第7讲 假设查验.pptVIP

第7章 假设检验;*;*;*; ① 原假设（零假设，记为H0） ② 备择假设（记为H1） ;检验假设针对总体，而非针对样本 H0 和 H1 是相互联系、对立的假设，缺一不可 H0通常为：总体服从于某种分布、两个或多个总体参数相等、两个或多个总体分布相同等 H1通常为：总体不服从于某种分布、两个或多个总体参数不等或不全相等、两个或多个总体分布不同或不全相同等 ;*;主要内容;第一节 假设检验的基本思想及步骤;;Hypothesis Testing;Hypothesis Testing;Hypothesis Testing;Hypothesis Testing;Hypothesis Testing;Hypothesis Testing;Hypothesis Testing;Hypothesis Testing;Hypothesis Testing;Hypothesis Testing;Hypothesis Testing;Hypothesis Testing;Hypothesis Testing;*;*;*;*;*;*;Hypothesis Testing;;;Hypothesis Testing;表2掷四颗骰子点数的分布律;表2掷四颗骰子点数的分布律;;Hypothesis Testing;;概率的频数定义;费歇尔利用显著性检验产生了一个他称为P值的数字。这是一个计算出来的概率，是在零假设为真假定下，与观测数据有关联的一个概率。 例如，假定我们要检验一种新药，对做过乳房切除手术的妇女来说，这种药可以防止乳腺癌的复发。我们把这种药的效果与一种安慰剂作比较。此时的零假设（那个稻草人）就是，该新药不比安慰剂好。现在，假定5年之后，用安慰剂的妇女有一半乳腺癌复发，但用新药的完全没有复发，这样能证明新药“有效”吗？答案当然得看这个50%代表多少病人。;如果在这项研究中，两组各仅有4名病人，也就是总共有8名病人，而其中2人在5年后复发。假定我们任选一个8人团体，把其中两人做上标记，接着把人随机分成两组，每组4人，那么做标记的两个被分在同一组的概率大约是0.30. 因此，如果每组只有4名妇女，“所有复发的妇女都落在安慰剂组”是不显著的。 如果该项研究中每一组包含500名妇女，且乳腺癌复发的所有250名妇女都落在安慰剂姐，这是极度不可能的，除非新药真的有效。如果新药并不比安慰剂有效，这250名妇女都落在同一组的概率就是P值，计算出来的结果将小于0.0001。;*;哪一个盒子？;现从两个盒子中随机取出一个，问这个盒子里是99个白球还是99个红球？ ;假设：这个盒子里有99个白球！ 现从中随机??出一个球，发现是红球，此时应如何下结论？ ;如果盒中有99个白球，摸出红球的概率只有1/100，这是小概率事件 小概率事件在一次实验中发生的可能性很小或可认为不发生 现在竟然发生了，从而怀疑所作假设的真实性，认为该盒中所装的为99个红球; “反证法”先将要证明的结论假设为不正确 的，作为进一步推论的条件之一使用，最后推出矛盾的结果，以此否定事先所作的假设。反证法所认为矛盾的结论，也就是不可能发生的事件，这种事件发生的概率为零，该事件是不能接受的现实。 其实，我们在日常生活中，不仅不肯接受概率为0的事件，而且对小概率事件，也持否定态度。比如，虽然偶尔也有媒体报导陨石降落的消息，但人们不必担心天空降落的陨石会砸伤自己。;推理方法：带概率性质的反证法，小概率反证法 与一般反证法相比，有相同也有不同 思路相同，但一般反证法所得结论是绝对成立的，而小概率反证法所得结论具有概率性质，即可能正确也可能犯错误;统计假设——通过实际观察或理论分析对总体分布形式 或对总体分布形式中的某些参数作出某种 假设。;基本思想 ; 假设检验就是根据样本对所提出的假设作出判断：是接受，还是拒绝。;问题实质上都是希望通过样本统计量与总体参数的差别，或两个样本统计量的差别，来推断总体参数是否不同。这种识别的过程，就是本章介绍的假设检验(hypothesis test)。 ; 为了解某地1岁婴儿的血红蛋白浓度，某医生从该地随机抽取了1岁婴儿25名，测得其血红蛋白浓度的平均数为123.5g/L,标准差为11.6 g/L，而一般正常小儿的平均血红蛋白浓度为125 g/L，故认为该地1岁婴儿的平均血红蛋白浓度低于一般正常小儿的平均血红蛋白浓度。;【问题7-1】 （1）该结论是否正确？为什么？ （2）如何解决此类问题？;Hypothesis Testing;Hypothesis Testing;Hypothesis Testing;Hypothesi