06假设检验概述.pptVIP

假设检验 hypothesis test 统计推断的内容之一 主要内容 统计推断的内容 假设检验的基本思想 假设检验的基本步骤 均数的假设检验 均数的假设检验应用条件 假设检验中的一些概念 讨论 总结 统计推断(statistical inference) 总体参数的估计 (parameter estimation) 假设检验 (hypothesis test) 牛奶加茶的故事:假设检验的由来 是牛奶加到茶里，还是茶加到牛奶里？ 推断 H0：她没有这个本事，是碰巧猜对的！ 连续猜对10个杯子的可能性 P 是多少？ P=0 你认为原假设 H0 成立吗？ 假设检验的基本思想 反证法的思想 提出一个假设(H0)； 如果假设成立，会得到现在的结果吗？ 两种： 得到现在的结果可能性很小(小概率) ?拒绝H0 有可能得到现在的结果(不是小概率) ?没有理由拒绝H0 例6.1 样本：某医生随机抽查25名某病女性患者的血红蛋白，求得其均数为150g/L，标准差为16.5g/L。 问题：该病女性患者的平均Hb含量是否与正常女性的平均Hb含量相同 (正常女性的平均Hb含量为132g/L)。 问题： 统计量与参数不同的两种可能 其一：抽样误差 (偶然的、随机的、较小的) 其二：本质上的差别 (必然的、大于随机误差) 建立假设： 原假设(null hypothesis) H0 : ?1＝ 132 女性患者的平均Hb含量与正常女子相等 确定检验水准 检验水准(significance level) ?＝0.05。 两种结论： H0成立，现有差别是随机误差。 H0不成立(H1成立),现有差别是本质上的差别。 标准 t 离差(衡量样本与总体的差别)： 以抽样误差为尺度： 理论基础：t 分布 计算 P 值： 如果 H0 成立，是否有可能得到现有结果？ 作结论： 根据小概率原理作结论。 小概率原理：一般认为，小概率事件(rare event)在一次试验中是不可能发生的。 P0.05, 不是小概率事件，没有足够的理由拒绝 H0； P≤0.05, 为小概率事件，拒绝 H0；接受 H1。 假设检验的步骤： 建立假设(在假设的前提下有规律可循)； 确定检验水准(确定最大允许误差)； 计算检验统计量(样本与总体有多大的偏离)； 计算概率P (该样本是否支持零假设)； 结论(根据小概率原理)。 例6.1 建立假设,确定检验水准： H0 : ?1＝ 132； H1 : ?1 ? 132 ?＝0.05。 计算检验统计量： 确定P值： P 0.05 作结论： 按?＝0.05水准，拒绝H0 ；接受H1 。差别有统计学意义。可以认为女性患者的平均Hb含量与正常女性不同。 结果的报告： 资料表明，25名女性患者的平均血红蛋白含量为150±16.5(g/L)，其95%可信区间为(143.1891,156.8109)，与正常女性差异有统计学意义( t = 5.5454, P 0.0001)，女性患者的平均Hb高于正常女性。 假设检验的思路： 以确立的假设总体为依据，求出从中获得手头样本(含与总体参数偏离更大的样本)之概率，通过对此概率的界定作出结论。 均数的假设检验 样本均数与总体均数的比较 配对设计样本均数的比较 两样本均数的比较 双侧检验 单侧检验 例6.2(配对设计) 例6.2(配对设计) 分析策略：差值均数与0比较 (1) H0 : ?d＝0, 两种方法的测定结果相同; H1 : ?d≠0, 两种方法的测定结果不同。 ?＝0.05。 计算检验统计量 t 自由度?=11。(t 0.20,11 = 1.363， t 0.10,11 = 1.796)。 差值均数与0比较 (3) 确定 P 值。 0.10 P 0.20。 作结论：按检验水准0.05，不拒绝H0 ， 尚不能认为两种方法的测定结果不同。 例（单侧检验，one side test） 样本： 某医生在一山区随机抽查25名健康成年男子，求得其平均脉搏数为74.2次/分钟，标准差为6.0次/分钟。 问题： 山区成年男子的平均脉搏数是否高于一般成年男子(