统计学第11讲第11章两样本显著性检验.pptVIP

* * 第11章 统计推论：两样本 11.1 两个独立样本的统计检验 问题1 1989年前，抑制免疫系统的首选药物是环孢霉素，1989年末据柳叶刀杂志报道，日本从土壤真菌中提炼出新药FK506，药效比环孢好，如何证明这种说法属实呢？ 问题2 大部分科研涉及两个或两个以上样本的比较，借此判断两样本是否来自不同的总体。如果计算出两样本平均数不同，能否判断样本来自两个不同的总体？ 答案：不能，结论取决于计算结果。 有两个在某些指标上相同的男女总体 很难获得，大约0.001的机遇 很容易偶然获得 有5%的机遇获得 从两总体抽取两样本，多数情况两组是相似的 在双样本情况下，假设我们从一个总体中成对抽取两个样本，分别计算样本平均数，计算二者之差，得到差值的分布，就是平均数差值(△)的抽样分布。见图11.2 平均数差值△的抽样分布 假设一个总体是μ=5.00，σ=0.99 ，采取有放回抽样。每次抽取两个样本，样本量分别为2和3. μ=5.00 σ=0.99 X1=5X2=6 X1=4X2=4X3=7 …….假如这样继续下去，把这些差值看做一组原始分数，则可以构建频次分布，这个分布是什么样的呢？ =0.5 进一步描述两样本均数差值的分布，即便不是从同一总体抽取的两个样本，其结论是： 样本均数差值的总体平均数= 样本均数差值的标准差= 称为平均数差异的标准误= 样本平均数差异的分布服从正态分布 统计量 服从标准正态分布 利用这个标准正态的 z 统计量，可做假设检验 11.2 通过样本数据估计标准误 只有总体标准差σ已知时，才能使用 z 检验。但是总体标准差σ一般是未知的，根据中心极限定理和大样本下(N≥30或100)，z 和t 值之间差异较小，可以采用 t 检验。 估计标准误： 如果样本量不等，估计的标准误属于有偏估计。 如果两总体σ2未知但已知 11-1 但是，如果n1=n2,那么公式简化为： 其中 11.3 统计假设检验： t 检验 H0:μ1－μ2=0 H1: μ1－μ2≠0 df=n1+n2－2 11.3.1 t 检验的应用举例 某学者研究先验情绪对后续情绪的影响，将20名男性被试平分为实验组和控制组两组，实验组先看6个幽默电视画面，再看5个恐怖画面，控制组仅看恐怖画面。测验分数越高，则不愉快程度越高，测验分数 见表11-1. 8461 和 1225 900 961 676 784 100 1089 729 1156 841 X2 283 和 35 30 31 26 28 10 33 27 34 29 控制组X 11083 和 1089 1024 1156 1024 1156 1681 400 1296 961 1296 X2 329 和 33 32 34 32 34 41 20 36 31 36 实验组X 实验组平均数 =32.9，控制组平均数 =28.3 1. H0:μ1－μ2=0 2. H1:μ1－μ2 ≠0 3. 统计检验：因为σ未知，所以使用 t 检验 4. 显著性水平：α=0.05 , 双尾 5. 抽样分布：自由度df=n1+n2－2=18的 t 分布 6. 拒绝H0的临界区间：| t |≥2.101 =11803－3292/10=258.9 =8461 －2832/10=452.1 =4.6/2.81=1.637 df=18 因为|t |＜2.101 ，按照0.05双尾水平不拒绝H0。差别无统计意义，我们不能肯定先幽默后恐怖对情绪的影响。 如果样本增大，也许这两组的差异会达到显著性。 图11-3 对一大一小两个样本平均数差异的分布，进行两样本平均数的比较时，样本大小会影响其差异的显著性 11.4 t 比率与方差齐性 使用 t 分布的基本假设 1. 平均数差异的抽样分布是正态分布 2. 对 即 的估计是基于对总体方差的无偏估计 3. 方差齐性(homogeneity of variance ) 图11-4 等方差 不等方差 方差齐性检验 在成组比较中，两总体方差相等称为方差齐性，两总体方差不等称为方差不齐。检验两组资料的方差是否齐性，以决定采用适宜的检验统计量。方差齐性的检验假设如下： 成组比较 样本X1,X2,…,Xn 样本Y1,Y2,…,Yn 计算中取样本方差中较大者为分子,较小者为分母 H0： df1＝n分子-1,df2＝n分母-1 称为方差齐性检验，并且常用单侧检验 实验组 N1＝10, 控制组 N2＝10, SS1/9＝452.1/9=50.23 SS2/9＝258.9/9=28.77 查F分布表，双尾F0.05/2(9,9)=4.03 。 因为1.746＜4.03，不拒绝