第四章-参数估计与假设检验.ppt

假设检验的实质是判断观察到的“差别”是由抽样误差引起还是总体上的不同 目的是评价两种不同处理引起效应不同的证据有多强 证据的强度用概率P来度量和表示 二、假设检验的基本步骤 1.建立假设和确定检验水准 无效假设H0(null hypothesis)指需要检验的假设， 备择假设H1(alternative hypothesis)指在H0成立证据不足的情况下而被接受的假设。 例如建立治疗前后血清甘油三酯疗效的无效假设和备择假设分别为 备择假设双侧和单侧的选择 需根据研究目的和专业知识而定。 如治疗后血清甘油三酯下降的假设可表示为 一般情况下，双侧检验更为稳妥，因为对相同的样本，双侧检验得出有显著性差别的结论，单侧检验也一定是显著的。 检验水准 检验水准 , 也称显著性水平(significant level),是预先规定的拒绝域的概率值 实际中一般取 2.选择检验方法和计算检验统计量 根据资料类型、研究设计方案和统计推断的目的，选择适当的检验方法，不同检验方法各有其相应的检验统计量及计算公式。许多假设检验方法是以检验统计量来命名的，如 t 检验、u 检验、F 检验和 检验等。 3.确定P 值并做出统计推断结论 查表得到检验用的临界值，然后将算得的统计量与拒绝域的临界值作比较，确定P 值。如对双侧 t 检验 ，则 ,按检验水准 拒绝H0。 不拒绝H0不等于支持H0成立，仅表示现在样本信息不足以拒绝H0. P0.05称为“不显著”，0.01P=0.05称为“显著”，P=0.01表示“非常显著”或“极显著” P值的含义 P值是假设检验下结论的主要依据，其含义是指在原假设成立的条件下，观察到的样本差别是由于机遇所致的概率。 因此P值越小越有理由拒绝无效假设，认为总体之间有差别的统计学证据越充分。 The probability value (p-value) of a statistical hypothesis test is the probability of getting a value of the test statistic as extreme as or more extreme than that observed by chance alone, if the null hypothesis H0, is true. 小 结 1. 由抽样造成的样本均数与总体均数的差异称为抽样误差。抽样误差的大小可以用标准误进行衡量。 2.参数估计有点估计和区间估计两种方式。点估计的重要表达方式是平均值；区间估计是指按预先给定的概率，计算出一个区间，使它能够包含未知的总体均数。区间越窄说明估计的准确度越高。 3.总体均数可信区间的计算公式可以利用 的抽样分布获得。一种重要的方法是利用 t 分布计算区间两端的可信限 。单侧可信区间只需将公式中的双侧界值换成单侧界值。 4.假设检验的思想是，首先对所需要比较的总体提出一个无差别的假设，然后通过样本数据去推断是否拒绝这一假设。其实质是判断观察到的“差别”是抽样误差引起还是总体上的不同，目的是评价两个不同的参数或两种不同处理引起效应不同的证据有多强，这种证据的强度用概率P 度量和表示。 5.假设检验有三个基本步骤： ① 建立假设和确定检验水准，通常选 ② 选择检验方法和计算检验统计量 ③ 确定P 值和做出统计推断结论 所有的假设检验都按照这三个步骤进行，各种检验方法的差别在于第②步计算的检验统计量不同。 * t分布 特征 自由度ν越小，t值越分散，t分布的峰部越矮而尾部翘得越高； 自由度ν较小时,曲线峰的高度低于标准正态曲线,且曲线峰的宽度也较标准正态分布曲线峰狭，尾部面积大于标准正态曲线尾部面积,而且自由度越小，t分布的这种特征越明显（翘尾低狭峰） t分布 特征 自由度ν越大，t分布越接近于正态分布；当自由度ν逼近∞时，t分布趋向于标准正态分布。 自由度ν不同，曲线形态不同，t分布是一簇曲线。 不同自由度下的t分布图 概率?、自由度?与t值关系　　　　　　　 　——t界值 标准正态分布中u值大小与尾部面积（概率?）有关，以u? (单侧）和u?/2（双侧）表示； 在t分布中，当自由度ν一定时,?越小，|t|越大； 在?一定