[工学]4统计假设检验与参数估计.ppt

第四章 统计假设检验与参数估计 统计推断是根据样本分布规律和概率理论，由样本结果去推断总体特征。它主要包括假设检验 （ test of hypothesis） 和参数估计（parametric estimation）两部分内容。 假 设 检 验 又叫 显著性 检验 （test of significance）。显著性检验的方法很多 ，常用的有u检验、t检验、F检验和?2检验等。尽管这些检验方法的用途及使用条件不同，但其检验的基本原理是相同的。 参数估计有点估计（point estimation）和区 间 估计（interval estimation）。 1 统计假设检验概述 与H0对应的假设，只有是在无效假设被否定后才可接受的假设。无充分理由是不能轻率接受的。 2. 在无效假设成立的前提下，构造合适的统计量，并由该统计量的抽样分布计算样本统计量的概率。 在统计学上 ，把小概率事件在一次试验中看成是实际上不可能发生的事件，称为小概率事件实际不可能原理。根据这一原理，当试验的表面效应是试验误差的概率小于0.05时 ，可以认为在一次试 验中试验表面效应是试验误差实际上是不可能的，因而否定原先所作的无效假设H0，接受备择假设HA，即认为试验的处理效应是存在的。当试验的表面效应是试验误差的概率大于0.05时， 则说明无效假设成立的可能性大 ，不能被否定，因而也就不能接受备择假设。 对于来自两个总体的样本，研究在无效假设 ： = 成立的前提下，统计量（ - ）的抽样分布。经统计学研究，得到一个统计量t： 根据两个样本的数据，计算得： - =11-9.2=1.8； 进一步估计|t|≥2.426的两尾概率，即 估计P（|t|≥2.426）是多少？ 查附表3，在df =（n1-1）+ (n2-1) =18时， 两尾概率为0.05的临界值： 两尾概率为0.01的临界t值： 由两样本数据计算所得的t值为2.426，介于两个临界t值之间，即： t0.052.426t0.01 所以，| t |≥2.426的概率P介于0.01和0.05之间，即：0.01 P 0.05。 如图所示，| t |≥2.426的两尾概率，说明无效假设成立的可能性， 即试验的表面效应为试验误差引起的可能性在0.01─ 0.05之间。 按所建立的 ： = ，试验的表面效应是试验误差的概率在 0.01 ─ 0.05 之间，小于0.05，故有理由否定 ： = ，从而接受 ： ≠ 。可以认为两个总体平均数 和 不相同。 综上所述，显著性检验，从提出无效假设与备择假设到根据小概率事件实际不可能性原理来否定或接受无效假设，这一过程实际上是应用所谓“概率性质的反证法”对试验样本所属总体所作的无效假设的统计推断。 在统计假设检验中，否定或接受无效假设的依据是“小概率事件实际不可能性原理”。用来确定否定或接受无效假设的概率标准 叫 显 著 水 平（significance level），记作α。 在试验研究中常取α=0.05或α=0.01。 假设检验时选用的显著水平，除α=0.05和 0.01为常用外 ，也可选α= 0.10 或 α=0.001等等。到底选哪个显著水平， 应根据试验的要求或试验结论的重要性而定。如果试验中难以控制的因素较多，试验误差可能较大，则显著水平可选低些 ，即α值取大些。反之 ，如试验耗费较大 ，对精确度的要求较高，不容许反复，或者试验结论的应用事关重大，则所选显著水平应高些，即α值应该小些。显著水平α对假设检验的结论是有直接影响的，所以在试验开始前应给以确定。 若|t| t0.05 ，则说明试验的表面效应属于试验误差引起的概率P0.05，即表面效应属于试验误差的可能性大，不能否定 ： = ，统计学上把这一检验结果表述为：“两个总体平均数 与 差异不显著”，在计算所得的t值的右上方标记“ns”或不做任何标记； 若t0.05≤|t| t0.01，则 说明 试验的表面效应属于试验误差的概率P在0.01—0.05之间，即0.01 P≤0.05，表面效应属于试验误差的可能性较小，应否定 ： = ， 接受 ： ≠ ，统计学上把这一检验结果表述为：“两个总体平均数 与