假设学检验一.pptVIP

?0 ? 1-? H0：?=?0 ? ?1 u?（界值） H1：?=?1?0 ?1 图4.3 I、II型错误示意（以单侧t检验为例） 两类错误是互相关联的， 当样本容量固定时，一类错误概率的减少导致另一类错误概率的增加. 要同时降低两类错误的概率 ，或者要在 不变的条件下降低 ，需要增加样本容量. I 型错误和 II 型错误 当P ≤? 而拒绝H0接受H1，要注意第一类错误出现； 当P ＞? 而不拒绝H0，要注意第二类错误的出现。 第二类错误率? 表示失去对真实的H1作出否定结论之概率， 1－? 就是对真实的H1作出肯定结论之概率，常被用来表达某假设检验方法的检验的功效(power of a test)，国内学者称它为把握度：假设检验对真实的H1作肯定结论之把握程度。 * 检验水准的选择 检验水准有单双侧之分。选择要有专业背景。 检验水准大小的选择要慎重。 * 双侧检验与单侧检验 双侧检验 H0 : ?1＝?2 H1 : ?1≠?2 单侧检验(根据研究资料性质决定) H0 : ?1＝?2 H0 : ?1＝?2 H1 : ?1 ?2 H1 : ?1 ?2 * 双侧检验与单侧检验 选择要结合专业实际； 在相同的检验水准下，正确地选择单侧检验将比双侧检验得到更多的检验效能。 * 结论的概率性 无论做出何种推断结论，总是有风险的！ 拒绝H0时可能犯I类错误； 不拒绝H0时可能犯II类错误; 尤其是检验统计量位于检验界值的附近时，下结论更应慎重; 不拒绝H0，并不意味着接受H0。 不拒绝H0，只是说明现有的样本不足以拒绝H0假设，或者说，两个总体差异并不大，假设检验不能从现有的样本中发现差别。所以不能拒绝H0。 结论不能绝对化。 统计学已证明…… 由此可以肯定…… * P值的意义 从 H0 总体中随机获得等于或大于现有统计量值的概率。 拒绝H0时所冒的风险。 界值 界值 t t * ?的含义 在假设检验之前人为规定, 犯第一类错误的概率, 说明拒绝H0所冒的风险不可超过?。 若取? = 0.05水准，得P ≤?， 结论的基本意义是：按误差不超过5％的条件拒绝H0而接受H1； * * 选择题1 统计推断的内容是 A．用样本指标推断总体指标 B．检验统计上的“假设” C．A、B 均不是 D．A、B 均是 D * 选择题2 关于假设检验的P值，下列说法正确的是 A P是H0成立的概率 B P是 I 型误差的概率 C P是 H0 成立时，获得现有以及更大差别的概率。 D 统计推断时的风险。 C * 选择题3 由两样本均数的差别推断两总体均数的差别，得到差别有统计学意义的结论，是指 A 两样本均数差别有统计学意义 B 两总体均数差别有统计学意义 C 两样本均数差别和两总体均数差别都有统计学意义 D 其中一个样本均数和它的总体均数差别有统计学意义 B * 选择题4 当样本含量固定时，选择下列哪个检验水准得到的检验效能最高 ： A B C D E E * 选择题5 通常可采用以下那种方法来减小抽样误差： A．增大样本标准差 B．减小样本含量 C．扩大样本含量 D．以上都不对 C * 选择题6 配对设计的目的： A．提高测量精度 B．操作方便 C．为了可以使用t 检验 D．提高组间可比性 D * * 假设检验 hypothesis testing 统计推断(statistical inference) 根据样本所提供的信息，以一定的概率推断总体的性质。 总体参数的估计 (parameter estimation) 假设检验 (hypothesis testing) 主要内容 假设检验的基本思想 假设检验的目的 假设检验的基本步骤 问题的提出 一个小故事——女士品茶 H0：她没有这个本事，是碰巧猜对的！ 连续猜对10次的可能性 P 是多少？ P=0.510=0 你认为原假设 H0 成立吗？ 推断结论?她真的有这个本事！ (不是碰巧猜对的。) 依据：小概率原理。 P = 0.05为小概率。 假设检验的基本思想 提出一个假设(H0)； 如果假设成立，会得到现在的结果吗？ 两种： 得到现在的结果可能性很小(小概率) ?拒绝H0 有可能得到现在的结果(不是小概率) ?没有理由拒绝H0 假设检验的目的 总体Α是100例正常成年男子的血红蛋白(单位：g/L)，从中随机抽取样本a1 和样本 a2 ；