第三章统计检验题库.ppt

第三章 统计检验 统计推断包括两方面的内容 参数估计：随机变量的分布函数已知，由样本值估计其分布参数 假设检验（统计检验）：随机变量的分布函数是未知的，假设样本值服从某一分布，利用样本值根据概率统计原理，用参数估计的方法进行计算，以判断假设是否成立，即对假设进行检验，若检验后证明假设是正确的，就接受假设；若检验后证明假设是错误的，就拒绝假设。 分析测试使得测定值之存在着差异，引起差异的可能因 素: 测试过程中受到不可避免的偶然因素影响（即随机误差引起的差异和波动），这只能影响精密度； 生产或测试条件的改变引起差异，意味着条件对分析结果有影响，影响分析结果的准确度。 统计检验正是科学地处理和分辨这两种不同性质差异的方法。 第一节 统计检验的原理和基本思想 一 、统计检验 1. 问题的提出 试验过程存在误差——分析数据参差不齐 （甚至出现较大的离群值）——对试验数据本身的 可靠性作出评价，判断测定中是否存在误差（有系 统误差、随机误差或过失误差，主要判断是否存在 系统误差）——可表明能否作为μ的无偏估计量？ 能否作为σ的无偏估计量？——这就需要进行统计 检验。 2. 统计检验的内容 可疑数据的取舍 p16 异常值（坏值）： 由于分析过程中存在的错误或系统误差所造成的，常表现为巨差，通过统计方法确认有此误差存在，该异常值应舍去。 离群值(可疑值)：是指在一组测定值中某个别值明显高于其余测定值。虽然明显偏离其余测定值，但仍然处于统计上所允许的合理误差范围之内，与其余测定值属于同一总体 ，因此，考察和评价测定数据本身的可靠性时，要正确区分异常值和离群值，不容混淆。 判断不同分析人员、不同实验室对同一样品分析结果的一致性，包括检验异常值、检验平均值、即准确度的检验。 判断不同分析人员、不同实验室对同一样品测定结果是否具有相同的精密度，包括: 判断因素效应与系统误差 检验方差的一致性 判断测试方法与测试结果的精度 检验测定值的分布类型等。 即测定是否达到一定的标准（精密度），s是否能作 为σ的估计量。 分析结果好坏取决于5个因素：人、方法、原材料、 仪器、环境，分析数据的波动或分布是由这些可变动 的因素造成，按其影响程度和消除的可能性分为： 经常作用的因素：随机误差→正态分布→正常现象→分析过程是稳定的→影响精密度。 可避免的因素：系统误差，偏倚→不遵循正态分布→不正常原因（波动不正常）→分析过程不正常，需采取措施，检验不稳定性。 3. 统计检验 p39 在对测量数据进行统计分析时，需要对测量数据的某些性质作出统计推断，这时就要对总体的某些性质作出假设，然后根据样本值，通过一定的数学方法来检验所作假设的正确性。如果是正确的，就接受这一假设；如果不正确，就拒绝所作出的统计假设。 (1) 假设：关于总体的假设，称为统计假设。 (2) 表示方法: H0： （由样本估计出来的真值与实际真值一致，不存在 系统误差） H0： (由样本估计出来的精密度与已知的精密度一致） (3) 统计检验：检验统计假设的方法称为假设检 验或统计检验，被检验的假设称为原假设 （如H0）。 假设检验是根据样本信息来检验关于总体参数的假 设，以判断总体分布是否具有指定的特征，假设检 验的过程如下： 用样本值进行检验 原来的假设与样本之间不存在显著性矛盾 接受原假设 统计假设成立H0 用样本值进行检验，原来的假设与样本值之间存在显著性矛盾 拒绝原假设 接受另一备择假设H1 假设检验又称为显著性检验。 例如: 已知样本来自正态总体，检验它是否来自均值为 μ的正态总体，先根据样本值计算平均值 ，将它作 为总体均值μ的估计值，如果样本是来自均值为μ的 正态总体，则 是μ的一致而有效的估计值。虽然 不一定正好等于μ，但根据估计值好坏的评选标准， 与μ之间不会有显著性差异，反之，如果 与μ之 间有显著性差异，则不能认为样本 来自均值为μ的 正态总体 。 (p39 例2.12) 例3-1 某钢厂化验员，接班时为了检查仪器、试剂、操作及环境等实验条件是否正常，先取钢样分析，若所得结果P（％）为：0.073，0.077，问条件是否正常？（即不存在系统误差）已知 μ＝0.079％，σ＝0.002 。 解 H0: 置信区间 当