确定显著性水平( ? ): ▲ 计算统计量：u,t，?2 ▲ 确定概率值： ▲ 做出推论 （1）建立假设： 检验假设或者称无效假设（null hypothesis)，用H0表示， H0假设是假设两总体均数相等。 备择假设(alternative hypothesis),用H1表示。 H1是与H0相反的假设，假设两总体均数不相等。 （2）确定显著性水平(significance level α) 显著性水平(?)就是我们用来区分大概率事件和小概率事件的标准，是人为规定的。当某事件发生的概率小于?时，则认为该事件为小概率事件，是不太可能发生的事件。通常?取0.05或0.01。 （3）计算统计量 根据资料类型与分析目的选择适当的公式计算出统计量，比如计算出 u 值 或 t 值。 注意