5 假设检验.ppt

第 5 章 假设检验 5.1 假设检验的概述 5.2 假设检验的基本思想 5.3 假设检验的基本步骤 5.4 两类错误与注意事项 假设检验在统计方法中的地位 5.1 假设检验的概述 什么是假设?(hypothesis) ? 对总体参数的具体数值所作的陈述 总体参数包括总体均值、比例、方差等 分析之前必须陈述 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过程。 即利用样本信息，根据一定的概率水准，推断样本指标与总体指标、不同样本指标之间的差别有无意义的统计分析方法。 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 5.2 假设检验的基本思想 假设检验的基本思想 假设检验的基本思想 假设检验的基本思想 利用小概率事件原理和反证法的思想，从研究问题的对立面（H0）出发间接判断要解决的问题（H1）是否成立。即在H0成立的条件下计算样本检验统计量的值，并通过样本统计量的大小来估计H0成立的概率P值的大小，再根据小概率事件的原理判断H0是否成立。 【例】某医生测量了36名从事铅作业男性工人的血红蛋白含量，算得它们的均数为130.83ug/L，标准差为25.74ug/L。问从事铅作业男性工人的血红蛋白是否不同于正常成年男性的平均值140ug/L? 假设检验的主要过程 1、利用反证法思想建立检验假设。包括H0和H1两种。 2、利用一定的统计方法求出H0成立的概率P值的大小； 3、结合小概率事件的原理做出统计推断，即H0是否成立。 无效假设（原假设）(null hypothesis) 研究者想收集证据予以反对的假设 又称“0假设” 总是有符号 ? 4. 表示为 H0 H0 ： ? = 某一数值 指定为符号 = 例如, H0 ： ? ? 10cm 研究者想收集证据予以支持的假设 也称“研究假设” 总是有符号 ?,?? 或 ? 表示为 H1 H1 ：? 某一数值，或? ?某一数值 例如, H1 ：? 10cm，或? ?10cm 【例】某医生测量了36名从事铅作业男性工人的血红蛋白含量，算得它们的均数为130.83ug/L，标准差为25.74ug/L。问从事铅作业男性工人的血红蛋白是否不同于正常成年男性的平均值140ug/L? 试进行研究假设的陈述。 无效假设和备择假设是一个完备事件组，而且相互对立 在一项假设检验中，无效假设和备择假设必有一个成立，而且只有一个成立 先确定备择假设，再确定原假设 等号“=”总是放在原假设上 因研究目的不同，对同一问题可能提出不同的假设(也可能得出不同的结论) 备择假设没有特定的方向性，并含有符号“?”的假设检验，称为双侧检验或双尾检验(two-tailed test) 备择假设具有特定的方向性，并含有符号“”或“”的假设检验，称为单侧检验或单尾检验(one-tailed test) 备择假设的方向为“”，称为左侧检验 备择假设的方向为“”，称为右侧检验 双侧检验与单侧检验 (假设的形式) 显著性检验水准? (significant level) 是事先规定的对假设成立与否做出决策的根据。即我们可以在事先确定用于拒绝无效假设H0的证据必须强到何种程度。也就是对如果拒绝H0，可能犯错误的概率P值进行事先规定。而这个P值就叫显著性检验水准，常用?表示 显著性检验水准?实际上也是事先规定的小概率事件的概率大小。常取0.05或0.01。 假如我们选择?=0.05，样本数据能拒绝原假设的证据要强到：当H0正确时，这种样本结果发生的频率不超过5%；如果我们选择?=0.01，就是要求拒绝H0的证据要更强，这种样本结果发生的频率只有1% 显著性水平? (significant level) 1. 是一个概率值 2. 原假设为真时，拒绝原假设的概率 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 统计显著性 (significant) significant(显著的)一词的意义在这里并不是“重要的”，而是指“非偶然的” 在假设检验中，如果样本提供的证据拒绝原假设，我们说检验的结果是显著的，如果不拒绝原假设，我们则说结果是不显著的 一项检验在统计上是“显著的”，意思是指：这样的(样本)结果不是偶然得到的，或者说，不是靠机遇能够得到的 拒绝原假设，表示这样的样本结果并不是偶然得到的；不拒绝原假设(拒绝原假设的证据不充分) ，则表示这样的样本结果只是偶然得到的 P 值 (P-value) 如果原假设为真，所得到的样本结果会像实际观测结果那么极端或更极端的概率 P值告诉我们：如果原