ch05均值的比较.pptVIP

第5章 均值比较与假设检验 均值比较 假设检验的思想与原理 单样本T检验 独立样本T检验 配对样本T检验 均值比较 示例:护士工资调查数据hourlywage.sav 菜单”分析/比较均值/均值” 单因素的均值过程分析:工作经验 多因素的均值过程分析:工作经验和工作位置 作图：菜单“图形/图表构建程序” 再如示例 数据文件brakes.sav,该数据为某工厂不同机器生产的刹车片直径，已知符合质量标准的刹车片直径应为322mm，现在需要知道哪些机器生产的刹车片直径不符合质量标准。 常常用比较两个总体均值的方式,来研究假设检验问题 什么是假设检验呢? 情形一:“根据我们的检验,我们的产品缺陷率只有千分之一.”,从1000件产品中随机抽了5件货品,其中2个有质量问题.你的结论? 不太可能-概率为0-小概率事件发生了-否定原假设 情形二:“根据我们的检验,我们的产品缺陷率只有百分之一.”,从1000件产品中随机抽了5件货品,其中2个有质量问题.你的结论? 事件发生概率0.088%！ 1)原假设错！缺陷率肯定高于1%,不合要求; 2)缺陷率确实只有1%,只是恰巧抽到有缺陷的. 在原假设成立的条件下，如果计算出样本所对应的事件发生概率比较大，那么没有理由拒绝原假设； 如果计算出样本所对应的事件发生概率比较小，即小概率事件发生了，依据小概率事件在一次试验中几乎不会发生的原理，它在一次实验中是不应该发生的。可事实是，本来不该发生的事件却在我们的实验中发生了。那么，只能说抽查结果不支持原假设中的论断。 假设检验的基本思路 反证法思想 先假定“H0为真”，如果检验中出现了不合理现象，则表明“H0为真”的假设是错误的，应该拒绝H0。 如果检验中未出现不合理现象，则表明“H0为真”的假设是正确的，应该接受H0。 小概率原理 小概率事件在一次实验中几乎不可能发生，如果小概率事件在一次实验中发生了，则有理由怀疑原假设的真实性，从而拒绝原假设。 假设检验的基本步骤 假设检验目的：检验原假设是否成立。其步骤如下 根据检验的目标，对待推断的总体参数或分布作一个零假设H0 选择检验统计量,且该统计量一定服从某种已知分布 利用收集到的样本数据和基本假设计算检验统计量的值及概率p值，即：检验统计量在某个特定的极端区域取值在H0成立时的概率. 如果概率p值小于用户给定的显著性水平a，则拒绝H0.否则，不拒绝H0. 显著性水平α 衡量稀有性(小概率事件)的标准,常取0.05或0.01 当原假设正确时,而被错误的拒绝了的概率，即弃真概率 有多大的可能出现当前的事情以及不利于原假设的情形,这为P值 定义”不大可能”:给定一个”小”的概率α，如果P α,认为“不大可能” 实际中很多假设检验问题都是比较两个总体的均值 菜单:分析/比较均值 均值比较 引例：上海市男性律师比女性律师收入高吗？对病人治疗前后生理指标的变化显著吗？…… 两组数据均值比较需要解决的问题： 判断两组独立还是有成对关系 独立组：男女律师的收入（任一男性律师工资与任一女性律师工资毫不相干） 成对组：治疗前后生理指标的变化。 (2) 概括两组数据 (3) 建立统计假设进行检验 (4) 解释输出 T检验简介 T检验：用于两组数据均数间差异的显著性检验。 常用于三种情况： 单样本T检验：检验样本均数与总体（理论）均数之间差异是否显著 独立样本T检验：检验两独立(不相关的)样本均数之间差异是否显著, 如男女的平均收入是否相同 配对样本T检验：配对比较或同一组对象实验前后的差异比较 数据文件brakes.sav,该数据为某工厂不同机器生产的刹车片直径，已知符合质量标准的刹车片直径应为322mm，现在需要知道哪些机器生产的刹车片直径不符合质量标准。 原假设：各机器生产的刹车片直径均值与322mm无显著差异。 单样本t检验 对数据文件，先按“机器号”作拆分数据 独立样本T检验 应用两独立样本T检验的前提条件： 独立性 正态性 大样本情况下， T检验对正态性具有稳健性，即：两样本分布形状相似，两样本量相差不太大时，仍可用T检验 方差齐性：常用Levene检验 Creditpromo.sav，记录了接受不同促销方案的用户信用卡消费数据，需要检验新的促销方法是否能促进信用卡的消费，以此决定是否继续推进这种新促销方式。 从统计角度说，比较采用新促销方法的信用卡消费均值与标准促销方法的信用卡消费均值，是否有显著差异。 方差齐性和正态性检验 菜单”分析/描述统计/探索” 配对样本T检验 应用配对样本T检验的前提条件： 两样本配对 两样本所来自的总体应服从正态分布 Dietstudy.sav 为检验某种饮食方案是否对有家庭心脏病史的病人有效,对16个病人进行了试验,记录他们在实行饮食方案前后的体重(磅)以及甘油三酸酯的水平(mg/10