假设检验－update.pptVIP

心理与教育统计学 陈启山 华南师大心理系 kaisanchan@ 假 设 检 验 假设检验概要 假设检验的一般问题 总体均值的假设检验 两总体均值差异的假设检验 方差的假设检验 0 一个硬币的两面:估计与检验 市统考中，某班49人的平均成绩为85分，标准差为7，试推论该市学生的真实成绩分数。 这是一个区间估计的问题 若全市平均分为82分，问该班的成绩是否与全市平均水平不同？ 这是一个假设检验(显著性检验)的问题 它要问的问题是：该班是否是以82分为总体均值的抽样分布中的一个。如果是，它会服从分布的什么性质？如果不是呢？ 假如该班的成绩与全市平均水平相同，换言之，该班是以82分为总体均值的抽样分布中的一个，那么： 如果以上公式不成立，则说明“该班的成绩与全市平均水平相同”这一论断是错误的。 你发现了其中的逻辑了吗？ 某省高考后分析男女生在物理学习上的差异。随机各抽取10名男女考生，其均值分别为59.7、45.7，标准差分别为10.7、16.9。问男女成绩是否有差异？ 这个问题事关总体，而非单是样本。 假设两个总体不等？ 假设两个总体相等？ 1. 假设检验的一般问题 假设与检验 假设检验的原理 检验的两类错误 双侧检验与单侧检验 1.2 什么是假设检验(hypothesis test)? 概念，也叫显著性检验(significance test ) 事先对总体参数或分布形式作出某种假设 然后利用样本信息来判断原假设是否成立 类型 参数假设检验 非参数假设检验(如分布检验，独立性检验) 实例 市统考中，某班49人的平均成绩为85分，标准差为7，若全市平均分为82分，问该班的成绩是否与全市平均水平不同？ 如何提出假设并作出决策？ 1.3 假设检验的原理 采用逻辑上的反证法 依据统计上的小概率原理 1.3.1 反证法 虚无假设/零假设/原假设(null hypothesis/H0) 备择假设/对立假设(alternative hypothesis/H1) 假设检验首先假定H0为真，通过否定H0，来检验H1的真实性。 那么如何否定H0呢？ 1.3.2 小概率原理 小概率事件在一次实验或观测中，几乎是不可能发生的。 在一次试验中小概率事件一旦发生，我们就有理由拒绝原假设。 小概率由研究者事先确定(0.05, 0.01, 0.001等)。 “休闲版”假设检验原理 “我篮球技术很好，罚球命中率为80%” “投给我看看” 投20球，中了8球。 “啊哈，若你的命中率那么高，不可能20投只中8，我不信你的话” 在断言正确时很少会发生的结果若发生了，就是断言不正确的证据。 假设检验处理的是有关总体的假设，它要判断的是样本数据是否提供了不利于假设的证据。 “可以说，任何一个实验的存在，仅仅是为了给事实一个反驳虚无假设的机会。” Fisher 1.4 假设检验的步骤 提出原假设和备择假设 确定适当的检验统计量 规定显著性水平 计算检验统计量的值 作出统计决策 1.4.1 提出原假设和备择假设 原假设：待检验的假设，总是有等号 备择假设：与原假设对立的假设 1.4.2 确定适当的检验统计量 选择统计量的方法与参数估计相同，需考虑 总体方差已知还是未知 大样本还是小样本 检验统计量的基本形式为 1.4.3 规定显著性水平 研究者事先确定的概率值? a，通常为0.05，0.01 是原假设为真时，拒绝原假设的概率，被称为抽样分布的拒绝域。 1.4.4 做统计决策 计算检验统计量的值 根据给定的显著性水平，查出相应的临界值 比较检验统计量和临界值的大小 作出接受或者拒绝原假设的结论 1.5 假设检验的两类错误(决策风险) 假设检验是带有概率性质的推论，所以无论拒绝还是接受原假设，都有犯错的可能。 第一类错误(“拒真”错误, Type I error/false positives) 原假设为真，被拒绝时犯的错误，其概率为a(如0.05, 0.01)，称为显著性水平。 拒绝域的面积再小，按照概率法则，任意抽取的统计量仍有可能落入该区域，此时就可能犯错。 第二类错误(“受伪”错误, Type II errors/false negatives ) 原假设为假，被接受时犯的错误，其概率记为b。 其意义是说：即使接受原假设，我们也并没有100%的把握说差异不显著。 这种错误表现为我们没有侦测出本应显著的实验效应。 1-b表示原假设为假时，被正确拒绝，称为统计功效(power)。 1.5.2 两类错