[2018年最新整理]4抽样误差与假设检验.pptVIP

第四章 抽样误差与假设检验 第一节 均数的抽样误差与标准误差 标准差和标准误的区别 t分布曲线是单峰分布，以0为中心，左右两侧对称 曲线的中间比标准正态曲线（Z分布曲线）低，两侧翘得比标准正态曲线略高。 t分布曲线随自由度υ而变化，当样本含量越小（严格地说是自由度υ =n-1越小），t分布与Z分布差别越大；当逐渐增大时，t分布逐渐逼近于Z分布，当υ =∞时，t分布就完全成正态分布 。 t分布曲线是一簇曲线，而不是一条曲线。 t分布下面积分布规律：查t分布表。 t-分布曲线下面积为1 第四章 抽样误差与假设检验 第一节 均数的抽样误差与标准误差 可信区间的含义是：有（1-α）的把握认为总体参数位于该区间内。而不是总体参数落在该范围的可能性为α。 第四章 抽样误差与假设检验 第一节 均数的抽样误差与标准误差 什么是假设检验？ 3.特点 (1)采用逻辑上的反证法 (2)依据统计上的小概率原理 如果第一种可能性较小时，可以拒绝它而接受后者，统计上称差异有统计学意义。 假设检验的基本步骤: 检验水准(亦称显著性水准)符号为α，是一个预先给定概率值。 双侧检验与单侧检验 (假设的形式) 2.σ已知，按标准正态分布原理计算 Zа/2为标准正态变量，Zа/2相当于按ν=∞时及P取α，由附表2查的的t界值。 95%的双侧置信区间： 99%的双侧置信区间： 3.若σ未知，但样本例数n足够大（n＞50）时 由t分布可知，自由度越大，t分布越逼近标准正态分布，此时t曲线下有95%的t值约在±1.96之间，即 99%的双侧置信区间： 95%的双侧置信区间： 例3 某市2000年随机测量了90名19岁健康男大学生的身高，其均数为172.2cm，标准差为4.5cm,，试估计该地19岁健康男大学生的身高的95%置信区间。 该市19岁健康男大学生的身高的95%置信区间(171.3,173.1)cm 可信区间的确切含义 95%的可信区间的理解： 1、所要估计的总体参数有95%的可能在我们所估计的 可信区间内。 2、从正态总体中随机抽取100个样本，可算得100个 样本均数和标准差，也可算得100个均数的可信区间， 平均约有95个可信区间包含了总体均数。 3、但在实际工作中，只能根据一次试验结果估计可 信区间，我们就认为该区间包含了总体均数μ。 意义： 95%的参考值范围是指同质总体内包括95%个体值的估计范围。若总体为正态分布，常按 计算。 95%的可信区间是指按95%的置信度估计的总体参数的所在范围。若为大样本，按 计算。 计算上： 置信区间用标准误，参考值范围用标准差。 思考！ 均数置信区间与参考值范围的区别 思考！ 均数置信区间与参考值范围的区别 计算上：置信区间用标准误，参考值范围用标准差。 一、假设检验的概念： 一般科研程序:假说----验证----对假说作出结论 统计上的假设检验: 　　假设检验亦称为显著性检验，是先对总体的参数或分布作出某种假设，然后用适当的方法，根据样本对总体提供的信息，推断此假设应当被拒绝或不拒绝。 1.概念 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 2.类型 (1)参数假设检验 (2)非参数假设检验 两均数两率不等 ﹡假设检验的基本原理 抽样误差所致 （来自同一总体） P0.05=α ? 假设检验回答 P0.05=α 环境条件影响 （来自不同总体） 反证法 小概率思想 先对总体的参数或分布作出某种假设，再用适当的方法根据样本对总体提供的信息，推断此假设应当拒绝或不拒绝。 本例两个均数不等有两种可能性： ①山区成年男子的脉搏总体均数与一般健康成年男子的脉搏总体均数是相同的，差别仅仅由于抽样误差所致,来自同一总体； ②受山区某些因素的影响，两个总体的均数是不相同的,有本质性区别,不是来自同一总体。 如果第一种可能性较大时，可以接受它，统计上称差异无统计学意义； 如何作出判断呢？按照逻辑推理: 1．建立检验假设、确定检验水准和单双侧 检验假设 无效假设 备择假设 符号为H0:μ1＝μ2 符号为H1:μ1≠μ2 即假设均数来自同一总体，它们的总体均数相同，样本均数间无本质的不同，差别仅由抽样误差引起； 即假设均数来自不同总体，它们之间的差别存在本质的不同，并非仅由抽样误差引起。 确定检验水准：亦称为显著性水准，符号为α，是预先给定的概率值。是判定样本指标与总体指标或两样本指标间的差异有无统计学显著性意义的概率水准，在实际工作中， α常取0.05