社会统计学第七章.ppt

第七章 假设检验的基本概念 第一节 统计假设 一、统计假设 如果收集资料的范围仅是全体（或总体）的一部分，是一个样本（指随机样本），那么这种和抽样手段联系在一起，并且依靠抽样数据进行验证的假设，就称为统计假设。 二、原假设和备择假设 原假设H0：又称虚无假设或解消假设，一般用H0表示。它常常是根据已有的资料，或根据周密考虑后确定的，没有充分的依据，是不会被轻易否定的。 备择假设H1:又称研究假设。当经过抽样调查，有充分依据否定否定原有假设H0时，就产生了需要接受其逻辑对立面的假设，又称备择假设，一般用H1表示。有三种形式： ，，≠等。 一个完整的假设应包括两部分：原假设H0和备择假设H1. 以H0为μ=25为例，它可能包含三种假设有： （一）H0:μ=25 H1:μ25 （二）H0：μ=25 单边检验 H1:μ25 （三）H0:μ=25 H1:μ25 双边检验，仅是为了判别原假设H0是否 成立，而并不同时研究其他假设。 对于双边检验，有时将H1略去不写，仅 写成H0:μ=25。 三、假设检验的基本原理 （一）小概率原理 在日常生活中，人们习惯于把概率很小的事件，当作在一次现象中是不可能出现的事件。（统计学家依经验认定，如果一个随机事件发生的概率小于0.05，就可以认为该事件是一个小概率事件）。 可以归纳为两个方面：一是可以认为小概率事件在一次观察中是不可能出现的； 二是如果在一次观察中出现了小概率事件，那么，合理的想法，是否定原有事件具有小概率的说法（或称为假设）。 （二）假设检验的思想（逻辑） 先对未知的总体提出一假设，这个假设称为原假设，然后检验在原假设成立的条件下的样本特征值的出现是一个大概率事件还是一个小概率事件。若是大概率事件就意味着原假设被证实，此时原假设可被认为是对总体的正确推论。若样本特征值的出现是小概率事件，那么原假设为错误，应拒绝原假设。 例如：某县具有残疾学龄儿童200人，县教育局上报的残疾儿童入学率是82%。随机抽取了10名有残疾的学龄儿童，其中，5名儿童失学。这个抽样结果能否说明该县的残疾儿童入学率是82%。 解：回答这个问题需要分析如果该县的残疾儿童入学率是82%，出现上述样本的概率有多大？如果该县的残疾儿童入学率是82%，200个有残疾的孩子中应该有164名在读，36名失学。在这种情况下上述样本出现的概率为： 也就是说，在入学率是82%的总体中，上述样本出现的概率只有0.0156.这显然是一个小概率事件。但这个事件发生了，我们有理由认为教育局上报的残疾儿童入学率是82%的数据是不准确的，实际的残疾儿童入学率大大低于82%。 第二节 统计检验中的名词 一、统计检验中的假定 是被确认和接受的事实，是进行检验的前提或要求。 二、统计检验中的统计量 统计量是样本（ξ1，ξ2，...，ξn）的函数f（ξ1，ξ2，...，ξn）。假设检验是通过样本计算的某个统计量进行的。 三、显著性水平α 一般是指在原假设成立条件下，统计检验中所规定的小概率的标准。即规定小概率的数量界限。常用的标准有α=0.10；α=0.05或α=0.01 四、临界值、接受域和拒绝域 Zα为临界值。 ZZα的概率为小概率α ZsZα:应拒绝原假设H0 ZsZα:应接受原假设H0 五、双边检验和单边检验 （一）双边检验 P(|Z|Zα/2)=ɑ 双边检验的假设有如下形式： H0:μ=μ0 H1:μ≠μ0 原假设H0所确立的统计量Z分布，将依α值大小，将分布划成两种区域：接受域和拒绝域。其临界值为±Zα/2。若|Z|Zα/2，应拒绝H0；反之，若统计量|Z|Zα/2，应接受原假设。 由于备择假设仅仅是判别原假设H0是否成立，并没有研究其他假设，所以双边检验的假设可简写作。 H0：μ=μ0 （二）单边检验 1、右侧单边检验 有如下关系式P（ZZα）=α 三种写法（采用第一种写法）： H0:μ=μ0 H1:μμ0 H0:μ≤μ0 H1:μμ0 H0:μ≤μ0 2、左侧单边检验 有如下关系式P（Z-Zα）=α 三种写法（采用第一种写法）： H0:μ=μ0 H1:μμ0 H0:μ≥μ0 H1:μμ0 H0:μ≥μ 第三节 假设检验的步骤和两类错误 一、假设检验的步骤 （一）根据实际问题作出假设 （二）根据样本构成合适的、能反映的H0的统计量，并在H0成立的条件下确立统计量的分布。 （三）根据需要，给出小概率ɑ（显著性水平）的大小，求出拒绝域和临界值。 （四）根据具体检验标准，用样本统计量的观测值进行判断。若样本统计量的值落入拒绝域，则拒绝