第五章（一）统计推断-假设测验.pptVIP

第五章 统计推断(statistical inference) 由于研究目的常常为了发现一般规律，故研究总体常常是无限总体。 由于总体个体太多，不可能对每个个体都进行研究，故而只能抽取部分个体构成样本来研究。 样本是否能代表(来自)某总体、不同样本是否来自同一个总体、以及样本参数是不是总体参数的无偏估计等问题是生物统计学上的重要问题，也是本章所要讲的统计推断问题。 统计推断有两个途径： (1) 统计假设测验(statistical test of hypothesis)：先对总体提出一个假设，如假设该总体平均数(μ)等于某总体平均数(μ0)，即μ=μ0，然后通过样本数据去推断该假设是否可接受。如果可接受，样本很可能是抽自这个总体，否则很可能不是抽自这个总体。 (2)总体参数估计（estimation of population parameter）：是通过样本参数去估计总体参数或总体参数所在的可信区间。 实际上，统计推断的内容很广泛，除了本章要讲的对总体平均数和标准差的推断外，还有以后要讲的方差分析和回归分析等。? 第一节?统计假设测验的一般原理一、统计假设 在科研和实践中常常需要提出一个有关某总体参数的假设，如假设样本来自某总体或样本来自其它总体，这种假设称为统计假设。 统计假设有两种： 1. 无效假设（也叫零假设）：用H0表示，就是假设样本是来自某总体，该样本所代表总体与已知总体间或两样本各自所代表总体间在某参数上无显著差异。 若假定样本从具平均数μ0的已知总体中随机抽取的，即样本所代表总体的平均数μ与该已知总体平均数μ0间无显著差异，记作H0：μ=μ0。如假设新品种与老品种产量相等? 若假设两个样本分别是从两个具有相等平均数的总体随机抽取的，即两样本各自所代表总体的平均数相等，记作H0：μ1=μ2，或H0：μ1-μ2 =0。如假设两品种产量相等、两药品的疗效相同等。 2. 对应假设（或叫备择假设）：记作HA。是指与无效假设相对应的假设，是无效假设被假设测验否定后必须接受的假设。如无效假设为H0：μ=μ0，则备择假设HA：μ≠μ0。如无效假设为H0：μ1=μ2，则备择假设HA：μ1≠μ2。显然，若接受了无效假设，也就否定了备择假设。? 二、假设测验 提出假设以后，如何确定假设是正确的还是错误呢？ 方法1：检查这个总体、获得全部结果，然后比较此结果与原样本参数之间的差异。此法较准确，但是常常做不到。 方法2：研究样本与总体之间的关系和规律，在较少犯错误的情况下根据样本观察值资料对它所属总体进行推断。这种利用样本数据资料以测验假设是否正确的过程，就称为假设正确性的统计学证明，简称假设测验。 如果通过假设测验，发现原假设与试验结果相符，则接受这一假设，反之否定这一假设，而接受备测假设。? 统计推断中一个重要问题： 怎样判断结果与原假设相符合？其界限和标准如何确定？这是假设测验的重要内容。 下面以平均数为例，说明假设测验的具体内容。 例如：一个正常人的脉搏平均为72次/分。现在我们从医院测得10名患某种疾病的病人的平均脉搏为67.4次/分，并测得一般正常人的样本方差σ2=35.16。请问这些病人的脉搏是否正常？ 实际上，我们探讨的是，这类疾病是否导致脉搏的显著变化 统计推断的步骤： 要作出推断，可按以下步骤进行分析： 1. 对所研究总体提出一个假设。 一般地说，这个假设必须是恰当的和有意义的。 假设应具备两个条件： （1）必须与我们要分析的问题紧密联系在一起，将来无论接受还是拒绝此假设，都是一个重要结果； （2）此假设必须是进一步分析的基础。 在此前提下，我们可以根据假定总体及其抽样分布，计算随机样本平均数偏离总体平均数的概率，然后可根据一定的标准来判断此概率是否可以接受。? 在本例中，最合适的假设是，样本平均数67.4所代表总体的平均数为μ，与一般正常人的平均数μ0 =72无明显差别，即H0：μ=μ0 =72。 也就是说，这类疾病不导致脉搏的显著变化（对脉搏无影响），样本平均数 =67.4与正常人平均数μ0=72之间的差值（ -μ0=-4.6）是随机误差。 相应地，此无效假设的备测假设为HA：μ≠μ0=72，意思是这类疾病可导致脉搏的显著变化。 ? 2.按抽样分布计算平均数偏离总体平均数的概率 在无效假设正确的前提下，研究样本平均数 的抽样分布(根据前面的知识可知，是服从正态分布的)，算出随机变量 小于该样本平均数的概率。 在H0：μ=μ0=72条件下，样本 服从正态分布N(72，35.16/10)。根据此抽样分布，可以计算出任何随机样本 小于67.4的概率。即当 =67.4时， 3. 根据“小概率事件实际上不可能原理”来接受或否定原假设 小概率事件是指概率0.05或0.01等小数值的事件，这种事件在某一次试验