4.统计推断.pptVIP

2007.11.8 TYC SAS统计分析 教案 统计推断是根据总体理论分布，从样本的估计数对总体参数作出的推断。 统计推断包括假设检验和参数估计。 假设检验是在总体理论分布和小概率原理基础上，通过提出假设，确定显著水平，计算统计数，作出推断。 总体参数估计又分区间估计和点估计，与假设检验比较，形式不同，性质一样。 统计推断基础：概率分布 例题：某鱼塘水中含氧量，多年平均为4.5mg/l，现在该鱼塘测得水中含氧量分别为：4.33,4.62,3.89,4.14,4.78,4.64,4.52,4.55,4.48, 4.26mg/l，试检验该次测定水中含氧量与多年平均值有无显著差异？ 参数的区间估计与点估计 只要抽样为大样本，其样本平均数都近似服从正态分布，当概率水平α=0.05或0.01时的置信度为： 一个总体平均数μ的区间估计与点估计 两个总体平均数差数μ1-μ2的区间估计与点估计 两个总体平均数差数μ1-μ2的区间估计与点估计 方差同质性的检验 均数代表数据的中心位置，其代表性的好坏与观测数据的变异程度密切相关，方差是表示变异程度的一个重要统计数。假设检验要求方差同质性，否则检验的结论就不正确。 一个样本方差的齐性检验 例题：已知某农田受重金属污染，经抽样测铅浓度为4.2，4.5，3.6，4.7，4.0，3.8，3.7，4.2 (ug/g)，方差为0.150(ug/g)2,试检验污染的农田铅浓度与正常农田铅浓度的方差0.065(ug/g)2是否相同？ 多个样本方差齐性的检验：Bartlett检验 成组：两样本的总体方差σ1和σ2未知，但可假设σ1=σ2= σ的检验 成组：两样本的总体方差σ1和σ2未知，且σ1≠σ2，但n1=n2=n的检验 成组：两样本的总体方差σ1和σ2未知，且σ1≠σ2，n1≠n2的检验 成对数据平均数比较的t检验 序号 (1) 4 分钟 (2) 7 分钟 (3) d (4)=(3)-(2) d 2 (5)=(4)×(4) 1 36.70 37.05 0.35 0.1225 2 36.70 36.85 0.15 0.0225 3 36.90 37.05 0.15 0.0225 4 36.90 36.85 -0.05 0.0025 5 36.90 37.00 0.10 0.0100 6 36.65 36.90 0.25 0.0625 7 37.05 37.30 0.25 0.0625 8 36.75 37.05 0.30 0.0900 9 36.80 37.10 0.30 0.0900 10 36.55 36.80 0.25 0.0625 合计 2.05 0.5475 ∑ d ∑ d 2 例：某研究人员研究样品挥发性，共测定10个样品在4分钟和7分钟的浓度，测试结果见表，试比较两种放置时间测试结果是否相同？ H0: μd＝μ0=0 H1: μd ≠μ0 ≠0 α= 0.05 df=n-1=10-1=9，查双侧tα/2,df=t0.05/2,9=2.262，今求得 t =5.45＞2.262 ，P＜0.05，按α=0.05水准拒绝H0。可认为测试时间长短对测试结果有影响，7分钟测试结果高于4分钟。 * * 吉林大学远程教学课件 统计推断 统计推断 假设检验的概念 假设检验(hypothesis test)又称显著性检验(significance test)是统计推断中另一类非常重要的方法，是统计学中应用最广泛的方法。其意义和思维逻辑可通过下面的例题说明。 例：根据大量调查，已知正常地区大气中苯的浓度均数为12ppb。某科学家在一化工厂内随机抽查了25样品，求得其苯浓度均数为20ppb，标准差为6.0ppb。能否据此认为该区苯浓度高于其它地区的苯浓度？ 在本例中，化工厂地区苯浓度均数用μ化表示，一般地区苯浓度均数用μ0表示。 μ0=12ppb 一般总体 μ化= ？ 化工地区总体 n=25 这里μ化与μ0的关系只能有两种： ① μ化＝μ0 ② μ化≠μ0 μ化＞μ0 μ化＜μ0 这里根据专业知识，μ化≠μ0的关系中只能是 μ化＞μ0 。造成二种情况的原因有： ① μ化＝μ0 （同一总体）→ 抽样误差 ② μ化≠μ0 （不同总体）→ 本质不同 1、提出假设 无效假设（又称检验假设）：用H0表示。H0: μ＝μ0 。 备择假设（又称对立假设）：用HA表示。HA与H0对立。μ≠μ0 单侧检验或单尾检验。 双侧检验或双尾检验。 单双侧的选择在检验之前由专业知识确定。 假设检验的基本步骤 H0: μ＝μ0 单侧tα,df α=0.05 接受域 μ＝μ0 拒绝域 μ＞μ0 P P ＜0.05 H0: μ＝μ0 双侧tα/2,df α=0.05 接受域 μ＝μ0 拒绝域