d04假设检验#.docVIP

第四章 连续型资料的假设检验 ★ 联系： 数据/变量分布的概况分布的特征数分布的应用样本数据x 频数分布表 频数分布图 描述指标(,Sx)参考范围 随机变量X ,误差-?概率分布表 概率分布图 总体参数() ()置信区间 ?: 假设检验 P(Z?k|?=?0)=?? P值是样本信息支持H0的概率 ? P(Z?k|?=?0)= 在H0: ?=?0条件下，误差不小于当前统计量值k的概率 例如，单侧：P(Z?1.96|?=?0)=0.025，双侧：P(|Z|?1.96|?=?0)=0.05 ? 假设检验任务：P≤?？（?＝可忽略的小概率值） P≤?则认为?≠?0 ? 区间估计判断“?≠?0 ？”：依据 N(?, ?2)（抽样实验） ? 95%CI不包含?0 ─→ P＜0.05 ? 95%CI包含?0 ─→ P＞0.05 例3.1 95%CI ?：(8.15, 10.15)，文献报道 ?0=10.50 决策 认为?≠?0，P＜0.05 ? 假设检验判断“?≠?0 ？”：依据 N(?0, ?2) 4.1 假设检验的独特逻辑 ? 假设检验的步骤及逻辑思维： 例3.1中， =9.15（对应?），?0=10.50，|－?0|=1.35 ? 样本结果差异原因：①抽样误差引起；②?≠?0（本质差异） ? 必须在两者中作抉择 (1) 建立统计假设(假设前提下才有规律可循) 。二种情形有、且 H0:?=?0＝10.50， H1:?≠?0=10.50 ? H0比较单纯、明确，在H0下，抽样误差服从某个特定的分布，便有规律可循；而H1却包含着种种未知情形，不容易弄清在H1下有什么规律。 ? 故我们着重于考察样本信息是否支持H0。 (2) 计算统计量(统计量的当前值多大？) ? 本例观察变量X服从正态分布N(?，?2)，今?未知，若有H0: ?＝10.50，则据第三章知识，统计量 t ＝～t分布， ?＝n-1 本例＝9.15，S＝2.13，n＝20，统计量t的当前值为 t＝＝-2.8345 ，?＝20-1＝19 (3)确定P值(当前t值对应的P值有多大?) P＝P(｜t｜≥2.8345)=？ 查阅t分布界值表可知 P＝P(｜t｜≥2.093)=0.05 即t0.05=2.093 今 tt0.05，故P0.05 -2.8345 0 2.8345 图4.1 t 统计量的当前值与P值示意图 0.01P0.02 P/2 P/2 2.093 -2.093 (4) 决策与结论(依据小概率?值进行决策) ? 决策者事先根据问题性质规定一个可以忽略的、小的概率值?，比如?＝0.05(或0.01) ? 今 P＜?＝0.05，标准离差 |t|≥2.8345 是小概率事件，可认为目前的差异不是由抽样误差所致，而是两个总体均数不相等。 ? 一般地，抉择的标准为： 当P≤?时，拒绝H0，接受H1；当P＞?时，不拒绝H0 ? 结果报告：首先给出统计推断结果，即列出统计量、P值(尽量用精确值)，以及是否拒绝H0；然后结合问题的具体背景给出推断结论。 ? 为方便叙述，人们常将拒绝H0说成“差别有统计学意义”(statistically significant difference)，简称“有统计学意义” (statistically significant)，但不提倡“差别有显著性”或“有显著性差别”的提法，因其易被误解为差别很大；相应地，将不拒绝H0说成“差别无统计学意义”，简称“无统计学意义”。 ? 本例结论： t＝-2.8345，P＜0.02，拒绝H0，接受H1，即认为样本对应的总体均数与文献报导的数值10.50mm/h不相同。结合实际，可认为该类患者血沉值低于10.50。 当然，这时 ? 第Ⅰ类错误(type Ⅰ error)：决策者拒绝H0时可能犯错误，这种错误称为第Ⅰ类错误。P值就是H0成立的条件下，犯第Ⅰ类错误的概率。 4.2 单组完全随机化设计资料均数的t检验 （样本与总体比较） 例4.1 根据大量调查，健康成年男子脉搏的均数为72次/分。某医生在一山区抽样调查了25名健康成年男子，其脉搏均数为75.2次/分，标准差为6.5次/分，能否据此认为该山区健康成年男子的脉搏高于一般水平? 分析 因每分钟脉搏数服从正态分布，可用单组完全随机化设计资料均数的t检验作分析。 (1) 建立检验假设 H0: ?＝?0，H1: ?≠?0 (4.1) (2) 计算统计量 基于已有知识，H0成立时检验统计量 t ＝～t分布 (4.