现代心理与教育统学.pptVIP

两方差之比的区间估计 从公式 中可以看到样本平均数之比与总体平均数之比的比呈F分布。 因此 由于F均为正值 因此 ，并且 ，所以 第四节 相关系数的区间估计 第五节 比率及比率差异的区间估计 第八章 假设检验 第一节 假设检验的原理 1 假设与假设检验 假设是科学研究中广泛应用的方法，它是根据已知理论与事实对研究对象的假定性说明。统计学中的假设一般专指用统计学术语对总体参数所做的假定性说明，记作H1。 在统计学中，不能对H1的真实性直接验证，而需要对与H1相反的假设H0进行检验。 H0称为原假设、零假设或无差假设 H1称为对立假设或备择假设。 假设检验就是要看是接受H0，还是拒绝H0，若接受H0，则H1不成立，若拒绝H0，则H1成立。 假设检验中的小概率原理 假设检验中的“反证法”不是从逻辑上推导逻辑上的矛盾性来否定原假设，而是从小概率事件的发生，这一角度来否定原假设。 两类错误存在有相互妥协的地方： 如果接受所有假设，则不会有第 I类错误，但容易犯第 II错误 如果拒绝所有假设，则不会有第 II类错误，但容易犯第 I 错误 通常以5%显著水平做为临界值来判断。 两类错误的关系 ①α+β不一定等于1； ②其他条件不变， α和β不可能同时减小或增大； ③统计检验力（1-β） 第二节 平均数的显著性检验 检验样本平均数是否与总体平均数有差异。 1 总体正态分布，总体方差已知。 此时，样本平均数的分布呈正态分布 样本平均数的标准分数为 2 总体正态分布，总体方差未知 此时，样本平均数分布为t分布。 3 总体非正态分布 总体方差已知，样本量大时，近似正态分布。 总体方差未知，样本量大时，近似t分布；由于样本量大时，t分布近似正态分布；因此可以用近似正态分布。 第三节 平均数差异的显著性检验 检验的目的在于由样本平均数之间的差异 ，来检验各自代表的两个总体之间的差异 。 1）两个总体都是正态分布、两个总体方差都已知的情况： ① 独立样本的平均数差异检验 当两个变量相互独立时，其和的方差等于各自方差的和，即： t分布 设 为来自正态总体 的一个样本， 为样本均值， 为样本方差，则 服从自由度为n-1的t分布，即 1 t分布的特点 ①平均值为0 ②以平均值0左右对称分布，左侧t为负值，右侧t为正值。 ③变量取值在-∞~ ∞之间。 ④t分布为一族分布，随着df的改变分布的形态也改变。当样本容量趋于∞时，t分布为正态分布，当n-130时，t分布接近正态，方差大于1，随n-1的增大方差逐渐趋于1；当n-130，t分布与正态分布相差较大，随n-1减少，方差越来越大，分布图的中间变低但尾部变高。 2 T分布表的使用 3 样本平均数分布 ①总体分布为正态，总体方差未知，样本平均数的分布服从t分布。 从正态分布的总体中抽取容量为n的样本，抽取多个，计算每个样本的平均值，由于总体方差未知，因此此时的样本平均数分布不是正态分布而是t分布。 样本平均数的平均数为总体平均数，样本平均数分布的标准差（也称标准误SE）与样本本身标准差有如下关系： ②当总体分布为非正态而其方差又未知时，若满足n30，则样本平均数的分布近似为t分布。 卡方分布 从一个服从正态的总体中，随机抽取n个样本，可以获得n个X，计算n个X的平方和。 再随机抽取n个样本，又可以获得n个X，计算n个X的平方和。 如果抽取B次，那么可以获得B个n个X的平方和。 如果B趋近于无限，则n个X的平方和服从卡方分布。 每个样本均可计算一个卡方值。若将X转化为标准分数，则有 此时的自由度为n。 若总体平均数未知，则用样本平均数作为估计值，则有 此时的自由度为n-1。 1 卡方分布的特点 ①卡方分布是正偏态分布。随df减少，分布越偏斜。df趋于无穷，卡方分布即正态分布。 ②卡方值都是正值。 ③卡方分布的和也是卡方分布，自由度为相加两卡方自由度的和。 ④如果df2，卡方分布的平均数为df,方差为2df。 ⑤卡方分布是连续分布，但有些离散型的分布也近似卡方分布。 F分布 设有两个正态分布的总体，从这两个总体中分别随机抽取容量为n1和n2的样本，每个样本都可以计算出卡方值，这样可以得到无限个卡方1和卡方2，每个卡方除以各自对应的自由度之比，称为F比率，F比率的分布服从F分布。 若总体方差相等，则有 F分布的特点 ①呈正偏态，随着自由度的增大， F分布趋近于正态分布。 ②F都是正值。 ③当分子df=1时，F检验与t检验结果（显著性程度）相同。 F分布表 第七章