统计学软件及应用_实验9t检验.docVIP

《统计学软件及应用》上机试验报告 试验名称：实验9 均数间的比较—T检验 成绩： 姓名 专业 学号 试验日期 试验地点 试验目的与要求 一、实验目的： 掌握均数间比较-T检验的做法 二、实验要求： 1. 重点掌握：T检验的基本步骤 2. 掌握：单样本 t 检验、完全随机的两样本 t 检 3. 熟悉：配对 t 检验 4. 了解：假设检验的基本步骤 试验原理 第九节 均数间的比较—T检验 9.1 假设检验的基本步骤 9.1.1 建立假设 根据统计推断的目的而提出的对总体特征的假设。统计学中的假设有两方面的内容： 一是检验假设(hypothesis to be tested),亦称原假设或无效假设(null hypothesis)，记为 H0； 二是与H0相对立的备择假设(alternative hypothesis)，记H1。后者的意义在于当H0被拒绝时供采用。两者是互斥的，非此即彼。 9.1.2 确定检验水准 实际上就是确定拒绝 H0 时的最大允许误差的概率。检验水准(size of test)，常用? 表示，是指检验假设 H0 本来是成立的，而根据样本信息拒绝 H0 的可能性大小的度量，换言之，是拒绝了实际上成立的 H0 的概率。 常用的检验水准为? = 0.05，其意义是：在所设 H0 的总体中随机抽得一个样本，其均 数比手头样本均数更偏离总体均数的概率不超过 5% 9.1.3 计算检验统计量和 P 值 实际上在此之前还有一步叫做进行试验，所需的样本数据即从此得来 统计量只是工具，概率值才是目的，它可以客观衡量样本对假设总体偏离程度。从H0假设的总体中抽出现有样本（及更极端情况）的概率，即 P 值。 检验统计量的特点： ?该统计量应当服从某种已知分布，从而可以计算出 P 值 ?各种检验方法所利用的分布及计算原理不同，从而检验统计量也不同 9.1.4 得出推断结论 按照事先确定的检验水准?界定上面得到的 P 值，并按小概率原理认定对 H0 的取舍， 作出推断结论： （1）若 P ≤α基于 H0 假设的总体情况出现了小概率事件，则拒绝 H0，接受 H1，可以认为样本与总体 的差别不仅仅是抽样误差造成的，可能存在本质上的差别，属“非偶然的(significant)”， 因此，可以认为两者的差别有统计学意义。进一步根据样本信息引申，得出实用性的结论。 （2）若 P＞α基于 H0 出现了很常见的事件，则样本与总体间的差别尚不能排除纯粹由抽样误差造成， 可能的确属“偶然的(non-significant)”，故尚不能拒绝 H0。因此，认为两者的差别无统计 学意义，但这并不意味着可以接受 H0。 9.2 单样本 t 检验 9.2.1 统计理论 推断样本是否来自某已知总体，即要检验样本所在总体的均数是否等于已知的总体均数 ，为了回答该问题，统计学上采用了小概率反证法的原理：我们有如下两种假设： H0：样本均数与总体均数的差异完全是抽样误差造成 H1：样本均数与总体均数的差异除由抽样误差造成外，也反映了两个总体均数确实存在的差异 先假设 H0 成立，即一切都是抽样误差造成的。在这个前提下，我们的样本是从已知均 数的大总体中抽出来的。显然，样本均数和假设总体均数之差就代表了偏离假设的程度，标准化的基本方式就是将差值除以表示样本均数离散程度的指标。 在单样本的情况下，样本的均数服从 t 分布，这个被标化的差值，就是本次检验中所谓的统计量。由于该统计量服从 t 分布，可利用该分布得到相应的概率值，故而此处的方法被 称为为单样本 t 检验。 最终求得的 P 值表示从假设总体中抽出当前样本均数（及更极端情况）的概率总和。如 果该 P 值太小，成为了我们所定义的小概率事件（小于等于α水准），则我们怀疑所做的假设不成立，从而拒绝 H0，基本信念是小概率事件在一次实验中不可能发生。反之，我们就不 能拒绝 H0，但一般也不太好说去接受他。 9.2.2 适用条件 因为有中心极限定理，一般均数的抽样分布都不会有问题，真正会限制该方法使用的是 均数是否能够代表相应数据的集中趋势。也就是说，只要数据分布不是强烈的偏态，一般而言单样本 t 检验都是适用的。 9.2.3 分析实例 消费者信心指数以 100 作为基准值，现希望比较 2007 年 12 月的总消费者信心指数是否与基准值有差异。 选择 数据——选择个案，单击如果条件满足，进入 如果 对话框，输入 time=200712，依此确定； 选择 描述统计——描述，将总指数选为变量，得到描述统计表； 可以看到，有效个案数是304 例，均值为 94.14，