统计学的世界-22章.pdf

统计学的世界-22章 於 0章节架构 1本章要点 • 置信区间用于估计一个未知参数，显著性检验则用于评估关于某一未知参数断言是否成立。 • 实际应用时，统计检验的目的是回答以下问题 ：“我们从样本中所看到的现象只是碰巧发生 的，还是总体上的确存在这种现象的有力证据？” • 显著性检验用概率来回答这个问题，即光凭随机性就会得到像我们的样本这样极端结果的概 率有多少？这个概率就是P值。P值很小的意思是，样本的结果只是碰巧发生的概率不大。 • 做检验之前，首先要写出零假设，这个假设认为你所发现的现象在总体中并不存在。备择假 设则认为该现象在总体中存在。P值是在H0为真的假设下计算得到的，表明总体结果会像样 本结果这么极端或者更极端的概率。 • 如果一个样本结果在反复抽样的情况下，光凭随机性发生的概率不超过5%，那么我们说这 个结果有5%的统计学显著性水平。 2统计学显著性检验的推理 统计推断是利用样本数据来对总体得出结论，所以，统计学显著性检验处理的是 有关总体的断言。显著性检验要判断的是，样本数据是否提供了不利于断言的证 据。显著性检验说的是 ：“如果我们取许多样本而且断言正确，我们应该很少会 得到这样的结果。”要得到证据强的数值量度，就要把语意模糊的 “很少”用概 率来代替。 2统计学显著性检验的推理 例1咖啡是现煮的吗？ 注重口味的人，应该喜欢现煮咖啡多于速溶咖啡。但从另一个角度看，有些喝咖啡的人也可能只是对 咖啡因上瘾。一位持疑度的人由此断言 ：喝咖啡的人喝不出二者的区别。让我们做个实验来检验 这个断言正确与否。 让全部50名实验对象品尝两杯没做记号的咖啡，并说出自己喜欢哪一杯。两杯中，一杯是速溶咖啡， 一杯是现煮咖啡。用实验结果得到的统计量，计算样本中比较喜欢现煮咖啡的人的比例。结果，50位 实验对象中有36位选择了现煮咖啡，样本比例是 ： 2统计学显著性检验的推理 要确定你真的理解了为什么这个证据令人信服。有两种可能的解释，可以说明为什么会得到 “实 验对象中有72%的人比较喜欢现煮咖啡”的结果 ： 1）疑者是对的 （p=0.5），但是因为他运气太差，本来极不可能发生的结果却发生了。 2）事实上，总体中偏好现煮咖啡者的比例大于0.5，所以样本结果差不多就是预期的总体结果。 我们不能断定 （1）一定不对，因为我们的测试结果有可能真的只是随机性造成的。但是，这样 的结果完全是由随机性造成的概率非常小 （0.001），所以，我们有信心认为 （2）才是对的 3假设和P值 零假设 在统计学显著性检验中，被检验的断言叫作 “零假设” （nullhypothesis）。检验主要评估否定 零假设的证据有多强。通常情况下，零假设都是 “没有效应”或 “没有差别”之类的叙述。 零假设用H0 代表，读法是 “H零”。H0 是关于总体的叙述，所以一定要用总体参数来表示。 零假设是 ：H0 ：p=0.5 P值 统计检验的P值 （P-value）是在H0 为真的假设下，所得到的样本结果会像实际观察结果那么极 端或更极端的概率。P值越小，数据所提供的否定H0的证据就越强。 4统计学显著性 如果P值小于或等于α值，我们就称该组数据在a水平上具有统计学显著性。 传统的显著性水平标准 ： P＜0.10代表 “有一些证据”不利于零假设，P＜0.05代表 “适度证据”，P＜0.01代表 “有力证 据”。不过，别太拘泥于这些规则，我们在第23章还会介绍怎样解释统计检验的结果。 5计算P值 例3喝咖啡 假设。例1中，我们想检验以下假设 ： H0 ：p=0.5；Ha ：p＞0.5 此处，p是所有喝咖啡的人中喜欢现煮咖啡胜于速溶咖啡的人所占的比例。 抽样分布。如果零假设为真，则p=0.5，我们在例1中看到 大致是一个平均数为0.5，标准差为0.0707 的正分布。 数据。在一个50人的样本中，有36人喜欢现煮咖啡，样本比例=0.72。 P值。备择假设是偏向于较大值那一侧的单边假设，所以P值是会得到至少像