生物统计学4-假设检验5-ok.pdfVIP

第四章 假设检验 第一节 假设检验的意义和内容 第二节 假设检验的基本原理 第三节 方差的假设检验 第四节 平均数的假设检验 第五节 二项成数的假设检验 假设检验 统计推断 参数估计 第一节 假设检验的意义和概念 一、意义 总体特征 （均值、标准差 ）客观存在 ，一般也是未知的。但由于人 力、物力、时间等因素 ，不可能也没必要对总体中的每一个个体进行测 量 ，而是通过随机抽样的样本去推断总体。 二、概念  假设检验 （test of hypothesis ）/显著性检验 （test of significance ）  对未知或不完全知道的总体特征提出假设 ，然后由样本的实际结果 通过一定的计算去判断假设的正确性  例如 ，假设某总体的均值为μ ，然后通过样本数据去推断这个假设是 否可以接受。如果可以接受 ，样本很可能抽自这个总体；否则 ，样 本很可能不是抽自这个总体。 第二节 假设检验的基本原理 一、假设检验的一般步骤 分析：  抽样检测9袋饲料的样本平均装包量为50.2 ，比标准重量多出0.2 ，那么装包机现在工作 仍然正常吗 ？  即使包装机工作正常 ，由于偶然因素 ，袋与袋之间的重量差异总是有的；这等于在一个 已知均值为50的总体中随机抽样 ，由于抽样误差的存在 ，样本均数不一定恰好等于总体 均数 ，不能因为多出0.2就判断机器不正常 ，但同时也不能排除机器出现故障；  检测结果与标准重量间的差异有可能是抽样误差造成的 ，也有可能是机器故障。 Step 1: 对所研究的总体提出假设  在假设检验中 ，首先要提出两种假设 ，即原假设和备择假设。  原假设（null hypothesis ）：研究者想收集证据予以反对的假设， 也称为零假设，用表示H0 ，可记为H0 ：μ μ 0。  备择假设（alternative hypothesis ）：研究者想收集证据予以支持 的假设，与零假设相对立，用H 或H 表示，可记为H ：μ≠μ 或 A 1 A 0 ， HA ：μμ 0 , 或HA ：μμ 0 如例题中，根据假设的定义，研究者想收集证据予以支持的假设应该是“机器 工作不正常”，因为如果研究者认为机器正常就没有必要去进行检验了，所以 建立的原假设和备择假设为： H0 ：μ μ 0 HA ：μ ≠μ0  原假设（零假设） ：H0 ：μ μ 0 = 50.0 (表示实得差异由抽样误差造成)  备择假设 HA ：μ ≠μ0 (表示该样本并不来自于已知总体)  关于假设的几点认识：  原假设和备择假设是一个完备事件组 ，而且相互对立。这意味着 ，在一 项假设检验中 ，原假设和备择假设必有一个成立 ，而且只有一个成立；  建立假设时 ，通常先确定备择假设 ，然后再确定原假设；  假设检验中 ，“=”总是放在原假设上； Step 2: 选择检验方法并计算相应的检验统计量 根据上一章讲过的样本平均数的抽样分布 ：假设样本是从μ0 = 50.0 的正态 2 总体N(50.0 ，0.15 ) 中抽取，则标准化的样本平均数u ：