社会统计学 第七章 假设检验的基本相关知识 课件.pptVIP

第七章 假设检验的基本知识 第一节 假设检验的基本概念 一、假设（Hypothese）和研究假设 假设是对在自然中发挥作用的原理的试探性解释，它是对两个变量之间关系的一种推断。 研究假设是对研究人员认为可能出现的试验或研究结果的表述。在开展研究之前，研究人员经常会根据经验或以前的工作对研究结果形成一些看法或理论。这些在试验或研究进行之前就已确立的看法、理论或观点就是研究假设。 二、统计假设（Statistical hypothese） 为了科学地检验研究假设，需要用统计假设构建一个更为正规的假设结构，即先将研究假设转换成统计假设，然后利用标准程序对统计假设加以检验。 和抽样手段联系在一起，并且需要依靠抽样数据进行验证的假设，称作统计假设,简称假设。 所有的统计假设都是由两个部分组成的，一个原假设和一个备择假设。所有构造出来的这两个假设包含了试验或研究的所有可能结果。 原假设和备择假设是互斥的（无重叠），并且是穷尽的（包括所有情形）。从逻辑上讲，原假设和备择假设中只有一个是正确的，非此即彼，而不会两个假设同时正确。 备择假设的三种形式: μ﹥ 20 μ﹤ 20 μ≠ 20 原假设和备择假设的三种组合: (1) H0: μ＝ 20 H1: μ﹥ 20 (2) H0: μ＝ 20 H1: μ﹤ 20 (3) H0: μ＝ 20 H1: μ≠ 20 α α 五、假设检验中的假定 它是被确认和接受的事实,是进行检验的前提或要求。 六、统计量 统计量是样本ξ1，ξ2，…，ξn的函数f（ξ1，ξ2，…，ξn）,对于样本的观察值，统计量的值应该是确定的。那么,作为统计检验中的统计量,在原假设H0成立的条件下,也应该是确定的。 七、显著性水平α(Level of significance) 在原假设成立条件下，假设检验中所 规定的小概率的标准叫显著性水平。 八、临界值、拒绝域和接受域 临界值（Critical value）把整个样本的取值区间分为两大部分：接受域和拒绝域。当抽取的样本值落入接受域就接受H0 ，反之就拒绝H0 而接受H1 。 α 拒绝域(Rejection region)是指抽样分布内一端或两端的小区域，与拒绝域相关联的统计学概念是显著性水平。显著性水平表示拒绝域在整个抽样分布中所占的比例，也就是表示样本的统计值落在拒绝域的机会。 α H1：μ≠ μ0 H1：μ＜ μ0 H1：μ＞ μ0 接受域（Nonrejection region）是抽样分布内除了拒绝域以外的其它区域。与接受域相关联的统计学概念是置信度，或者说假设检验的接受域就是区间估计的置信区间。置信度表示接受域在整个抽样分布中所占的比例，也表示样本的统计值落在接受域的机会。如果样本的统计值落在接受域里，就应该接受原假设，反之，则拒绝原假设。 九、双边检验和单边检验 （一）双边(侧)检验（Two-tailed test） 如果拒绝域在统计量分布的两端，称为 双边检验或双侧检验。 双边检验在统计假设中通常使用=和≠，是不具有方向性的，因为备择假设涵盖了大于（＞）和小于（＜）两种可能。 （二）单边（侧）检验（One-tailed test） 如果拒绝域只在统计量分布的一端，则称为单边检验。 单边（侧）检验通常是方向性的，备择假设只使用大于号（＞）或小于号（＜）中的一种。只有当研究人员确切知道试验的结果只会在一个方向上发生时，或者研究人员只对试验的一个方向感兴趣时，才会使用单边检验。 1. 右侧单边检验 2. 左侧单边检验 α H1：μ≠ μ0 H1：μ＜ μ0 H1：μ＞ μ0 十、假设检验的基本原理 假设检验的基本原理是小概率原理。 小概率原理可以归纳为两个方面：一是小概率事件（概率不超过0.001、0.01或0.05的事件）在一次观测中是不容易出现的； 二是如果在一次观测中出现了小概率事件，就否定原假设，即认为在原假设为 真的条件下，所研究的事件不太可能发生。 所谓显著是指我们所抽到的样本统计可以区别出 与之间的显著差别，或者说样本统计值和总体参数的差不可能只是巧合造成的。但是，这里所说的差别并不意味着巨大的绝对差别，而是说这个差距相对抽样误差来说是