第三章 总体均的估计 和假设检验.pptVIP

第三章 总体均数的估计 和假设检验 第一节 均数的抽样误差 和总体均数的估计 统计推断(statistical inference): 样本 总体 (1)参数估计 （2）假设检验 一、均数的抽样误差：在统计学上把由抽样造成的样本均数与总体均数间的差异或各个样本均数间的差异统称为均数的抽样误差。 性质： (1)原分布正态 新分布正态 原分布偏态 新分布近似正态 (2)原分布 x～N(μ,σ2) 新分布 ～N（μ, ） 标准误(standard error，简写为SE):统计量的标准差称为标准误。 标准误计算公式： 或 标准误： （1）意义： （2）应用： 标准差：（1）意义： （2）应用： 二、 分布 t分布特征： （1）单峰分布，以0为中心，左右两侧对称。 （2）t分布曲线不是一条曲线，而是一簇曲线(如图3.2)。其分布曲线的形态变化与自由度 υ?υ与n有联系，这里υ?n-1?有关。 （3）自由度υ越大，t分布越接近于正态分布；当自由度υ逼近∞，t分布趋向于标准正态分布。 t 界值表(附表2，P262 )： 当υ相同时，单侧P与双侧2P界值等，如单侧t0.05(9)=双侧t0.1(9) = 2.262 三、 总体均数的估计 参数估计(parameter estimation)是指由样本指标值（统计量）估计总体指标值（参数）。 1.点估计(point estimation)： 2.区间估计(interval estimation)：是按一定的可信度（1-α）估计未知总体均数（μ）的可能范围。 总体均数可信区间的计算 对上式进行变换，可得置信度为1-α 的总体均数可信区间的通式为： 习惯将上式写成： ? 若取1－α=0.95，则为总体均数95%可信区间，或取1－α=0.99.则为总体均数99%可信区间。 ? ? （二）σ已知 （按正态分布原理） ? ? ? （三）σ未知但n足够大(n50) （按正态分布原理） ? 常用u值表 参考范围(%) 可信区间： 可信限： 95%可信区间的含义： 可信区间的两个要素： 准确度(accuracy)：反映在可信度的大小，即可信区间包含μ的概率大小，愈接近1愈好； 精密度(precision)：反映在区间的长度，区间长度愈小精密度愈高。 一般情况下，95％的可信区间更为常用。 在可信度确定的情况下，增加样本量，可减少区间长度 （减小 ）提高精密度。 第二节 假设检验的基本原理和步骤 ? 一、检验假设的基本概念 ? 1．假设检验(hypothesis test)亦称显著性检验(significant test)。假设检验是对所估计的总体首先提出一个假设，然后通过样本数据去推断是否拒绝这一假设。 ? 例3.4 次/min 对一个样本均数与一个已知的或 假设的总体均数?0作比较，它们之间 差别可能有两种原因造成： ? 由于抽样误差所致， ? 由环境的原因，两个总体均数间有本质差异。 一、建立检验假设和确定检验水准 （一）假设 ? 假设有两个： ? 无效假设(null hypothesis)，符号为H0，又称检验假设。 ? 记为H0：μ=μ0 或μ-μ0=0 ? ? 备择假设(alternative hypothesis)，符号为H1， ? 记为H1：μ≠μ0 或 μμ0 或 μμ0? （二）检验水准 ? 检验水准(size of test)亦称显著性水准(significant level)，用α表示，是预先规定的概率值。是指检验假设H0成立,根据样本的信息而拒绝H0的可能性大小。在实际工作中一般取0.05