假设检验ab.pptVIP

假设检验 第七章 假设检验的概念和基本原理 什么是假设检验，可以通过以下实例说明：我们从A校和B校分别抽取部分同龄女生，测得她们的平均体重分别为45.1公斤和44.7公斤。虽然A校样本平均数比B校重0.4公斤，但这个差别可能是抽样误差引起的，因此不能根据样本均数之差，判定A校女生平均体重高于B校。由于我们不知道总体均数，所以先假设两个两个样本的的体重来自同一总体均数。这个假设对不对，需要我们检验。 假设检验 假设检验是一种重要的工具。 假设检验(hypothesis test)是依据样本间存在差异，来对样本所对应的总体间是否存在差别作出判断的一种方法。 假设检验的基本原理 小概率事件的推断原理 小概率事件在一次观察或实验中是几乎不可能出现的，如果出现了，则应推翻原假设。 统计假设通常假设两个参数相等，或两个总体具有相同分布，即假设要比较的两者之间没有差异。这个假设称为原假设、零假设或无效假设记作H0 。 如果原假设不成立，则接受其对立假设，这种假设称为备择假设，记作H1。 小概率事件的概率一般用a表示。 当事件概率p ＞ a，接受原假设，判差异不具有显著性。 当事件概率P ≤ a，拒绝原假设，判差别具有显著性。 在假设检验中，称a为显著水平，1—a为置信水平。拒绝原假设H0的区域称为检验的拒绝域，拒绝域的边界点称为临界值，接受原假设H0的区域称为检验的接受域，如图： 假设检验的基本步骤 1、提出统计假设 2、确定假设检验用的统计量 3、确定显著性水平a，求出临界值 4、统计结论 1、提出统计假设 H0 零假设或原假设通常为两总体参数相等或服从某分布；如μ=μ0。 H1 备择假设通常为两总体参数不相等或不服从某分布；如μ≠μ0，也可能是μ＞ μ0或μ＜ μ0等等。 2、确定假设检验用的统计量 检验的统计量视研究的目的、实验设计的类型、数据资料的分布、样本的大小等确定。常用的检验统计量有μ、t、F和χ2等等。 3、确定显著性水平ａ，求出临界值 显著性水平ａ根据研究对象的性质、精度要求等具体情况确定，通常用两个临界值，它们是0.05和0.01。当ａ值确定后，根据检验所用的统计量表查出相应的临界值。 4、统计结论 以检验统计量与临界值的比较作出统计结论。如果检验统计量的值落在接受域内，接受原假设，统计结论为差异不具显著性；如果检验统计量的值落在拒绝域内，拒绝原假设，统计结论为差异具显著性。当： P＞0.05，统计结论为差异不具有显著性； 0.01＜P≤0.05，统计结论为差异具有显著性 P ≤0.01，统计结论为差异具有高度显著性。 切忌把差异显著性写成差异显著或显著差异。 假设检验的两类错误与单双侧检验 一、假设检验的两类错误 假设检验是根据有限的样本信息对总体作推断，不论做出那种推断结论，都有可能发生错误。 假设检验的核心是推断H0： 若H0是真实的，拒绝H0就是错误的，不拒绝H0就是正确的 若H0是不真实的，拒绝H0就是正确的，不拒绝H0就是错误的 第Ⅰ类错误与第Ⅱ类错误的概念 将假设检验的结果与实际情况相比： 第Ⅰ类错误（typeⅠerror):H0为真时，拒绝H0 第Ⅱ类错误（type Ⅱ error) : H0不真时，不拒绝H0 二、单双侧检验 （一）单侧检验 如根据已有资料或信息，相互比较的总体均数μ1不可能大于μ2，那么在总体均数相同的原假设μ1=μ2被否定时，只可能μ1小于μ2，统计量只可能出现在分布的一侧，检验的拒绝域也只可能在分布的一侧，此时只需计算一侧概率，因此称为单侧检验。当然，已有资料或信息，总体均数μ1不可能小于μ2的情况可以以此类比，所以单侧检验的备择假设用μ1 ＜μ2 或μ1＞ μ2。由于单侧检验的拒绝域分布在一侧，此时只需计算一侧概率。 二、双侧检验 如检验时相互比较的总体均数为μ1与μ2 ，我们没有一方不可能大于（或不可能小于）另一方的信息，那么，原假设μ2=μ2被否定时，既可能μ1＜μ2 ，又可能μ1＞μ2 ，检验的拒绝域会分布在两侧，此时就需计算两侧的概率，因此称为双侧检验。双侧检验的备择假设为μ1 ≠μ2。 均数的假设检验 一、 μ=μ0的假设检验 检验样本均数所属的总体均数μ是否和已知的总体均数μ0相同，即μ=μ0的假设检验。 （一）总体为正态分布，已知 当随机变量 ,有样本均数 ，如原假设μ=μ0成立，则有 μ~N(0,1) 例7,1 已知我国健康成年男子安静时的脉搏服从正态分布，平均值为72次/分，标准差为6.4次/分。为了探讨安静时脉搏与体育锻炼的关系，从经常参加体育锻炼的成年男子中随机抽测40名，气平均脉搏为69.5次/分。能否认成年男子经过长期的体育锻炼会使安静时心率减慢。 解：本例为μ=μ0的假