第5讲 假设检验1北京大学医学部,统计学基础,统计学课件PPT.ppt

给定检验水平α，检验统计量(即 )的可 能取值范围被分成两部分：小概率区域与大概率区域。小概率区域就是概率不超过α的区域 ，是零假设的拒绝区域；大概率区域是概率为 1-α的区域，是零假设的接受区域。 问题： 1. 假设检验要解决的是什么样的问题？ 2.在例5.1中给的条件“正态分布”起的什么作用？如果没有这个条件能否解决例5.1的问题？ 3.为什么在例5.1中样本均值不等于规定的值时还不能说生产不合格？在解决例5.1问题的过程中哪里反映了对产生差异来源的考虑？ 4.这里的“反证法”是严格的逻辑上的反证？ 5.例5.1中取不同的检验水平,结论会有什么变化么？如果有变化，那么这样的检验方法还有意义么？ 问题1 1. 假设检验（hypothesis test）要解决的是什么样的问题？ 利用样本的信息判断一些关于总体的假设是否成立 问题2 2.在例5.1中给的条件“正态分布”起的什么作用？如果没有这个条件能否解决例5.1的问题 例5.1 某种药物有强烈作用，按规定有效成分含量为0.5mg/片。今随机抽取某厂生产的这种药品12片，测得平均有效含量为0.4938mg。假定药片有效成分含量服从标准差为0.01mg的正态分布。问这个厂家的产品是否符合要求？ （3）定义小概率事件：α=0.05 例5.1 （1）假设μ=0.5： （2）确定不利的范围： （4）计算“界”值。 问题3 3.为什么在例5.1中样本均值不等于规定的值时还不能说生产不合格？在解决例5.1问题的过程中哪里反映了对产生差异来源的考虑？ 样本均值 与0.5有差异,差异产生的原因: （1）标准差为0.01mg — 随机误差 （2）随机抽取 — 抽样误差 （3） 例5.1 样本均值 与0.5有差异,差异产生的 两种情形: （1） 抽样误差 （2） ＋抽样误差 绝对差值 抽样误差 问题4 矛盾！！！ 假设μ=0.5不成立，μ≠0.5。 结论: 理论上： 假设μ=0.5 事实上: 事件 为小概率事件 事件 不是小概率事件 4.这里的“反证法”是严格的逻辑上的反证？ 0.05水平上拒绝原假设H0 : μ=0.5 H0:μ=0.5 H1:μ≠0.5 0.5 H1:μ≠0.5 随机抽样模拟1 药品符合要求μ=μ0=0.5; 在α=0.01的水平上,不拒绝假设μ=0.5. 问题5 问题5 在α=0.05的水平上,拒绝假设μ=0.5. 在α=0.01的水平上,不拒绝假设μ=0.5. α的大小决定检验结论的性质 6. 检验的-p值 样本当前值 检验统计量当前值 概率 检验的-p值 p-值就是拒绝原假设所需的最低显著性水平 p-值判断的原则是：如果p-值小于给定的显著性水平α，则拒绝原假设；否则，接受原假设。或者，更直观来说就是：如果p-值很小，拒绝原假设，p-值很大，接受原假设。 0.05水平上拒绝原假设H0 : μ=0.5 拒绝原假设时可能犯的错误 7.两类错误 第Ⅰ类错误 随机抽样模拟1 药品符合要求μ=μ0=0.5; 第Ⅰ类错误 不拒绝原假设 拒绝原假设 原假设H0成立 正确 第I类错误 第I类错误：拒绝了正确的原假设 ——弃真错误 P{拒绝H0|H0真}－第Ⅰ类错误的概率 7.两类错误 * 假设检验是统计推断的另一种方式，它与区间 估计的差别主要在于：区间估计是用给定的大 概率推断出总体参数的范围，而假设检验是以 小概率为标准，对总体的状况所做出的假设进 行判断。假设检验与区间估计结合起来，构成 完整的统计推断内容。假设检验分为两类：一 类是参数假设检验，另一类是非参数假设检验。 本章讨论参数检验方法。 第五讲 参数假设检验 第一节 假设检验的基本思想 一、小概率原理 二、假设检验的一些基本概念 问题讨论 某种药物有强烈作用，按规定每片有效成分含量均值为0.5mg，标准差为0.01mg。假定药片有效成分含量服从正态分布。问怎样判断这个厂家的产品是否符合要求？ 要解决的问题：是否合格？ 有效成分含量为随机变量 问题3： 时，能否说明产品不合格？ 讨论 判断方法：抽样 问题1 抽样方法？ 问题2 样本容量？ 估计 随机抽样模拟1 假设:药品符合要求μ=μ0=0.5; 随机抽样模拟2 假设:药品不符合要求μ≠μ0=0.5; data a2; n=12;sigma=0.01;mu=0.49; seed=1325; k=20; do j=1 to k; do i=