第四章统计推断技术分析.pptx

统计推断(statistical inference) 第四章 第四章 统计推断 统 计 推 断 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 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 第五节 假设检验的原理与方法 样本平均数的假设检验 样本频率的假设检验 参数的区间估计与点估计 方差的同质性检验 6 Fisher的思想－显著性检验 例. 女士品茶的试验：一种饮料由牛奶与茶按一定比例混合而成，可以先倒茶后牛奶(TM)或反过来(MT).某女士声称她可以鉴别是TM还是MT.设计以下试验来检验好的说法是否可信.准备8杯饮料TM和MT各半，随机排成一列让女士依次品尝，并告诉她TM和MT各4杯，请她指出哪4杯是TM,设她全说对了。 7 Fisher推理过程如下： 引进一个假设 H:该女士无鉴别能力 其意是：当H正确时，不论该女士如何做，她事实上只能从所提供的8杯中随机地挑选4杯作为TM.从8杯中挑出4杯，不同的挑法有P(4,8)＝70种，其中只有一种是全部挑对。因此，若女士全部选对，则我们必须承认，下述两个情况必发生其一： 1. H不成立，即该女士确有一定的鉴别力； 2. 发生了一件，其概率为1/70的事件. 8 1/70是一个较小的概率，所以4杯全选对这个结果，是一个不利于假设H的显著的证据。据此，我们否定H. 这样一个推理过程就叫显著性检验. 如果该女士说对3杯，则挑中杯数=3的概率为17/70=0.243. 不是一个很小的概率。试验结果没有提供不利于假设H的显著证据. 1/70的概率虽然不大，但在一次试验中发生总非不可能。人们对这种问题的态度，与事情的重要性及可能的后果有关。要得到一个判断的决定，须指定一个阈值α(0.01,0.05,0.1等). 只要计算的概率小于α时，才认为结果在统计学意义上的显著的，并导致否定H。 9 如在此例中当取α=0.01时，即使4杯全对也不认为结果是显著的，而若取α=0.05,则认为是显著的了. α称为检验所用的显著性水平. α愈低，获得显著结果愈难，所以导致的否定H的结论愈觉可信. 10 Fishe显著性检验的思想 有一个明确的假设H 设计一定的试验，观察某变量X. X要有这样的性质：当H成立时，X有已知分布 指定一个阈值α 将p与α比较，p α时否定H. 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，对未知或不完全知道的总体提出两种彼此对立的假设，然后由样本的实际结果 ，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 如果假设一些条件，并在假设的条件下能够准确地算出事件Ａ出现的概率α 为很小，则在假设条件下的n次独立重复试验中，事件A将按预定的概率发生，而在一次试验中则几乎不可能发生。 假 设 检 验 参数检验 非参数检验 平均数的检验 频率的检验 方差的检验 秩和检验 符号检验 游程检验 秩相关检验 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：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)。 1 、提出假设 对 立 无效假设 /零假设 /检验假设 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)？ 本例中零假设是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，接受零假设则表示克矽平没有疗效。 而相对立的备择假设表示拒绝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,所以在小概率原理基础上建立的假设检验