第8章 平均数的假设检验.pptVIP

第8章 平均数的假设检验 8.1 假设检验 8.2 总体平均数的假设检验 8.3 两总体平均数之差的假设检验 8.4 功效函数和效应度 重点 假设检验分为参数假设检验和非参数假设检验，本章阐述关于平均数（单样本和双样本）的参数假设检验。 假设检验总是先提出两个相互对立的假设—零假设和备择假设，然后从零假设出发，计算其被拒绝的概率，然后做出接受或拒绝零假设的决策。 常用的检验统计量共同的特征是：检验统计量=（样本统计量-相应参数）/样本统计量的标准误差。 重点 根据样本平均数的抽样分布，可以对总体平均数进行差异显著性检验，需考虑总体方差是否已知，总体是否服从正态分布，是大样本还是小样本等问题。 根据两个独立样本平均数之差的抽样分布，可以检验两个总体的平均数有无显著差异，需考虑两总体的方差是否已知，两总体是否服从正态分布，方差是否齐性，是大样本还是小样本等问题。 重点 独立样本和相关样本在抽样方法和计算公式上都是不同的。 α错误或β错误的概率都是可以计算的，且两者不可能同时增大或同时减小。 统计功效、效应度和ω2从不同的侧面反映了自变量对于因变量的影响程度。 假设检验(hypothesis testing) 假设检验回答的问题 某总体平均水平有无显著变化？ 两总体平均水平有无显著差异？ 多个总体平均水平有无显著差异？ 两个或多个总体方差有无显著差异？ ……以上：参数假设检验 某总体是否服从正态分布（或其他分布）？ 某串数据是否随机？ ……以上：非参数假设检验 假设检验 利用样本信息，根据一定概率，对总体参数或分布的某一假设作出拒绝或保留的决断称为假设检验。 参数假设检验是对关于总体参数的假设进行检验。 假设检验的例子 某校学生的作文平均成绩为80分，标准差为10分。使用新的教学方法后，从学生中随机抽取50人，计算得到平均成绩为85分。问能否从总体上说新旧教学方法的效果有显著差异？ 差异是抽样误差还是不同的教学方法导致？ 推断过程的几个阶段 第一，假设新旧教学方法效果没有显著差异，成绩差异完全由抽样误差造成； 第二，判断成绩差异的相对大小，评价抽样误差能解释全部成绩差异的可能性； 第三，对是否接受第一阶段的假设做出决断。 如果抽样误差能解释全部的成绩差异，则接受该假设；否则，就拒绝该假设，并选择接受与其相反的假设。 假设检验的基本思想 设（X1，X2，…，Xn）是抽自正态分布总体X~N(μ, σ2)的一个容量为n的简单随机样本，则其样本均值也是一个正态分布随机变量，且有 假设检验 示意图 假设检验的基本思想 从一个平均数为μ，方差为σ2的正态总体中抽取的容量为n的样本的平均数，随着样本的不同，有的可能高于μ ，有的可能低于μ ，但是它们总是围绕μ上下波动，而且落在离μ近的地方的概率大，落在离μ远的地方的概率小。 概率小于0.05而大于0.01的小概率事件—“几乎不可能发生”的事件；概率小于0.01的小概率事件—“几乎完全不可能发生”的事件。 假设检验的基本思想 如果样本平均数落在了某个置信水平的置信区间之外，那么，什么是更有可能的呢？ 这个样本所在的总体的平均数应该不是μ ，或者说这个样本是从另一个总体中抽出来的。 这个样本所在的总体平均数与原来的那个总体平均数μ有显著差异。 平均数的假设检验的逻辑规则 如果样本平均数落入某个置信水平的置信区间之内，就说明这个样本平均数所代表的总体的平均数与μ没有显著差异；相反，如果样本平均数落在某个置信水平的置信区间之外，就认为样本平均数所代表的总体的平均数与μ有显著差异。 某个置信水平的置信区间就是接受假设的区域—接受域(region for acceptance)；某个置信水平的置信区间以外的区域就是拒绝假设的区域—拒绝域(region for rejection)。 假设检验的步骤 1.提出相互对立的假设 即零假设（null hypothesis，或称原假设、虚无假设、解消假设），用HO表示。 备择假设（alternative hypothesis，或称研究假设、对立假设），用H1表示。 假设检验是从零假设出发，视其被拒绝的概 率，从而得出决断。 假设检验的步骤 2.确定适当的检验统计量并计算其值 确定检验统计量时，要根据抽样分布做出选择。不同类型的问题涉及到的抽样分布不同，要选择不同的检验统计量。 许多常用的检验统计量的共同的特征： 检验统计量=（样本统计量-相应参数）/样本统计量的标准误差。 假设检验的步骤 3.规定显著性水平 拒绝零假设的概率（小概率事件的概率）称为显著性水平（significance level）α。 显著性水平设定以后，就可以设定接受域和拒绝域。注意：这里的接受域和拒绝域都是针对零假设而言的。 显著性水平和可靠性程度（置信水平）之间的关系是：两者