第五节 数据分析 第二节 推论统计.ppt

1、 F分布定义 2、 简单方差分析（单因素方差分析） 简单方差分析将总误差划分为两种来源：一种是组间，由施加的试验处理形成；另一种是组内，由随机误差形成。 单因素方差分析表 N-1 SST 总体（T） N-k SSW 组内（W） k-1 SSB 组间（B） F值 平均数方差（MS) 自由度 方差和 （平方和） 变异源 (方差来源) 计算SST ,SSW ,SSB时，常按下列顺序进行 例 P231 例5.4 三个班组在半年内的缺勤次数 1 2 2 2 3 3 4 5 6 4 4 4 5 7 x1 x2 x3 缺勤次数 班组 24 10 20 22 90 122 54 234 5 5 5 15 15-1=14 39.6 总体(T) 1.57 15-3=12 18.8 组内(W) 6.62 10.4 3-1=2 20.8 组间 (B) F值 均值 自由度 方差和 变异源 F检验表 查表 F0.05(2,12)=3.88, 6.623.88 拒绝H0 ,三个班的平均值有显著差异。 Scheffe 检验 Scheffe检验是常用的多重比较法（multi-comparison),它用来细化F检验的结果,在组间差异显著情况下,辨别成对组件是显著差异还是随机差异。在总体无显著差异情况下，也可能发现其中差异显著的两组。 仍以三个班缺勤率为例说明Scheffe检验的应用。比较x1与x2两组，其F值算式为 简单方差分析得出的三者之间显著差异之结论为:夜班比早班的缺勤率显著高,而早班和中班及中班和夜班之间的缺勤率虽有差异但不显著. 六、 检验 (chi-square test)检验是一种非参数检验，适用于定类变量，数据表达为频次形式，按两个或更多的相斥属性归类。 检验用于比较各类型事件的发生频次是否差异显著，现举例说明。 例 在超级市场随机选择90位顾客征求其对三种新品牌果酱的偏好，设由40位顾客选择品牌x,30位选择y,20位选择z，如对立假设为真，则 x=y=z,期望频次应为30，30，30， 检验就要判别观察频次（40，30，20）和期望频次（30，30，30）之间的差异是否显著。 * §2 推论统计 O、预备知识 一、抽样分析 二、参数估计 三、假设检验的基本概念 四、t检验 五、F检验 六、 检验 七、示例 管理研究和社会研究绝大部分都采用样本研究，从较大的研究对象总体中抽样收集数据。最终目的是从样本来判断样本所在的总体的特性。 统计推断是一套有清晰逻辑程序的统计计算，对于从样本观测值得出的发现（findings),作出是否适用于总体的判断。发现亦即研究的结果，这些结果不外乎以下几个方面的内容： 假设中的自变量和因变量之间有无关联？ 这种关联的趋向和形式如何？ 这种关联的强度如何？ 这种关联是否是因果 ★ 自变量的属性值变化引起因变量的属性值变化，说明两变量间存在关联。 ★ 关联强度的判断则是指观测值中有多大比例的因变量属性值可以从自变量的属性值来解释。 ★ 统计技术用统计显著性来检验所观测到的关联是随机性的还是系统性的原因。 ★ 自变量和因变量之间存在关联并非表明自变量就是因，因变量就是果，因果辨析一般属于实证研究之后机理分析的内容。 数据分析的主要内容主要围绕变量间关联的存在性、趋向和形式、强度和统计显著性四个方面。描述统计已涉及到存在性、趋向和形式的内容，推论统计则主要回答统计显著性问题。 §2 推论统计(inferential statistics) O、预备知识 正态分布与有关的分布 ◆定义1 设连续型随机变量X的密度函数为 称X服从正态分布，记作X～N(μ, σ2）. 其中μ，σ均为常数，－∞＜ μ ＜＋∞， σ ＞0. ◆当μ=0, σ2=1时，我们称X服从标准正态分布，即X ～N(0, 1）. 标准正态分布的密度和分布函数分别为： ◆定理 1 设 X～N(μ, σ2），则 （X－μ）／σ～ N(0,1). ◆定义 设X1，X2，…，Xn为相互独立的随机变量，它们都服从标准正态N(0,1)分布，则称随机变量 服从自由度为n的 分布，记作Y～ (n). ◆定理 2 设X1，X2，…，Xn独立，同N（μ，σ2）分布