总体均数的估计与假设检验课件.pptVIP

4. Shapira-Wilkinson检验 正态性检验 正态性检验 正态性检验 * * 中心极限定理：当一个随机变量X是由n个相互独立的随机变量的和构成，即X=X1+X2+…+Xn，则只要n足够大(最好超过100，但是，如果n大于20就足够好, 大于10有时也凑合)，而且这n个随机变量的数学期望和方差都存在，且它们的方差都差不多大，则X近似服从正态分布。(这里不管这n个随机变量的分布有多么地不同，甚至有的是离散型有的连续型。) * 在抽样误差确定时，两者相互矛盾。 一般情况下，常用95%可信区间。 * 其它： P-P图是根据变量的累积比例与指定分布的累积比例之间的关系所绘制的图形。通过P-P图可以检验数据是否符合指定的分布。当数据符合指定分布时，P-P图中各点近似呈一条直线。如果P-P图中各点不呈直线，但有一定规律，可以对变量数据进行转换，使转换后的数据更接近指定分布。 QQ图是一种散点图,对应于正态分布的QQ图,就是由标准正态分布的分位数为横坐标,样本值为纵坐标的散点图. 要利用QQ图鉴别样本数据是否近似于正态分布,只需看QQ图上的点是否近似地在一条直线附近,而且该直线的斜率为标准差,截距为均值. 用QQ图还可获得样本偏度和峰度的粗略信息. Q-Q图同样可以用于检验数据的分布，所不同的是，Q-Q图是用变量数据分布的分位数与所指定分布的分位数之间的关系曲线来进行检验的。 P-P图和Q-Q图的用途完全相同，只是检验方法存在差异 H0: 正态分布 H1: 非正态分布 ? = 0. 10（宜稍大以减少Ⅱ型错误） 一般适用于n小于50样本的正态性检验 H0: 正态分布 H1: 非正态分布 ? = 0.10 非正态 七、 两样本方差齐性检验 S21 较大， S22 较小。 例：由X光片上测得两组病人的肺门横径右侧（cm），算得结果如下，试检验两个方差的齐性。 肺癌病人：n1=10，X1=6.21，S1=1.79cm 矽肺0期病人：n2=50，X2=4.34，S2=0.56cm ＝ ｎ1 －1= 10 －1= 9， ? = ｎ2－1= 50 － 1= 49 查附表3，P698（齐性检验用双尾界值） 得：F0.10/2,(9,49) ≈ F0.10/2,(9,48) =2.08, 所以 P 0.10 H0: 两总体方差相等 H1:两总体方差不等 ? = 0.10 =1.792/0.562=10.22 一般同质的两组资料方差相差不大，若两样本方差相差一倍左右，要注意方差不齐的可能。 问题： 若方差不齐，将如何处理？ （1）采用适当的变量变换，使达到方差齐性； （2）采用秩和检验； （3）采用近似法 tˊ检验 （1）选用的方法应符合其应用条件 （2）正确理解差别有无显著性的统计意义 结论中的“拒绝 H0 ，接受H1”，习惯上亦称“差别显著”，不应误解为相差很大。反之，“不拒绝H0”，不应误解为相差不大或一定相等。 例两篇同类文章，两样本均数比较，甲文P0.05; 乙文 P0.01。是否可认为乙文中两样本均数差值较甲文大？为什么？ 八、 假设检验时应注意的问题 （3）结论不能绝对化 统计的结论是按着概率大小作出判断，若取? = 0.05，此时拒绝H0 ，仍有0.05的概率犯错误；同样，不拒绝H0 ，也可产生错误。 第一类错误： 拒绝实际上成立的H0所犯的错误。P= ? 第二类错误： 不拒绝实际上不成立的H0所犯的错误。P=?，而?未知。 样本含量一定时，增大?，则减少?，减少?则增大?，所以， ?的确定并不是越小越好，一般取0.05较合理。 怎样才能同时减少?、?？ （4）结论时，尽可能明确概率范围 （5）统计结论应与专业结论相结合。 九、 利用总体均数的可信区间进行假设检验 （1）样本均数与总体均数比较 例2.14 据大量调查知，健康成年男子脉搏的均数为72次分，某一身在山区随机调查了25名健康男子，其脉搏均数为74.2次/分，标准差为6.0次/分，能否认为该山区成年男子的脉搏高于一般人群？ 单侧总体均数的95%可信区间： 不包括? 0 =72, P0.05 （2）配对设计的两均数比较 H0: ? d= 0 H1: ? d ? 0 ? = 0.05 包括? d= 0 , P0.05 总体均数的95%可信区间： （3）成组设计两样本均数的比较 H0: ? 1= ? 2