第九讲参数估计与假设检验分析.ppt

第九讲 参数估计与假设检验 1 推断统计的一般概念 1.1 推断统计的含义及类型： （1）含义：推断统计是指用概率分布的方法，由样本的统计量推断总体参数的统计方式。 假设检验：先假定总体参数为μ ，用一个随机样本的统计量 来检验总体参数为μ的假设是否成立。 1.2推断统计的原理： 参数估计和假设检验都是利用正态分布的概率特征来进行的。 （1）正态分布（μ，σ）： 正态分布是一种统计分布，它有如下几个特征： A 单峰对称； B 平均数、中位数、众数合一，都在峰点； C μ ±1.96σ包含了95％的面积； μ ±1.65σ包含了90％的面积；即面积和标准差之间有一个固定换算。 正态分布 N（μ，σ） （3）总体分布：D（ μ ，σ ）总体中某变量的几何分布。有可能是正态分布，也可能不是正态分布。 参数估计与假设检验 参数估计 点估计 用某一样本统计量的值来估计相应总体的参数的值叫做参数的点估计。良好点估计量的标准： 无偏性 有效性 一致性 参数估计 区间估计 以样本统计量的抽样分布为理论依据，按一定概率要求，由样本统计量的值估计总体参数值的范围，称为总体参数的区间估计。 置信区间——在某一置信度时，总体参数 所在的区域距离或区域长度。 显著性水平——估计总体参数落在某一区间时，可能犯错误的概率，用符号α表示。 1- α为置信度或置信水平。 标准误——抽样分布上的标准差。 标准误越小，表明样本统计量与总体参数的值越接近，样本对总体越有代表性，用样本统计量推断总体参数的可靠度越大，所以标准误是统计推断可靠性的指标。 估计总体平均数的步骤 根据实得样本的数据，计算样本的平均数与标准差。 计算标准误。 确定置信水平或显著性水平。 根据样本平均数的抽样分布，确定查何种统计表。 计算置信区间。 解释总体平均数的置信区间。 未知条件下总体平均数的区间估计 （小样本情况举例） 从某小学三年级随机抽取12名学生，其阅读能力得分为：28、32、36、22、34、30、33、25、31、33、29、26。试估计该校三年级阅读能力总体平均数95%和99%置信区间。 分析：利用t分布估计。 未知条件下总体平均数的区间估计 （大样本情况举例） 从某年高考试卷中随机抽取102份作文试卷，算得平均分数为26，标准差为1.5，试估计总体平均数95%和99%置信区间。 分析：可用t分布计算或正态分布近似计算。 其他统计量的区间估计 标准差的区间估计（同平均数估计） 方差的区间估计（服从 分布） 两总体方差之比的区间估计（服从F分布） 相关系数的区间估计 比率及比率差异的区间估计 （参见张厚粲主编《现代心理与教育统计学》） 假设检验 学习目标： 理解假设检验的思想方法； 了解假设检验中的两类错误； 掌握假设检验的一般步骤； 熟练掌握三种情况下平均数显著性检验的方法及区别； 熟练掌握两总体方差差异显著性（方差齐性）检验方法。 假设检验的含义 利用样本信息，依据一定概率，对总体参数或分布的某一假设作出拒绝或保留的决断，称为假设检验。 假设检验的分布算法 1）确定有关总体参数m的假设；如假设总体平均收入为800元； 2）确定检验此假设的概率标准，即置信区间为P=90％？P=95％？（Z＝1.65? Z=1.96?） 3） 抽取一个随机样本，计算出 （平均数、标准差、标准误，即样本平均数抽样分布的标准差）。 4） 以μ为中心，作出样本平均数抽样分布的给定概率区间。 5）看在这一区间内是否包括了 4.2 假设检验的公式算法： 假设检验的基本原理 小概率事件 显著性水平 统计决断的两类错误 假设检验中的两类错误 单侧检验与双侧检验 假设检验的步骤 （1）建立原假设和备择假设， 双侧检验为：H0：μ=μ0 H1：μ≠μ0 单侧检验为：H0：μ≤μ0 或μ≥μ0 H1：μ＞μ0或μ＜μ0 （2）在H0成立的前提下，寻找和决定合适的统计量及其抽样分布，并计算出统计量的值。（3）选定显著性水平α，查相应的分布表来确定临界值，从而确定出H0的拒绝区间或接受区间。 （4）对H0做出判断和解释。即把临界值与统计量值相比较，若统计量值落在H0拒绝区间中，则拒绝H0；若统计量值落在H0接受区间中，则接受H0。 练 习 某校高中一年级，试用一种新的教学法，根据试验结果知道，用原来的教学法，数学考试平均成绩为79分（记为μ0），标准差为11分（记为σ0），使用新的教学法后，从中随机抽取参加实