第6章口 统计假设检.pptVIP

第六章 统计假设检验 6.1 统计假设检验的基本原理 假设检验(hypothesis test)， 又称显著性检验(significance test)，就是根据总体的理论分布和小概率原理，对未知或不完全知道的总体提出两种彼此对立的假设，然后由样本的实际结果，经过一定的计算，作出在一定概率意义上应该接受那种假设。如果抽样结果使小概率发生，则拒绝假设，如果抽样结果没有使小概率发生，则接受假设。生物统计学中，一般认为等于或小于0.05或0.01的概率为小概率。 6.1.1为什么要进行假设检验？？？ 统计假设检验要解决的问题是从一个样本或一系列样本所得的结果去推断其总体结果。 例如要比较一个小麦新品种产量与一个推广的标准品种的产量，如果发现该新品种优于标准品种，则建议以新品种代替标准品种，应用到生产中去。 如何比较新品种与标准品种，并作出可靠的结论，这是试验研究的最要紧部分，也就是有关统计假设检验的问题。 在科学研究中，往往首先需要提出一个有关某一总体的假设。 例：假设某一小麦新品种的产量与推广品种的产量一样，或者假设它比推广品种更好。 如何确切证实该假设的正确或错误？ 检验整个总体材料，获得全部结果。即将该新品种播种很多田块，且连续播种多年，以比较该新品种的产量是否优于推广品种。(不可能也没必要。) 从研究样本入手，以样本结果推断总体。即将该新品种播种若干小区，经1-2年后取得平均产量。通过对样本平均数的统计检验后作出一个决定，从而推断该假设是否正确。(存在着抽样误差或试验误差问题。) 6.1.2 假设检验的基本思想 ?小概率原理（小概率事件实际上不可能发生） 基本内容：小概率的事件，在一次试验中几乎是不会发生的。若根据一定的假设条件计算出来该事件发生的概率很小，而在一次试验中，它竟然发生了，则可以就为假设的条件不正确。因此否定假设。 ?什么样的概率算是小概率？ 生物统计工作中，通常规定5%或1%以下为小概率，5%或1%称为显著性水平（significance level）,记为“α ” 根据上述原理建立起来的检验方法称为显著性检验（significance test）或统计检验。 6.1.3 假设检验的步骤 ?提出假设 零假设(无效假设null hypothesis): 如总体平均数是未知的,为了得到对总体平均数的推断,可以假设总体平均数μ 等于某一给定的值μ0 (μ =μ0 ).或者说μ与μ0的差等于0(μ-μ0=0). 记为:H0:μ =μ0 或H0:μ- μ0 =0 备择假设(alternative hypothesis): 与零假设相对立的假设. 在拒绝H0的情况下,可供选择的假设. 记为H1 如, H1 :μ μ0 、 H1 :μ μ0及H1 ：μ ≠ μ0 。 备择假设的提出需视情况而定： 若已知μ不可能大于μ0 ，则H1 : μ μ0 若已知μ不可能小于μ0 ，则H1 ：μ μ0 若考查的目的只是μ是否等于μ0 ，并不关心μ与μ0谁大谁小，则H1 ：μ≠μ0 ?确定显著水平 在进行无效和备择假设后，要确定一个否定H0的概率标准，这个概率叫显著水平，记作α，α是人为规定的小概率界限。 在生物统计中，显著水平一般选择α= 0.05和α= 0.01 在社会调查时，显著水平可取α= 0.1 在较精确的科学实验中，显著水平可取α= 0.001 通常希望H0不被拒绝。要接受H0，就要求统计检验结果的值落在接受区域内。在接受区域外就是否定区域，检验结果的值落在否定区域就要拒绝接受H0。 1） 提出假设，写出H0、H1的式子； 2）选择显著水准α； 3）根据H0，构造并计算统计量（建立检验统计量）； 4）确定检验统计量的接受区域和拒绝区域（确定H0的接受域和否定域）； 5）决定是否拒绝接受H0。 6) 写出结论。 例：在华农的学生中抽取100人，其中有男生60人问：华农学生总体是否符合1：1的性比。 6.1.5 单侧检验与双侧检验 四、检验水准与两类错误 ?两种类型的错误 例:用实验动物材料,要求动物平均体重μ =10.00g,若μ 10.00g需再饲养,若μ 10.00g则应淘汰。动物体重服从正态分布N(μ , σ2 )的随机变量，已知总体标准差σ =0.40g。 现抽出n=10的样本，样本均数x=10.20g, 检验H0:μ= μ0 =10.0g，HA :μ10.00g。 ?两种类型的错误 6.2 一个样本平均数的检验 一个样本均数的检验也称样本均数与总体均数比较的检验。 检验目的：推断样本所代表的未知总体均数μ与已知总体均数μ0是否有差别。 6.2.1 大样本平均数的假设检验-u检验 当总体方差σ2已知，或者总体方差未知但样本为大样本(n30)时。样本的平均数分布服从于标准的正态分布，即u分布，因此用