对比实验教材 PPT教材.ppt

0109-9271-HAYG Lemaire 零假设总是一个与总体参数有关的问题。关于样本统计量如样本均值和样本均值之差的零假设是没有意义的，因为样本统计量是已知的，当然能说出他们是否相等。例如0.9克显然不等于0。但是这并不等于总体均值之间就一定不同，所以我们要问总体均值之差是多少。 显著水平是抽样所得的数据拒绝了本来是正确的零假设的概率。 0.05是Fisher确定的，当零假设正确时落在临界值以外的样本统计量只占全部的5％ 显著水平是抽样所得的数据拒绝了本来是正确的零假设的概率。 0.05是Fisher确定的，当零假设正确时落在临界值以外的样本统计量只占全部的5％ 零假设提出的问题是用‘是’或‘不是’来回答的问题。答案是由样本数据所提供的信息决定的。既然所携带的信息来自样本而不是总体，其信息量就会受限制，就有可能犯错误。 第一类错误：在假设检验中拒绝了本来是正确的零假设 第二类错误：在假设检验中没有拒绝本来是错误的零假设 举犯罪的例子 零假设提出的问题是用‘是’或‘不是’来回答的问题。答案是由样本数据所提供的信息决定的。既然所携带的信息来自样本而不是总体，其信息量就会受限制，就有可能犯错误。 第一类错误：在假设检验中拒绝了本来是正确的零假设 第二类错误：在假设检验中没有拒绝本来是错误的零假设 举犯罪的例子 3.8One to One的问题 σ不等 实验和报告编写 第四单元 练习（30分钟） 例：两家供应商的硬盘性能指标数据,问是否这两个供应商有显著差异？ 谢谢大家！ 课程开发人员：孟繁一、高武 附录 假设检验术语 零假设 (Ho) -不存在变化或差异的命题。如果没有充分的证据拒绝它，就假设这一命题是真的。 备择假设(Ha) -- 存在变化或差异的命题。如果拒绝Ho，则认为这一命题是真的。 一类错误 -- 当Ho 实际上为真时而被拒绝所产生的错误，或是接受存在差异、但事实上却没有差异时所犯的错误。 二类错误 - 当Ho 实际上为伪而没有被拒绝所产生的错误，或是接受没有差异、但事实上存在差异时所犯的错误。 假设检验术语 α风险 - 出现第一类错误的最大风险或机率。这个机率总是大于零，通常为5%。研究人员决定拒绝Ho 所可以接受的最大风险。 β风险 - 出现第二类错误出现的风险或机率，或者是说，忽略了问题的有效处理或解决方案 显著水平--α。 显著性差异 - 用于描述统计假设检验结果的术语，即差异大得不能合理地归因于偶然因素 假设检验术语 检验统计值-- 标准化数值(z、t、F等)，代表Ho 的可行性，它以已知的方式分布，因此可以确定这种观察值出现的机率。通常， Ho 的可能性越高，则检验统计值的绝对值就越小，在这种分布范围内观察到这个值的机率也就越大 人口普查。但是由于资金、时间的限制，作普查通常是不可能的。这时，我们需要把收集的数据限制在总体的一个样本上。 统计研究者所面临的一个关键问题是如何选择样本。当我们品尝一勺汤时，我们关心的不是这勺怎么样，而是整锅汤怎么样。如果锅里的汤被充分搅拌了，我们只需品尝一小勺即可知道整锅汤的味道如何。无论是来自家里的小锅，还是工厂的大锅，我们都可以窥一斑而知全豹。这正如我们从总体中选择样本。如果总体能被搅拌均匀，那么包含1000个个体的样本，不管是以国家为总体，还是以城市为总体，都可以告诉我们同样多的内容。 普查（census）:收集总体中所有个体的数据 人口普查。但是由于资金、时间的限制，作普查通常是不可能的。这时，我们需要把收集的数据限制在总体的一个样本上。 统计研究者所面临的一个关键问题是如何选择样本。当我们品尝一勺汤时，我们关心的不是这勺怎么样，而是整锅汤怎么样。如果锅里的汤被充分搅拌了，我们只需品尝一小勺即可知道整锅汤的味道如何。无论是来自家里的小锅，还是工厂的大锅，我们都可以窥一斑而知全豹。这正如我们从总体中选择样本。如果总体能被搅拌均匀，那么包含1000个个体的样本，不管是以国家为总体，还是以城市为总体，都可以告诉我们同样多的内容。 独立性：一个盒子里有黑白两种颜色的票各3张，分别是1、2、3号，如果是黑色的，3次有1次出现2，白色的相同。颜色不改变号码的机会。颜色和号码是独立的。 黑色1、2、2，白色1、1、2，如果是黑色的，3次有2次出现2，如果是白色的，3次有1次出现2，所以不独立。 1、1、2、2、3，随机放回的从盒子中抽取2次，不管第一次抽取的是什么，第二次抽取2的概论是40％，抽取是独立的。如果不放回，第一次抽取的是1，那么第二次抽取2得概率是50％，如果抽取的是2，第二次抽取2的概率是25％。，所以抽取不独立。 体育彩票就是独立的,没有规律。 例：从u,方差Sigma方的总体中抽取容量为n的样本，其中u和Sigma方未知。 X1+x2是统计量，（x1-