04第六章_抽样分布及总体平均数的推断.ppt

表10－3 双侧t检验统计决断规则 ∣t∣与临界值比较 P值 显著性 检验结果 ∣t∣＜t(df)0.05/2 P＞0.05 不显著 保留H0，拒绝H1 t(df)0.05/2≤∣t∣＜t(df)0.01/2 0.05≥P＞0.01 显著＊ 在0.05显著性水平拒绝H0，接受H1 ∣t∣≥t(df)0.01/2 P≤0.01 极其显著＊＊ 在0.01显著性水平拒绝H0，接受H1 表10－4 单侧t检验统计决断规则 ∣t∣与临界值比较 P值 显著性 检验结果 ∣t∣＜t(df)0.05 P＞0.05 不显著 保留H0，拒绝H1 t(df)0.05≤∣t∣＜t(df)0.01 0.05≥P＞0.01 显著＊ 在0.05显著性水平拒绝H0，接受H1 ∣t∣≥t(df)0.01 P≤0.01 极其显著＊＊ 在0.01显著性水平拒绝H0，接受H1 t＝2.266 例３：某区初三英语统一测验平均分数为65，该区某校20份试卷的平均分数为69.8，标准差为9.234。问该校初三年级英语平均分数与全区是否一样？ t＝3.365 例４：某校上一届初一学生自学能力平均分数为38，这一届初一24个学生自学能力平均分数为42，标准差为5.7，假定这一届初一学生的学习条件与上一届相同，试问这一届初一学生的自学能力是否高于上一届？ ⑶．总体标准差σ未知，样本容量大于30 平均数的抽样分布服从t分布，但由于样本容量较大，平均数的抽样分布接近于正态分布，因此可以用Z代替t近似处理，计算公式为： Ｚ＝-2.11 例5：某年高考某市数学平均分数为60，现从参加此次考试的文科学生中，随机抽取94份试卷，算得平均分数为58，标准差为9.2，问文科学生的数学成绩与全市考生是否相同？ ⑷．总体非正态，小样本 不能对总体平均数进行显著性检验。 例题3：从某年高考中随机抽取102份作文试卷，算得平均分数为26，标准差为1.5，试估计全部考生作文成绩95％和99％的置信区间。 解：学生高考分数假定是从正态总体中抽出的随机样本，而总体的标准差σ未知，样本平均数与总体平均数离差统计量呈t分布。但是由于样本容量较大（n=120>30），t分布接近于正态分布，因此可用正态分布近似处理。 其标准误为 当Ｐ＝0.95时，Ｚ＝±1.96 因此，该年全部考生作文成绩95％的置信区间为： 当Ｐ＝0.99时，Ｚ＝±2.58 因此，该年全部考生作文成绩99％的置信区间为： ④ 总体非正态，小样本 不能进行参数估计，即不能根据样本分布对总体平均数进行估计。 第三节 假设检验的基本原理 利用样本信息，根据一定概率，对总体参数或分布的某一假设作出拒绝或保留的决断，称为假设检验。 一、假设 假设检验一般有两互相对立的假设。 H0：零假设，或称原假设、虚无假设（null hypothesis）、解消假设；是要检验的对象之间没有差异的假设。 H1：备择假设（alternative hypothesis），或称研究假设、对立假设；是与零假设相对立的假设，即存在差异的假设。 进行假设检验时，一般是从零假设出发，以样本与总体无差异的条件计算统计量的值，并分析计算结果在抽样分布上的概率，根据相应的概率判断应接受零假设、拒绝研究假设还是拒绝零假设、接受研究假设。 二、小概率事件 样本统计量的值在其抽样分布上出现的概率小于或等于事先规定的水平，这时就认为小概率事件发生了。把出现概率很小的随机事件称为小概率事件。 当概率足够小时，可以作为从实际可能性上，把零假设加以否定的理由。因为根据这个原理认为：在随机抽样的条件下，一次实验竟然抽到与总体参数值有这么大差异的样本，可能性是极小的，实际中是罕见的，几乎是不可能的。 三、显著性水平 统计学中把拒绝零假设的概率称为显著性水平，用α表示。 显著性水平也是进行统计推断时，可能犯错误的概率。 常用的显著性水平有两个： α＝0.05 和 α＝0.01。 在抽样分布曲线上，显著性水平既可以放在曲线的一端（单侧检验），也可以分在曲线的两端（双侧检验）。 图9－1 正态抽样分布上α＝0.05的三种不同位置 α α 四、假设检验中的两类错误及其控制 对于总体参数的假设检验，有可能犯两种类型的错误，即α错误和β错误。 表9－1 假设检验中的两类错误 H0为真 H0为假 拒绝H0 α错误 正确 接受H0 正确 β错误 为了将两种错误同时控制在相对最小的程度，研究者往往通过选择适当的显著性水平而对α错误进行控制，如α＝0.05或α＝0.01。 对β错误，则一方面使样本容量增大，另一方面采用合理的检验形式（即单侧检验或双侧检验）来使β误差得到控制。 在确定检验形式时，凡是检验是否与假设的总体一致的假设检验，α被分散在概率分布曲线的两端，因此称为双侧检验。 双侧