平均数比较及T检验.ppt

第五章平均数比较与T检验 基本理论 一、假设 1.假设 在研究之前不知其结果，可根据已有经验或理论对预期的结果做出假定性的说明，即假设。 假设检验一般要提出两个相互对立的假设：一个叫零假设，另一个叫备择假设。 2.零假设 所谓零假设，就是关于样本所属总体（指参数值）与假设总体（指参数值）之间无差异的假设也叫做原假设、虚无假设、解消假设。零假设是假设检验中希望拒绝的假设。 3.备择假设 所谓备择假设就是和零假设相反的假设。指的是关于当前样本所属的总体（指参数值）与假设总体（指参数值）有差异的假设，是研究者根据样本信息期待证实的假设，是否定了零假设后应当采取的假设，也叫做研究假设、对立假设。记为： 假设检验总是从零假设开始的，然后，看有多大的把握拒绝零假设。如果拒绝零假设的把握非常大，则应该拒绝零假设，接受备择假设，认为样本所属总体的参数与假设总体参数有显著性差异，即本质差异；如果拒绝零假设的把握不大，或者说，若拒绝零假设犯错误的概率太大，则只好保留零假设，认为样本所属总体的参数与假设总体参数没有显著性差异，即本质差异。 假设检验的两大特点： （1）根据一定的概率来下结论； （2）采用反证法。 例如：根据经验我们可以说张家界的6月天不会下雪，假如有一年的6月份下了一场雪，则原来的结论就被推翻。这样的推理方法就是反证法。 再如：天下乌鸦一般黑。如果能够找到另外一种颜色的乌鸦，则原来的假设就被推翻。 二、小概率事件 样本统计量的值（随机事件）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。把出现小概率的随机事件称为小概率事件。 例如，假设某个样本所来自的总体等于假设的总体。于是，可以分析如果零假设是真实的，那么样本统计量的分布如何。并且，可以按照事先规定的水平把抽样分布分成两个区域，一个属于零假设的保留区域（出现的概率比较大），另一个为零假设的拒绝区域，出现的概率比较小（落在这个区域的事件都属于小概率事件）。 然后，实际分析所获得的这个样本统计量值，看它落入哪个区域。如果出现的概率足够小，属于小概率事件，就根据小概率事件在一次抽样中几乎不可能发生原理，从实际可能性上，推翻零假设。 由此可见，小概率事件发没发生，是拒绝或保留零假设的依据。 三、显著性水平 统计学中把这种拒绝零假设的概率称为显著性水平，表示为： P值与H0的关系 检验的形式： 双侧检验只强调差异不强调方向的检验为双侧检验。所提出的假设检验的问题是是否一样、相同、有差异等等。 单侧检验既检验差异又考虑差异的方向的检验为单侧检验。具体来说，又分为左侧检验和右侧检验。 左侧检验所提出的假设检验的问题是否低于、差于总体平均数等等。右侧检验所提出的假设检验的问题是否高于、优于、超过总体平均数、有效等等。 基本步骤： (1)根据检验的目标，对待推断的总体参数或分布作一个基本假设H0； (2)利用收集到的样本数据和基本假设计算某检验统计量（t），且该统计量一定服从某种已知分布； (3)根据该统计量的值得到对应的相伴概率（P值），即：检验统计量在某个特定的极端区域取值在H0成立时的概率； (4)如果相伴概率P值小于用户给定的显著性水平a，则拒绝H0。否则，不拒绝H0。 实例分析： 某种生产浴皂机器的设计规则为每批平均生产120块肥皂，超过或低于这个标准都是不合理的。如下有10批产品组成的样本，且假定总体服从正态分布。见“例 5-1”。 108 118 120 122 119 113 124 122 120 123 显著性水平a为0.05，通过该样本检验，分析是否该生产过程运作正常 这个问题，实际上就是问样本检验结果与120的均值有无差异。采用单样本的T检验过程。 具体操作如下： Analyze?Compare Means? One-Sample T Test，打开T检验对话框，如下图。 t即t值，df为自由度，sig.（2 tailed）为双尾P值。样本均值与检验值的差为-1.100。95%的样本差值落在（-4.63，2.43）这个置信区间内。 可以看出，t统计量的值为-0.705，相伴概率值（sig.——significance）为0.4980.05，因此不能拒绝H0的原假设（120的检验值），显著性差异不大，结果表示该生产过程较正常。 实例分析 某研究机构分别对20款中型及小型汽车进行安全性测试，较低的分数意味着安全性更高。数据见文档“例 5-2”，要求使用两独立样本T检验来比较中型和小型汽车的安全性有无差异。 具体操作如下： Analyze?Compare Means? Independent-Samples T Test，打开独立样本T检验对话框，如下图。 (四)检验结果分