第四章 显著性检验.doc

PAGE PAGE 104 第三章 显著性检验 第一节 测验误差 在对总体参数进行估计时，由于随机因素的影响，必然会存在着误差，测验误差可分为两类：一类是随机误差，一类为系统误差。 由偶然因素引起的误差叫做随机误差。 例如，在一次打靶试验中，某个运动员的平均水平是7环。但这并不意味着运动员每次打靶的成绩都是7环，他可能第一次打靶是9环，第二次打靶是4环，一些偶然因素的干扰可能影响到他的打靶成绩，如风向、子弹偏重、心情紧张等等。由这些偶然因素引起的误差便是随机误差。 又如，在教育测验中，由于考生临场紧张，生病、休息不好等因素，都会影响到他（她）的考试成绩。由这些因素引起的误差也是随机误差。 由测量系统或者测量工具引起的误差叫做系统误差。 例如，在打靶试验中，某射手平均成绩是7环，但由于枪的准星不准，结果他的总平均成绩只有5环。象这种由测量工具本身的原因造成的误差便是系统误差。 又如，在教育测验中，某次考试涉及到尚未学习过的知识，或者测验试题有错，或者数学测验涉及到物理问题，这些因素都会影响到考生的考试成绩，这种误差就是属于系统误差。 随机误差虽然不可避免，但随着试验次数的增加，随机误差会逐渐缩小，且在样本确定以后，其误差分布有一定的范围，而系统误差则是稳定的，它不会随着试验次数的增加而缩小。 如何区分测验误差是随机误差或系统误差，这是显著性检验所要讨论的内容。 第二节 检验 总体平均数的检验 在教育统计中，总体平均数是最重要的一个集中量数，它能很好地反映出数据的集中趋势。但在实践中，总体平均数通常都是未知的，因此，需要进行估计。由于误差的存在，估计出的平均数与总体平均数总是有差异的，然而这种差异不应过大，而应有一定的分布范围。当超过了这个范围，这个估计值就是不可以接受的，这就需要对平均数的差异进行显著性检验。在教育统计中，对这类问题的检验主要是用检验，下面我们来讨论检验的操作过程。 设是取自某一正态母体的一个样本，已知，为样本平均数。 检验过程： 假设：，备择假设：； 计算Z统计量： ，如果为真，则，从而 ； 3) 给定显著水平 （通常取0.05），查正态分布表，得分位值 ，于是，在为真的情况下，。 的意义如图所示。 若成立，则的概率为，的概率为，如果取，则； 在一次抽样中，大概率更容易发生，而小概率则不易发生。 4)统计推断： 如果，则表明在的假设下，发生了大概率事件，因此接受， 如果，则表明在的假设下，发生了小概率事件，因此拒绝，接受。 应用举例 例1 某厂一车床生产圆形工件，其直径据经验服从正态分布，其中，现抽取样本，算得，试检验：。 解：1）假设：； 2）计算统计量： ； 3）给定显著水平，查正态分布表，得； 4）统计推断： ，∴接受，样本平均数与26没有显著差异 在例1中,拒绝域是一个小概率区间,而接受域则是一个大概率区间,这是因为人们认为,考虑到随机误差的影响，对于大量的,长时间经验所取得的结果,不应当轻易加以否定,因此接受域应定得大一些。但是接受域概率究竟要大到什么程度才算合适，对此人们并没有一个明确的结论，通常将接受域概率定为９５％，也可以定为９０％或者９９％。对于这一点没有一个一般性的规定。主要视具体情况而定。 如果对于这样大概率的接受域，样本统计量都要掉在小概率区间，这时，我们就有充分的理由认为是不真的，因此应拒绝。 然而在实践中，我们仍然有可能犯两种错误：第一种错误是错误地拒绝，第二种错误是错误地接受，这两种错误的意义如下表所示： 　　　　　　　　　　　　　　　　　　 为真 为假 拒绝 第一类错误：错误拒绝。 正确拒绝 接受 正确接受 第二类错误：错误接受 　　从表中我们可以看出，第一种错误是将原本为真的结论错误地拒绝，第二种错误则是将愿本为假的结论错误地接受。在实践中，这两种错误都有可能犯，犯两种错误的概率如下图所示： 上图中左边的曲线代表：为真时的曲线,而右边的曲线则代表备择假设：为真时的曲线。表示的是犯第一种错误的概率，而表示的则是犯第二种错误的概率。 人们在实践中总是希望同时减少犯两种错误的概率，然而在样本已确定的情况下，要减少犯第一种错误的概率，则势必增加犯第二种错误的机会，反之亦然。在显著性检验中，这是一对难以调和的矛盾，要想同时减少犯两种错误的机会，只有增加样本才有可能。 在实践中,有时错误接受可能带来严重后果,例如,民航机飞行员的招生,如果把不合格的考生招进来,其后果将是灾难性的，在这种情况下，宁愿错误拒绝也不愿错误接受，这时可将定得大一些。反过来，如果错误拒绝可能带来更大的不良后果，则可将定的小一些。 在例１中，我们假定方差是已知的，而在实践中，通常总体方差是未知的，这时只要样本足够大，就可用样本方差代替总体方差。 例2 已知在某年的高考中，数学平均成