12and13假设检验与t检验 .pdfVIP

第 12 章分布类型的检验 本章将涉及统计学分析中最为主要的理论之一： 假设检验， 它是分析统计数据、 构建统计模 型进行决策支持的基石。 12.1 假设检验的基本思想 12.1.1 问题的提出 12.1.2 假设检验的基本步骤 1.小概率事件 在讨论假设检验的基本思想之前， 首先需要明确 小概率事件 这一概念。 衡量一个事件发生与 否可能性的标准是概率大小， 通常概率大的事件容易发生， 概率小的事件不容易发生。 习惯 上将发生概率很小， 如 P=0.05 的事件称为小概率事件， 表示在一次实验或观察中该事件发 生的可能性很小，因此，如果只进行一次试验，可以视为不会发生。 这里需要澄清一个事实：注意上面的表述是“一次试验中小概率事件不应当发生” ，这并不 表示小概率事件不可能发生，也就是说， 这里有一个前提：只进行一次试验，结果应当不会 是小概率事件。 如果进行多次 （可能无穷多） 试验， 那么小概率事件就肯定会发生， 或者说， 小概率事件在一次试验中不大可能发生，然而在大量试验中几乎是必然发生的。 2.小概率反证法 假设检验的基本思想是统计学的 “小概率反证法 ”原理：对于一个小概率事件而言， 其对立 面发生的可能性显然要大大高于这一小概率事件， 可以认为， 小概率事件在一次试验中不应 当发生。 因此可以首先假定需要考察的假设是成立的， 然后基于此进行推导， 来计算一下在 该假设所代表的总体中进行抽样研究得到当前样本 （及更极端样本） 的概率是多少。 如果结 果显示这是一个小概率事件， 则意味着如果假设是成立的， 则在一次抽样研究中竟然就发生 了小概率事件！这显然违反了小概率原理，因此可以按照反证法的思路推翻所给出的假设， 认为它们实际上是不成立的，这就是小概率反证法原理。 假设检验的基本逻辑 ：先成立一个与 H 1 相对立的 H0 。各种假设检验方法都是根据 H0 来成 立抽样分布， 然后求出 H0 是正确的可能性。 如果我们能证明 H0 是对的可能性很小， 那么就 可以据此排除抽样误差的说法，认为 H1 可能是对的。简言之，假设检验的基本原则是直接 检验 H 因而间接地检验 H ，目的是排除抽样误差的可能性。 0 1 否定域 ，就是抽样分布内一端或两端的小区域， 如果样本的统计值落在此区域范围内， 则否 定虚无假设。 显著度 （levelofsignificance ）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机会。 显著度愈小，便愈难否定虚无假设 H ，也即愈难证明研究假设 H 是对的。 0 1 3.假设检验的标准步骤 12.1.3 假设检验的两类错误（参见李沛良《社会研究的统计应用》 p157 ） 第一类错误：弃真错误，Ⅰ型错误（ α） 第二类错误：存伪错误， II 型错误（ β） 12.1.4 假设检验中的其他问题 -- 原假设 -备择假设 --单侧检验 -双侧检验 --参数检验 -非参数检验通常参数检验是在已经知道了相关数据的分布形式， 只是不了解相应 参数取值时采用的检验形式。 而如果对相关数据的分布形式也并不了解， 就必须先确定数据 的分布形式，这样才可以进一步对分布做出