[数学]统计推断.pptVIP

生物统计学 第五章 统计推断 概论 总体与样本之间的关系包括两个方面：一方面，已知总体，研究样本的分布；第三章和第四章分别讲述了随机变量的分布规律和样本统计量与总体参数的关系，这些都属于从总体到样本的研究。本章讨论如何通过样本去推断总体。由样本推断总体是以各种样本统计量的抽样分布为基础的（即第四章内容）。对总体做统计推断可以通过两条途径进行：一是统计假设检验-—首先对所估计的总体提出一个假设，例如假设所抽取的样本来源于某个平均数为μ的总体，然后，通过样本数据去推断这个假设是否可以接受。如果可以接受，样本很可能抽自这个总体；否则，很可能不是抽自这个总体；二是总体参数估计-—通过样本统计量估计总体参数。 统计推断的内容很广泛，以后还要讲列两种特定类型的统计推断方法，即方差分析和回归分析。本章重点讲解统计推断的一般原理以及对总体平均数及标准差的推断；第六章将介绍总体参数估计的方法。 5.1单个样本的统计假设检验 5.1.1统计推断的一般原理及统计推断过程的两种类型错误 拒绝域、接受域与临界值 在统计假设检验的实际应用中，通常并不直接算出零假设成立的实际概率，而是只计算u值，将求得的u值与显著水平对应的u值（即uα）比较，会有以下三种情况： 单尾检验μμ0：若u uα ，则否定H0，接受HA,U uα的区域称为拒绝域；若u uα，则接受H0，否定HA，U uα的区域称为接受域；拒绝域与接受域之间的分界值uα称为该显著水平α的临界值，用来作为统计假设检验的u值称为检验统计量。 单尾检验μμ0：显著水平α对应的临界值为-uα , U-uα的区域为拒绝域， U-uα的区域为接受域。 双尾检验μ≠μ0：显著水平α对应的临界值为uα/2 ,U-uα/2 及Uuα/2的区域为拒绝域， -uα/2Uuα/2的区域为接受域 两种类型的错误 Ⅰ型错误：即零假设H0是正确的情况下，错误地拒绝H0所犯的错误。Ⅰ型错误发生的原因是虽然H0是正确的，但是由于抽样的随机性，样本平均数落在拒绝域内，Ⅰ型错误发生的概率小于假设检验的显著水平α； Ⅱ型错误：即零假设H0不成立的情况下，错误地接受H0所犯的错误。Ⅱ型错误发生的原因是虽然H0不成立，但是由于抽样的随机性，样本平均数落在接受域内。 Ⅱ型错误发生的概率为β，β的概念是指μ≠μ0，但是μ等于另外一个特定平均数μ1的概率，因此β的大小是不定的，而与μ1有关。 说明 统计推断过程中，u值的计算 5.1.2单个样本的显著性检验 与统计假设检验相同，单个样本的显著性检验需要下列四个步骤： （1）提出假设； （2）确定显著水平； （3）采用适当的检验方法计算检验统计量； （4）作出统计推断。 5.1.3 在总体标准差σ已知的情况下，单个样本平均数的显著性检验—u检验 问题：从总体标准差σ已知正态总体或者近似正态总体随机抽取样本容量为n的样本，检验其平均数是否等于某特定值μ0。 检验步骤 （1）提出假设， H0：μ=μ0 HA： μ≠μ0或者μμ0或者μμ0 （2）确定显著性水平：通常以α=0.05作为检验的显著性水平，并根据显著性水平查表得到对应的检验统计量临界值uα； （3）计算检验统计量： 例题 5.1.4 总体标准差σ未知，单个样本平均数的显著性检验—t检验 5.1.5 单个样本变异性（方差）的差异显著性检验—χ2检验 5.1.6 单个样本差异显著性检验小结 5.2 两个样本的差异显著性检验 单个样本的差异显著性检验用于样本统计量与总体参数之间的比较，这种比较首先需要对总体参数提出合理的假定值。但是，实际工作中，这种假定值的合理提出是很困难的。因此，在实际应用中，往往是同时进行两个样本的实验，一个作为处理，另一个作为对照（空白），在处理组与对照组之间采用适当的统计分析方法进行比较推断，此即两个样本的差异显著性检验。 两个样本差异显著性的检验同样包括平均数和方差的差异显著性检验。 5.2.1 两个样本方差的差异显著性检验（方差的同质性检验）—F检验 F检验的“理论”程序 例题 两个样本平均数的差异显著性检验 两个样本平均数的差异显著性检验可以分为以下四种情况： 两个总体的标准差已知，两个样本平均数的差异显著性使用μ 检验； 两个总体的标准差未知，但经方差同质性检验，两个样本方差相等，两个样本平均数的差异显著性使用t 检验； 两个总体的标准差未知，且经方差同质性检验，两个样本方差不等，两个样本平均数的差异显著性使用Aspin-Welch 检验； 成对数据样本平均数差异显著性的t检验 5.2.2 标准差已知时，两个样本平均数的差异显著性检验 例题 5.2.3 两个样本标准差未知但相等，样本平均数的差异显著性检验—独立样本t 检验； 5.2.4 总体标准差未知且不等时，两平均数间差