统计3 平均与平数差异的推论.ppt

部分三 平均与平均数差异的推论 第八章 假设检验 §8.1 假设检验的逻辑 假设检验是一个统计方法，它使用样本数据评估关于总体参数的假设。 假设检验的过程： 步骤一 ：陈述假设 用总体参数陈述的两个相反的假设： （1）虚无假设（H0），陈述了在普通总体中没有改变，没有差异，或没有相关。 在实验中H0，预测对于总体，自变量（处理）对因变量没有效应； （2）备择假设（H1），陈述了普通总体存在改变、差异或相关。 在实验中，H1预测自变量（处理）将对因变量有影响； 步骤二：为判定设定标准 如果H0是正确的，那么样本平均数可能接近虚无假设； 如果H0是正确的，那么样本平均数不太可能与虚无假设非常不同； 水平，为了分开大概率和小概率样本的界限，必须精确定义什么是“小”概率和“大”概率； 水平或显著水平是一个概率值，被用于定义在虚无假设是正确的情况下非常不可能出现的样本结果； 临界区域是由在虚无假设正确的情况下非常不可能出现的极端样本值组成的临界区域界限。 如果样本数据位于临界区域中，则拒绝虚无假设； 临界区域的界限。大多数情况下，样本平均数的分布是正态的，正态分布表将根据 提供位于临界区域界限上精确的z分数位置 步骤三：收集数据并计算样本统计量 获得样本数据并概括为适当的统计量 步骤四：做出判定 使用步骤三中的z分数，并依照步骤二中的标准对虚无假设做出判定。 例： 研究问题：出生前的酒精含量对出生体重的影响。 抽取随机样本n=16只怀孕的老鼠，每天喂一定量的酒精。从出生后的每窝小鼠中选出一只，产生了n=16只新生老鼠样本，平均体重M=15克 已知普通新生老鼠平均体重 =18克，体重正态分布， =4 步骤一：陈述假设与选择 水平。 =0.05 步骤二：找出临界区域设置判定标准。 临界区域是在虚无假设正确的情况下非常不可能出现的结果组成的。 步骤三：收集数据与计算检验统计量 样本平均数转换为z分数 步骤四：做出判定。 拒绝虚无假设 出生前接触酒精对出生体重存在显著效应 §8.2 假设检验的不确定性以及误差 假设检验存在着做出错误决定的可能性 第一类误差，发生在研究者拒绝虚无假设，但它实际上是正确的； 第一类误差意味着研究者做出结论处理存在效应，但事实上它没有效应； 假设检验的 水平是这个检验将导致第一类误差的概率，即 水平确定了在虚无假设正确的情况下得到样本数据在临界区域上的概率； 第二类误差 第二类误差发生在当研究者不能拒绝一个错误的虚无假设时； 在典型的研究中，第二类误差意味着假设检验不能检测出真正的处理效应； 与第一类误差不同，第二类误差是由多种因素决定的，它是一个函数，而不是一个精确的值； 第二类误差的概率用符号 表示 影响假设检验的因素 平均数差异的大小。平均数差异越大，z分数也越大，也越容易找到显著处理效应； 数据变异性。变异性越大，就越难得到处理的显著效应； 样本大小。样本越大，判断出显著处理效用的可能性越大。 z分数假设检验的假设 随机样本 独立观察 处理不会改变 值 正态样本分布 §8.3 方向性（单尾）假设检验 在方向性假设检验，或单尾检验中，统计假设（H0和H1）规定了总体平均数的增加或减少，即它们作出关于效应方向的陈述 方向性检验的假设： 虚无假设陈述了处理没有效应，备择假设陈述了效应的具体方向； 临界区域完全位于分布的一个尾端； 例： 已知2岁儿童的总体平均体重为12千克，方差为4。随机选择4个特殊护理过的新生儿，预测其体重将增加。现得到样本平均数M=15.5千克 步骤1 陈述假设： 步骤2 找出临界区域 步骤3 得到样本数据 步骤4 作出统计判断 拒绝H0 特殊护理确实导致了婴儿体重的增加 比较单尾与双尾检验 若上例使用双尾检验，则 单尾假设允许你在样本和总体之间的差异相对较小时拒绝虚无假设 单尾与双尾检验不同。但有人认为双尾更严格，也因而更令人信服；有人倾向于使用单尾，因为更敏感， §8.4 假设检验测量效应大小 （1）假设检验关注的焦点是数据，而非假设。 “如果虚无假设是正确的，这个特定的样本平均值是非常不可能出现的（p0.05）” （2）假设检验评估了处理效应的相对大小，而不是绝对大小。 存在一个显著处理效应不一定意味着存在本质上的处理效应。 测量效应大小 假设检验没有真正地评估处理效应的绝对大小，有时需要在报告显著性的同时报告效应大小 科恩d值用于测量效应大小， 统计效能 用于确定处理效应大小或强度； 统计检验效能是检验能