第四单元 统计推断.pptVIP

第四章 统计推断 第一节 统计假设测验概述 第二节 样本平均数的假设测验 第三节 二项百分率的假设测验 第四节 参数的区间估计 第一节 统计假设测验概述 一.统计推断的含义 根据抽样分布规律和概率理论,由样本结果去推论总体特征.主要包括假设检验和参数估计. 假设检验(显著性检验),按涉及的统计量不同,又有u检验,t检验,F检验和X2检验等方法. 参数估计有点估计和区间估计. 二. 统计假设测验概述 (一).统计假设测验的意义 通过试验测得的每个观察值xi,既由被测个体所属总体的特征决定,又受其它许多因素的影响,所以观察值xi由两部分构成,即 其中,总体平均数μ反映了总体特征, εi表示试验误差.从总体中抽样,样本平均数 若以μ0表示原总体平均数,于是 说明试验的表面效应由两部分构成:一部分是两总体平均数的差异(μ－μ0),叫做试验的处理效应;另一部分是试验误差 .因此,仅凭表面效应就对两总体平均数是否相同下结论是不可靠的.关键是要判断处理效应是否存在?统计假设测验正是一种运用抽样分布规律和概率理论去推断试验的处理效应是否真实存在的统计方法. 在实际工作中还会遇到两个处理的比较试验, 由于两处理的总体均值μ1,μ2未知,只能由样本均值x1,x2来估计.由前可知 因而表面效应 也包括两部分:处理效应(μ1－μ2)和试验误差 .因此,两处理优劣的判断只能由统计假设测验来推断得出. (二).统计假设测验的基本原理 首先对研究总体提出假设,在此假设下构造统计量,并由该统计量的抽样分布估计样本统计量的概率,根据概率论的“小概率事件实际不可能原理”,由概率值大小作出接受或者否定假设的推断. 1.对研究总体提出假设 统计假设有两种:无效假设和备择假设. 无效假设(H0):假设总体参数与某一指定值相等或者假设两个总体参数相等.(必须这样假设,因为这是构造合适的统计量和进行相应概率运算的前提).即假设试验没有效应,实得差异(表面效应)由误差造成的. 备择假设(HA):内容与无效假设相对立,是在无效假设被否定时,准备接受的假设. 2.在无效假设成立的前提下,构造合适的统计量,并由该统计量的抽样分布估计样本统计量的概率 无效假设H0:μ=μ0成立的前提下,可以 把试验中获得的 看成是从μ0总体中随机抽出的一个样本平均数.由样本平均数抽样分布理论可知,从一个平均数为μ0方差为σ2的正态总体中抽样,所得的一系列样本平均数x的分布呈正态分布 把 标准化,则有 由u值查表即可知道因误差造成实际差数(x-μ)的概率. 3.根据估计出的统计量的概率值大小,作出接受或否定无效假设的推断 小概率事件实际不可能原理: 小概率事件在一次试验中,几乎不可能发生.如果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发生了,则可以认为假设是不正确的,因此否定原假设. 如果估计出的统计量的概率值非常小,说明H0认为的表面效应 纯属误差造成的情况为小概率事件,根据小概率事件实际不可能原理否定无效假设,接受备择假设. 4.显著水平(α) 应以多大概率值作为小概率标准?统计学上把决定接受或否定H0的小概率标准称为显著水平(α).实际中常用的显著水平有0.05和0.01.当估计出的概率值Pα时,则否定H0;当估计出的概率值Pα时,就接受H0. 试验开始前确定显著水平 显著水平应根据试验目的,要求,条件和试验结论的重要性等因素综合考虑而定.如果试验中难以控制的因素较多,试验误差可能较大,则显著水平取较大的α值;反之,如试验耗费较大,对精确度的要求较高,不容许反复,或者试验结论的应用事关重大,则α值应小些. 5.统计假设测验的步骤 (1).提出无效假设H0和备择假设HA. (2).确定显著水平α (3).计算检验统计量 U测验公式: t测验公式: (4).统计推断:如果实得 uα或 tα,则Pα,接受H0,否定HA.反之则相反. 例1: 某罐头厂生产肉类罐头,其自动装罐机在正常工作状态时每罐净质量具正态分布N(500,64)(单位为g).某日随机抽查了10瓶罐头,得结果如下:505,512,497,493,508,515,502,495,490,510 问装罐机该日工作是否正常? (1)提出假设 即该日装罐机每罐平均净质量与正常工作状态下的标准净重一样. 即该日装罐机每罐平均净质量与正常工作状态下的标准净重不同,装罐机工作不正常 (2)确定显著水平.α=0.05(两尾概率) (3)检验计算. 统计量u值 (4)统计推断:查附表2得临界u值, 由于实得