f第五章统计推断参考.pptVIP

计算检验统计量t： 自由度的确定： Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. ① 假设：H0是假设检验的基础，来源：据以往经验或实验结果；据某种理论或模型；据某种规定。与H0对立的是HA，来源：除H0以外可能的值；担心会出现的值；希望出现的值；有重要意义的值。 ② 规定显著性水平α：依据研究问题的要求而定。 ③ 两种类型的错误：在条件许可的情况下，尽量增加样本含量。 ④ 确定应该使用的检验方法，计算检验统计量。 ⑤ 建立在α水平上的H0拒绝域。 ⑥ 对推断作出解释。 4、检验程序： Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 二、 单个样本显著性检验的程序 6、对推断作出解释。 接受H0：①H0的值θ0是真实的，并产生一个所抽到的样本；②推断的总体参数θ可能非常接近于θ0；③抽样结果符合H0的值θ0，样本统计量的值与θ0之间的不符合是由于偶然因素造成的。 拒绝H0：①若H0是真实的，产生一个所抽到的样本的可能性很小；②θ不可能很接近θ0；③抽样结果不符合H0的值θ0，样本统计量的值与θ0之间的不符合不能用偶然因素解释。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 四、 假设检验的基本步骤1 三．确定概率P值和作出统计推断 1.确定精确P值（计算机输出）：P值是在H0成立前提下，比样本统计量（Z、t、F值等）更极端的概率。 2.通过查附表得到a水准 下的临界值（如Za/2,ta/2,n等）。 如果样本统计量 临界值，则P α;  如果样本统计量 临界值，则P α。 如果P?α，则拒绝H0，接受H1 如果Pα，拒绝H0的证据不足，不拒绝H0，暂且认为H0成立 。 一．建立检验假设，确定检验水准 H0：μ=μ0 两总体均数相等，差异仅由抽样误差所致。 H1：μ≠μ0（或μμ0 或μμ0 ）其差异不仅仅是由抽样误差所致。 α=0.05或0.01 二．选择检验方法和计算统计量 根据资料的类型和分析目的等确定相应的统计量。 四、根据统计推断结果，结合相应的专业知识，给出一个专业的结论。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 三、σ已知时平均数的显著性检验——u检验 1、u检验基础： 从σ已知的总体中随机抽取含量为n的样本，计算样本平均数y，根据y判断抽出该样本的总体，其数学期望m是否等于某一假设值m 0。 从平均数为m ，标准差为s 的正态总体中，独立随机地抽取含量为n的样本，样本平均数Y服从正态分布N（m ，s 2/n）。 将平均数标准化，则 2、u检验过程： Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. ④ 建立在α水平上的H0拒绝域。相应于各HA的H0的拒绝域分别为uuα ，u -uα ，|u| uα/2 ⑤ 计算检验统计量u。u＝(y-μ0) / (σ/√n) 3、u 检验基本程序： ① 从σ已知的总体中随机抽取含量为n的样本。 ②根据专业知识确定假设。H0:μ=μ0；HA:μμ0，或 μμ0 ，或μ≠μ0 。 ③ 规定显著性水平。习惯上在α＝0.05水平上拒绝H0称为“差异显著”；在α＝0.01水平上拒绝H0称为“差异极显著”。 ⑥ 据以上所做分析，得出结论，给予生物学解释。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Prof