第三章 计量资料的统计推断.ppt

第三讲 计量资料的统计推断;统计推断(Statistical inference)：用样本信息推论总体特征的过程。 包括： 参数估计: 运用统计学原理，用从样本计算出来的统计指标量，对总体统计指标量进行估计。 假设检验：又称显著性检验，是指由样本间存在的差别对样本所代表的总体间是否存在着差别做出判断。 ;主要内容;第一节 标准误（Standard error);;;一、t 分布的概念：从正态分布演化到t 分布的5个步骤。 反应抽样误差分布的规律。 二、t 分布图形： 三、t 分布面积特征( t界值表）：;t 分布的图形（u 分布 是t 分布的特殊形式）;t 值表（附表2 ） 横坐标：自由度， υ 纵坐标：概率， p, 即曲线下阴影部分的面积; 表中的数字：相应的 |t | 界值。;t 值表规律： (1) 自由度（υ）一定时，p 与 t 成反比; (2) 概率（p） 一定时， υ 与 t 成反比;;第三节 总体均数的估计;1、点(值)估计（point estimation)： 用样本均数直接作为总体均数的估计值， 未考虑抽样误差。;2、区间估计(interval estimation);; 换句话说，做出校全体女大学生身高均数为163.0 -- 164.5cm的结论，说对的概率是95%，说错的概率是5%；做出校全体女大学生身高均数为162.7 – 164.7cm的结论，说对的概率是99%，说错的概率是1%。; ;SPSS求可信区间;区间估计的准确度：说对的可能性大小， 用 (1-?) 来衡量。99%的可信区间好于95%的可信区间 （n, S 一定时） 。 区间估计的精确度：指区间范围的宽窄，范围越宽精确度越差。99%的可信区间差于95%的可信区间（n, S 一定时） 。  准确度与精确度的关系： （例如预测孩子的身高） ;正常值范围 概念：绝大多数正常人的某指标范围。（95%，99%, 指绝大多数正常人） 计算公式： 用途：判断观察对象的某项指标是否正常.;第四节 假设检验;假设检验： 1、原因 2、目的 3、原理 4、过程（步骤） 5、结果 ;1、假设检验的原因;2、假设检验的目的;反证法：当一件事情的发生只有两种可能A和B，为了肯定其中的一种情况A，但又不能直接证实A，这时否定另一种可能B，则间接的肯定了A。 概率论（小概率）：如果一件事情发生的概率很小，那么在进行一次试验时，我们说这个事件是“不会发生的”。从一般的常识可知，这句话在大多数情况下是正确的，但是它一定有犯错误的时候，因为概率再小也是有可能发生的。;4、假设检验的一般步骤;（1）. 建立假设 检验假设或者称无效假设（null hypothesis)，用H0表示， H0假设是假设两总体均数相等。 备择假设(alternative hypothesis)，用H1表示。H1是与H0相反的假设，假设两总体均数不相等。 ;（2）确定显著性水平（significance level α） 显著性水平(?)就是我们用来区分大概率事件和小概率事件的标准，是人为规定的。当某事件发生的概率小于?时，则认为该事件为小概率事件，是不太可能发生的事件。通常 ? 取0.05 或 0.01。游戏规则;（3）计算统计量 根据资料类型与分析目的选择适当的公式计算出统计量，比如计算出 u 值 或 t 值。 注意：在检验假设成立的情况下，才会出现的分布类型或公式。;（4）确定概率值（P） 将计算得到的u值或 t值与查表得到u?或t?，ν,比较 ，得到 P值的大小。根据u分布和t分布我们知道，如果|u| u?或| t | u? ，则 P? ；如果|u| u?或| t | u? ，则P? 。 ;（5）作出推断结论 如果p?，认为在检验假设H0成立的条件下，得到等于或大于现有统计量u值或t值的可能性大于?，不属于小概率事件，则不拒绝H0，差别无统计学意义，结论是不认为两总体均数不相等。如果p?，我们认为在检验假设H0成立的条件下，得到等于或大于现有统计量u值或t值的可能性小于?，可判断为小概率事件，则拒绝H0，接受H1，差别有统计意义，结论是两总体均数不相等，或者某一总体均数大于（或小于）另一总体均数。;5、假设检验的结果;第五节 未知总体与已知总体均数的 比较; ▲目的：比较样本均数所代表的未知总体均数 与已知的总体均数有无差别 ▲计算公式：u 统计量 ;▲ 适用条件： (1) 已知一个总体均数； (2) 可得到一个样本均数； (3) 可得到该样本标准误； (4) 样本量不小于100。;例题： (1) 一个总体均数：160.1 cm ; (2)