- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
《红楼梦》中的掷骰子: Hypothesis Testing * Health Statistics 掷骰次数 传递顺序 点数 1 晴雯——宝钗 5 2 宝钗——探春 16 3 探春——李纨 19 4 黛玉——湘云 18 5 湘云——麝月 9 6 麝月——香菱 19 7 香菱——黛玉 6 8 黛玉——袭人 20 Hypothesis Testing * Health Statistics 大观园群芳掷骰子顺序、点数表 曹雪芹写这回时是事先确定了每一轮的人选,并为他们设计了签子及诗句,以作为此人命运的写照和伏笔,再按照座次人物的顺序人为地确定摇出的点数 八次结果有六次为小概率事件,其中晴雯的五点和香菱的六点发生的概率分别为0.0031和0.0077,点数有些离谱! Hypothesis Testing * Health Statistics 假设检验的基本步骤 建立检验假设,确定检验水准 ① 原假设(零假设,记为H0) ② 备择假设(记为H1) Hypothesis Testing * Health Statistics Hypothesis Testing * Health Statistics 检验假设针对总体,而非针对样本 H0 和 H1 是相互联系、对立的假设,缺一不可 H0通常为:总体服从于某种分布、两个或多个总体参数相等、两个或多个总体分布相同等 H1通常为:总体不服从于某种分布、两个或多个总体参数不等或不全相等、两个或多个总体分布不同或不全相同等 H1 的内容反映了检验的单双侧。若 H1 为? ? ?0 或 ? ?0,则为单侧检验(one-sided test)。若 H1 为 ? ? ?0,则为双侧检验(two-sided test) Hypothesis Testing * Health Statistics Hypothesis Testing * Health Statistics 双侧检验 单侧检验 目的 H0 H1 是否 是否 是否 检验水准(size of a test) : 又称? 水准,是预先规定的概率值,它确定了小概率事件的标准。实际工作中常取? = 0.05 Hypothesis Testing * Health Statistics 选择检验方法、计算检验统计量 根据分析目的、资料类型、设计类型、样本大小、方法的适用条件等选择相应的检验方法并计算检验统计量 所有检验统计量都是在假设 H0 成立的条件下计算出来的,它是用于决定是否拒绝 H0 的统计量,其统计分布在统计推断中至关重要 Hypothesis Testing * Health Statistics 确定 P 值,作出推断结论 根据算出的检验统计量如 t、z 值,查相应的界值表,即可得到概率 P,然后将P值与事先规定的?检验水准进行比较而得出结论 Hypothesis Testing * Health Statistics 一般来说,推断结论应包括统计结论与专业结论两部分 P ≤ ? ,按? 水准,拒绝 H0 ,接受 H1 ,差异有统计学意义(统计结论),可认为……不同或不等(专业结论) P ? ,按? 水准,不拒绝H0 ,差异无统计学意义,尚不能认为……不同或不等 Hypothesis Testing * Health Statistics * 建立检验假设,确定检验水准 确定P值 计算检验统计量 作推断结论 假设检验步骤 不拒绝H0 Pα 拒绝H0,接受H1 P≤α 小结 假设检验处理的是有关总体的假设 假设检验要判断的是样本数据是否提供了不利于假设的证据 如果假设成立时很少会发生的结果发生了,就是假设不成立的证据! 用概率来衡量证据的强度,概率越小拒绝原假设的证据越强 Hypothesis Testing * Health Statistics 第二节 I型错误和II型错误 Hypothesis Testing * Health Statistics 【问题7-2】 上述结论是否正确?为什么? 【分析】 上述结论不正确。假设检验的结论不是绝对正确的,可能犯错误 Hypothesis Testing * Health Statistics 一、I型错误和II型错误的概念 I型错误(type I error): H0实际上是成立的,但由于抽样的原因,拒绝了H0 ,这类“弃真”的错位称为I型错误,其最大概率为? Hypothesis Testing * Health Statistics II
原创力文档


文档评论(0)