统计推断课件1.pptVIP

* * 统计推断(statistical inference) 总体 理论分布 抽样分布 样本 样本 假设检验 参数估计 总体 一.统计假设:……对所研究的某一总体参数所提出的假设,称为统计假设. 如:新老品种的产量不一样:μ新≠μ老 南北方人的高度不一样:μ南≠μ北 甲乙两种药品的作用效果相同:μ甲=μ乙 零假设(null hypothesis): H0:μ=μ0 或: H0:μ-μ0=0 备择假设(alternative hypothesis): HA:μμ0 或:HA:μμ0 或:HA:μ≠μ0 对于单个平均数的假设(一个样本只包括一组观察值),则假设为: H0:μ=μ0 或:μ-μ0=0 HA:μ≠μ0 对于两个平均数相比较的假设,则假设为: H0:μ1=μ2 或:μ1-μ2=0 HA:μ1≠μ2 二. 统计假设检验的基本方法: 1.对所研究的总体首先提出一个假设。 2.在假设建立的前提下,研究样本平均数的抽样 分布。 3.在已知样本平均数的抽样分布的前提下,确定 采用何中检验方法。 4.计算事件发生的概率。 5.判断(根据小概率事件实际上的不可能性)。 6.作结论。 三. 两尾检验与一尾检验(双侧检验与单 侧检验) 例:高连高粱”三尺三”株高服从正态分布N(X=156.2,δ=4.82) 则:1).求X161厘米的概率: 单侧,一尾,接受左尾. 拒绝右尾. 2).求X164厘米的概率: 单侧,一尾,接受右尾. 拒绝左尾. 3).求:152X162厘米之间的概率. 双侧,接受中间 拒绝两尾. 四. 假设检验的两类错误: 第二类错误(取伪) 没有错误 如果H0被接受 没有错误 第一类错误(弃真) 如果H0被否定 如果H0是错误的 如果H0是正确的 2.5% 2.5% 95% 有5%的平均数落入否定区间 而被否定. 假设是错误的,而接受了错误的 假设. 弃真 取伪 结论: 显著水平越高,犯第一类错误的概率越小, 而犯第二类错误的概率越大。 2.假设的平均数与真实平均数相差越大,越 不容易接受错误的假设,因而犯第二类错 误的概率越小。但假设的平均数与真实的 平均数相差越小,越容易接受错误的假设, 因而犯第二类错误的概率越大。 五. 显著性标准(显著性水平)significance level P0.05 差异不显著 接受假说 0.05≥P≥0.01 差异显著 记作* 假说可能被否定 P≤0.01 差异极显著 记作** 假说被否定 P≤0.001 差异高度显著 记作*** 假说被彻底否定 六. 平均数的假设检验 1.单个样本平均数的假设检验 1).总体方差(δ2)已知,单个样本平均数的U测验: 例:已知豌豆籽粒重量(g/100粒)服从正态分布 N(37.72,0.332).在改善栽培条件后,随机抽取9粒, 平均重量为37.92克,标准差仍为0.33,问改善栽培 条件后是否显著提高了豌豆籽粒重量? 解: 已知: μ0=37.72 δ=0.33 X=37.92 S=0.33 n=9 假设: H0:μ=μ0=37.72 (改善栽培条件对提高豌豆籽粒重量无作用) HA:μμ0=37.72 (改善栽培条件对提高豌豆籽粒重量有作用) (单侧,一尾检验) 查表: α=0.05时 Uα=1.645 α=0.01时 Uα=2.326 1.6451.822.326 0.01α0.05 所以: Uα=1.82* 否定H0,接受HA。 结论: 改善栽培条件后显著地提高了豌豆籽粒的重量. X=37.72 HA X –μ0 37.92 – 37.72 U= δ = 0.33 =1.82 √n √ 9 例: 已知某水稻品种穗长μ0=22.5cm,δ=3.65cm,现随机抽取50株进行测量,得:X=2