SAS假设检验(公选)剖析.pptx

第4章 假设检验;4.1参数估计与假设检验的基本概念;4.1.1参数估计;1.点估计 点估计是用样本统计量估计总体分布中所含的未知参数。因为样本统计量为数轴上某一点，估计的结果也以一个点的数值表示，所以称为点估计。通常它们是总体的某个特征值，如均值、方差和相关系数等。点估计问题就是要构造一个只依赖于样本的量，作为未知参数或未知参数的函数的估计值。 2.区间估计 区间估计是通过从总体中抽取的样本，根据一定的正确度与精确度的要求，以一定可靠程度推断总体参数所在的区间范围，作为总体分布的未知参数或参数的函数的真值所在范围的估计。;区间估计是从点估计值和抽样标准误出发，按给定的概率值建立包含待估计参数的区间。其中这个给定的概率值称为置信度或置信水平(confidence level），指总体参数值落在样本统计值某一区内的概率。这个建立起来的包含待估计参数的区间称为置信区间（confidence interval），表示总体参数的可能范围。置信区间是指在某一置信水平下，样本统计值与总体参数值间误差范围。;双侧：; 正态分布（Normal Distribution);计算中心;正态分布描述落入不同范围的概率.例如,近似地有(“3 ? ”原则): ◆68%的数据落入以均值为中心一倍标准差的范围内; ◆95%的数据落入以均值为中心两倍标准差的范围内； ◆99%的数据落入以均值为中心三倍标准差的范围内； 若样本均值的分布为正态的,当构造置信区间时就可用正态分布给定的概率,这一概率对应于置信水平.所以,构造一个95%的置信区间,这个置信区间就有95%的概率包括总体均值.95%就为置信水平. ;小概率事件的含义;4.1.2假设检验;对总体参数进行假设检验时，首先要给定一个原假设H0，H0是关于总体参数的表述，与此同时存在一个与H0相对立的备择假设H1，H0与H1有且仅有一个成立；经过一次抽样，若发生了小概率事件（通常把概率小于0.05的事件称为小概率事件），可以依据“小概率事件在一次实验中几乎不可能发生”的理由，怀疑原假设不真，作出拒绝原假设H0，接受H1的决定；反之，若小概率事件没有发生，就没有理由拒绝H0，从而应作出拒绝H1的决定。;根据???题确立原假设H0和备择假设H1； 确定一个显著性水平?，它是衡量稀有性（小概率事件）的标准，常取为0.05； 选定合适的检验用统计量W（通常在原假设中相等成立时，W的分布是已知的），根据W的分布及?的值，确定H0的拒绝域。 由样本观测值计算出统计量W的观测值W0，如果W0落入H0的拒绝域，则拒绝H0；否则，不能拒绝原假设H0。 ;概率p值是SAS系统根据样本分布和样本数据自动计算一个实际的显著性水平，在SAS系统中进行假设检验，p值提供了一个直观的判断依据： ①当pα，说明实际计算的显著性水平比理论的显著性水平更小，小概率事件在一次实验中发生的几率更小（比理论设定的概率还小）。此时在p值的显著性水平条件下，如果还能够观测到小概率事件发生，则说明假设更加不可靠，应拒绝原假设； ②当p≥α，在p值的显著性水平条件下，如果能够观测到小概率事件发生，则说明假设可能没有任何问题。因为观测一个概率比较大的事件，其发生的可能性本来就比较大，故不能对假设做出否定的判断。;3. 假设检验的数学模型 T检验是用于两组数据均数间差异的显著性检验，亦称学生T检验（Students t test），主要用于样本含量较小（例如n30），总体标准差σ未知的正态分布资料。 T检验是用于小样本（样本容量小于30）的两个平均值差异程度的检验方法。它是用T分布理论来推断差异发生的概率，从而判定两个平均数的差异是否显著。 ;（1）单样本T检验 单样本T检验所采用的方法是，抽取一组数据作为一个样本，对样本均数与理论上的总体均数的差别作显著性检验，检验所测得的一组连续资料是否抽样于均数已知的总体。根据大量实验调查的结果或一般规律，可以得到某一事物的平均数，以此作总体均数看待。t统计量的计算公式如下： 如果用程序方法作单样本T检验，可在SAS系统中采用MEANS过程，计算出观察与总体均数的差值，再对该差值的均数进行T 检验。;（2）两配对样本的T检验 两配对样本T检验包括两种情况，即配对资料差异的显著性检验（配对比较检验）和同一组对象实验前后差异的显著性检验（自身对照比较）。t统计量的计算公式如下： SAS系统中采用MEANS过程，计算出两样本观察的差值（如服药前、后实验数据的差值），再对该差值的均数进行T检验。 ;（3）两独立样本的T检验 两独立样本的t检验是指对两样本均数的差异作显著性检验。作为两样本均数差异比较的两组数据，它是分别取自两个独立样本，没有成对关系，两组的数据个数可以相等，也可以不一样。 t