单个正态总体参数的假设检验.pptVIP

主要内容 双侧检验（显著性水平与拒绝域 ） 右侧检验（显著性水平与拒绝域 ） 计算统计量： 3.根据显著水平?=0.05，查t分布临界值表， 查附表６得： 4. 做出统计判断 0 所以拒绝H0，接受H1。 分析： 例6-4正常人的脉搏平均为72（次/min）,现测得20 例慢性四乙基铅中毒患者的脉搏(次/min)的均值 是63.50，标准差是5.60，若四乙基铅中毒患者的脉 搏服从正态分布，问四乙基铅中毒患者的脉搏是否 低于正常人？（?=0.05） 分析： 1.建立假设 解: 单侧 计算统计量： 3.根据显著水平?=0.05，查t分布临界值表， 查附表６得： 4. 做出统计判断 所以拒绝H0，接受H1。 分析： 0 方差未知大样本正态总体均值的近似u检验 当样本容量很大时(n30)，近似有 　　设总体 ， 为抽自总 体X的样本，方差 未知，则 检验统计量 (近似服从) 例6-5.某制药厂生产复合维生素，要求每50g维生素 中含铁2400mg，现从某次生产过程中随机抽取50份 样品，测得铁的平均含量(mg)为2385.5，标准差为 32.8，问这批产品的平均含铁量是否合格？(?=0.05) 分析： 1建立假设： 解: 2计算统计量： 3根据显著水平?=0.05，查正态分布临界值表 ； 查附表４得： 4做出统计判断 0 所以拒绝H0，接受H1。 可以认为这批产品的 平均含铁量不合格。 三、配对比较总体均值的 t 检验 配对设计： 将受试对象按某些重要特征相近的原则配成 对子，每对中的两个个体随机地给予处理，称为 随机配对设计。 配对设计的类型： 自身配对 异体配对 自身配对： (1)同一受试对象给以某种处理前后的比较； 例如：对高血压患者治疗前后某一生理指标。 目的：推断某种处理有无作用。 (2)同一样本用两种方法处理的结果的比较。 目的：推断两种处理效果有无差别。 异体配对： 不同的受试对象按某些重要的特征相近的 原则配对，分别给以两种不同的处理。 例如：把同窝、同性别和体重相近的动物配成一对； 目的：推断两种处理效果有无差别。 检验目的： 检验两相关样本均数所代表的未知总体均数 是否有差别，从而推断两种处理的效果有无不同。 适用于配对设计的定量数据均数的比较。 应用条件： 1、配对设计的数据一一对应。 2、差值d变量服从正态分布，即 例6-6.为比较两种方法对乳酸饮料中脂肪含量测定结果是否不同，随机抽取了10份乳酸饮料制品,分别用甲、乙两种方法测定其结果如表,问两法测定结果是否同？（?=0.05） 0.506 0.870 10 0.997 1.200 9 0.512 0.730 8 0.454 0.750 7 0.517 0.978 6 0.337 0.687 5 0.316 0.632 4 0.500 0.674 3 0.509 0.591 2 0.580 0.840 1 差值d 乙法 甲法 序号 0.260 0.082 0.174 0.316 0.350 0.461 0.296 0.218 0.203 0.364 医学统计学 * * * * 医药数理统计方法 高等数学 假设检验的一般步骤 1、建立检验假设； 4.做出统计推断； 3.根据显著性水平?，确定拒绝域； 2.确定检验统计量及其分布，并根据样本值计算检验统计量的值； １.假设检验的基本原理： 基本原理就是人们在实际问题中经常采用的所谓小概率原理:“一个小概率事件在一次试验中几乎是不可能发生的”. 三、假设检验的两类错误 小概率事件还是会发生的 ２.两类错误及记号 (1)当原假设H0为真, 观察值却落入拒绝域, 而作出 了拒绝H0的判断, 称做第一类错误, 又叫弃真错 误。犯第一类错误的概率是显著性水平 。 (2)当原假设H0不真, 而观察值却落入接受域, 而作 出了接受H0的判断, 称做第二类错误, 又叫取伪 错误。犯第二类错误的概率大小用β表示。 例：检验某种新药的疗效。 H0：该药未提高疗效； H1：该药提高了疗效。 第一类错误： （弃真） 本来无效，但结论为有效，此时若推 广此药，对患者不利。 第二类错误： （存伪） 本来有效，但结论为无效，此时若不 推广此药，会带来经济上的损失。 假设检验的两类错误（概率） 第Ⅱ类错误(β) 存伪错误 推断正确(1- β) 检验功效 H0不真 推断正确(1-?) 置信度 第Ⅰ类错误(?) 弃真错误 H0为真 接受H0 拒绝H0 假设检验结论 实际情况 注意：拒绝H0，只可能犯Ⅰ型错误； 接