社会统计学与SPSS应用课件.ppt

三、单侧（尾）与双侧（尾）检验 四、Ⅰ型错误与Ⅱ型错误 Ⅰ型错误：拒绝H0时所犯的错误。犯Ⅰ型错误的概率通常以α表示，故又称α型错误。 Ⅱ型错误：接受H0时所犯的错误。犯Ⅱ型错误的概率通常以β表示，故又称β 型错误。 α型错误与β 型错误成反比。 五、单均值的Z检验 适用条件 样本是随机抽取的 n≥100或n≥30 均值的抽样分布近似为正态分布 例：从全区工人中随机抽取n=120名工人进行一项政治水平的测验，发现样本平均分为 =57分，标准差S=18.5。可否证明全区工人该项测验的平均分M=60分。设p=0.05。 解： n=120, Z＞-1.96，故接受H0，即全区工人该项测验的平均分为60分。 若H1：M＜60 H0：M=60 解：这是单尾检验，查表得Z≤-1.65 Z＜-1. 65，故否定H0，接受H1，即全区工人该项测验的平均分小于60分。 若p=0.01，仍为左侧单尾检验，查表得Z≤-2.33，样本统计值Z=-1.78＞-2.33，故接受H0，即该区工人该项测验的平均分为60分。 例：有人调查早期教育对儿童智力发展的影响，从受过良好早期教育的儿童中随机抽取n=70人进行韦氏儿童智力测验，结果样本平均数为 =103.3，能否认为受过良好早期教育的儿童智力高于一般水平（总体M=100,σ=15）。 H1：M＞100 H0：M=100 p=.05 查表得：Z≥1.65 依题意： Z=1.84 ≥1.65 ∴拒绝H0，接受H1，即即受过良好早期教育的儿童的平均智力要优于一般儿童的智力。 六、单均值的t检验 适用条件 样本是随机抽取的 n≤30 自由度（degrees of freedom，df）：有多少个案的数值可以随意变更。 自由度是指样本中独立的或能自由变化的数据的个数。 例：一个样本n=4,数据分别为 8、9、11、12 ， =10 要保证平均数恒定，只能自由改变3个数据，如7、15、8，第四个数必定为10。 对于样本，由于 是固定的，所以df=n-1 对于总体，由于μ是未知的，所以df=n t的抽样分布的形状（如扁平或高耸的程度）取决于自由度。 t分布表（P391，附录5：t分布） 例：一个随机样本，n=26， =65，S=10。 H1：M＞60 H0：M=60 p≤.05 解：df=n-1=26-1=25，查表得：t≥1.708 样本 t=2.5＞1.708 ∴拒绝H0，接受H1，即全校学生的平均成绩优于60分。 七、两个均值差异的Z检验 H1：M1≠M2 or M1－M2≠0 H0：M1=M2 or M1－M2=0 适用条件 两个样本都是随机抽样； 两个总体都是正态分布； 两个总体的标准差（方差）是相等的（？） 大样本，n1+n2≥100或n≥30 二、均值抽样分布 均值抽样分布特征： 如果样本相当大，则抽样分布接近正态分布； 抽样分布的均值就是总体均值，抽样分布的标准差叫标准误（standard error）； 有95%的样本均值在M±1.96SE范围内，有99%的样本均值在M±2.58SE范围内。 三、参数估计与假设检验 参数估计：统计值（样本）→参数值（总体） 假设检验：假设参数值，用样本统计值检验参数值是否正确。 第五章 参数估计 一、点估计与区间估计 （一）点估计：用样本统计值来代表总体参数值。 无偏估计与有偏估计 （二）区间估计：估计总体参数值可能落入的区间范围。 置信度：总体参数值落在某一区间时正确的概率。 置信区间：总体参数值的区间范围。 置信区间与置信度成正比。 二、均值的区间估计 α =.05 α =.01 置信区间的大小与样本的大小成反比。 例： 三、百分比的区间估计 α =.05 α =.01 例： 四、积矩相关系数的区间估计 0.489 ≤r≤0.695 第六章 假设检验 一、研究假设与虚无假设 研究假设H1 虚无假设H0 抽样分布 H0为真，则H1为假； H0为假，则H1为真。 二、否定域与显著性水平 而显著水平表示否定域在整个抽样分布中所占的比例，也即表示样本的统计值落在否定域内的概率。 否定域CR就是抽样分布内一端或两端的小区域，如何样本的统计值在此区域范围内，则否定虚无假设。 3×2表 Ty=f11(f12)+f21(f22)+f31(f32) f11 f12 f13 f21 f22 f23 f31 f32 f33 1 2 3 1 2 3 X Y NS=f11(f22+f23+f32+f33)+f12(f23+f33)+f21(f32+f33)+f22(f33) Nd=f13(f22+f21+f32+f31)+f12(f21+f31)+f23(f32+f31)+f22(