《第四章 统计推断.pptVIP

第四章 统计推断 魏玉清 2011.4.11 上章主要讨论了从总体到样本的关系，本章将讨论从样本到总体的问题，即统计推断问题。 所谓统计推断(statistical inference)，就是根据抽样分布律和概率理论，由样本结果(统计数)来推论总体特征(参数)。 假设检验是指根据于某种实际需要，对未知的或不完全知道的统计总体提出一些假设；然后由样本的实际结果，经过一定的计算，作出在概率意义上应当接受那种假设的检验。 第一节 假设检验的基本原理 一、基本概念 二、为什么要做假设检验？ 三、统计假设测验的基本理论依据 1、基本理论依据： 2、假设测验的基本思想 四、假设检验的基本步骤 1、提出假设 2、确定显著性水平 注意：假设检验选用的显著性水平应根据实验的要求而定。 如果实验中难以控制的因素很多，试验精度不是很高，则显著性水平α的值可稍大点； 如果实验的精度很高，真实差异不容易被误差所掩盖，处理的作用容易被检验出来，这时显著性水平α可适当取小些。 无论如何，显著性水平α的值必须在实验开始前就已经确定下来。 3、计算概率 4、统计推断（下结论） 例： 有一个棉花品种，其棉纤维长度的多年测定结果符合平均为29.3mm，标准差为4.8mm的正态分布，现有一批种子，抽取其中100粒，测得棉纤维长度平均为28.25mm，问该批种子是原棉花品种吗？ 造成这种差异可能有两种原因，一是品种造成的差异；另一可能是试验误差（或抽样误差、随机误差） 5 总结：假设检验的步骤 五、两尾测验和一尾测验 1、基本概念 2、两尾测验的接受和否定区域图示 3、一尾测验的接受和否定区域图示 4、两尾测验和一尾测验的比较 双侧检验与单侧检验的选择：应根据专业知识在试验设计时就确定。 一般若事先不知道所比较的两个处理效果谁好谁坏，分析的目的在于推断两个处理之间有无显著差异，则选用双侧检验； 若根据理知识或实践经验判断甲处理的效果不会比乙处理的效果差，分析的目的在于推断甲处理是否真的比乙处理好，这时应用单侧检验 六、假设检验中的两类错误 假设检验可能发生两类错误：α（I型）错误与β（II型）错误。 1、a 错误举例 假设此新品种所属总体与当地品种总体是同一总体 则可以获得此样本平均数的理论标准误为15kg，且服从正态分布，由此可以计算其u值为 第一类错误是真实情况为H0成立，却否定了它 2、β错误举例 第二类错误是H0不成立，却接受了它，概率为β 3、影响两类错误大小的因素及其对策 如何降低两类错误的概率？ 七、两类错误的要点： 1、在样本容量n固定的条件下，提高显著水平α的值，将增大犯β错误的概率。 2、在n和显著水平α相同的条件下，真总体平均数μ和假设平均数μ0 相差愈大，则犯第二类错误的概率β愈小。 3、为了降低犯两类错误的概率，需要采用一个较低的显著水平，如α=0.05；同时适当增加样本容量，或适当减小总体方差，或两者兼有之。 4、如果显著水平α已经确定，则改进试验技术和增加样本容量，可以有效地降低犯第二类错误的概率。 接受H0区域 否定H0区域 P(x ≥ u) α u ≥ 1.64= u0.05(1) Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 测验结果的预期不同，一尾测验的使用必须有依据，符合客观实际 一尾测验的效率高于两尾测验，在相同a下，一尾测验的临界值小于两尾测验的临界值 两尾测验：u0.05(2)= 1.96，u0.01(2)= 2.576 一尾测验：u0.05(1)= 1.64，u0.01(1)= 2.326 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011