第五章+假设检验.pptVIP

表1 两类错误的关系 两类错误的关系可归纳如下： 第二节 平均数的假设测验 由样本平均数抽样分布的性质知道： 若x～N(μ, σ2)， 则 ～N(μ, σ2/n)。 将随机变量 标准化得： ，则u～N(0,1)。 当总体标准差σ未知时， 以样本标准差S代替σ所得到的统计量 记为t。在计算 时，由于采用S来代替σ，使得变量不再服从标准正态分布，而是服从t分布(t－distribution)。它的概率分布密度函数如下： 式中，t 的取值范围是（-∞，+∞）； v =df=n-1为自由度。 t 分布的平均数和标准差为： μt＝0 (v 1)， (v 2） t分布密度曲线如图4-13 所示，其特点是： 1、t 分布受自由度的制约，每一个自由度都有一条t 分布密度曲线。 2、t 分布密度曲线以纵轴为对称轴，左右对称，且在t ＝0时，分布密度函数取得最大值。 3、与标准正态分布曲线相比，t 分布曲线顶部略低，两尾部稍高而平。df 越小这种趋势越明显。df 越大，t分布越趋近于标准正态分布。当n 30时，t 分布与标准正态分布的区别很小；n 100时，t 分布基本与标准正态分布相同；n→∞时，t 分布与标准正态分布完全一致。 t 分布的概率分布函数为： 因而t 在区间（t1，+∞）取值的概率—右尾概率为1-F t (df)。由于t 分布左右对称，t在区间（-∞，-t1）取值的概率也为1-F t df)。 于是 t 分布曲线下由-∞到- t 1和由t 1到+∞ 两 个 相 等 的 概 率 之和——两尾概率为2(1-F t (df))。对于不同自由度下t 分布的二尾概率及其对应的临界t 值已编制成附表4，即t 分布表。 例如，当df=15时，查附表4得两尾概率等于0.05的临界t 值为 =2.131，其意义是： P(-∞t-2.131)= P(2.131t+∞) =0.025； P(-∞t-2.131)+ (2.131t+∞) =0.05。 由附表4可知，当df一定时，概率P越大，临界t值越小；概率P越小，临界t值越大 。 当概率 P 一定时，随着df的增加，临界t 值在减小，当df=∞时，临界t值与标准正态分布的临界u值相等。 二、单个样本平均数差异显著性检验 在实际工作中我们往往需要检验一个样本平均数与已知的总体平均数是否有显著差异，即检验该样本是否来自某一总体。已知的总体平均数一般为一些公认的理论数值、经验数值或期望数值。检验的基本步骤是： （一）提出无效假设与备择假设 ， ，其中 为样本所在总体平均数， 为已知总体平均数； （二）计算t 值 计算公式为： （三）查临界t值，作出统计推断 由 查附表4得临界值t0.05 ，t0.01。将计算所得的t值的绝对值与其比较： 若 |t| t0.05 ， 则 P 0.05 ， 不 能 否定 ，表明样本平均数 与总体平均数 差异不显著，可以认为样本是取自该总体； 若 t0.05 ≤ |t| t0.01，则 0.01P≤0.05，否定 ，接受 ，表明样本平均数 与总体平均数 差异显著，有95%的把握认为样本不是取自该总体； 若|t|≥t0.01，则P≤0.01，表明样本平均数与 总体平均数 差异极显著，有99%的 把握认为样本不是取自该总体。 若在0.05水平上进行单侧检验，只要将计算所得t值的绝对值|