生物统计学：第四章 统计推断概述.ppt

几点说明 通常把P＜α时拒绝Ho称为差异是显著的。这一结论严格的说应当是“由样本推断出的总体平均数μ与μo之间的差异有统计学意义”即它们属于两个不同总体（冒α风险，我们比较有把握）。 统计推断的目的: ? 因此，所谓μ和μ0之间的差异有统计学意义是指在给定的样本含量下推断出该总体的平均数μ与μ0来自不同总体。太小的样本有可能检验不出总体之间真正存在的差异，太大时又会在人力物力上投入过多，如何确定合理的样本含量，是试验设计中应认真对待的问题。 n z / t p 结论 几点说明 当我们接受原假设时，其实我们并不知道这个结论不正确（II型错误）的概率，因此，尽管在实践中我们通常说“接受原假设”，但其真实的含义是我们“没有足够的理由否定原假设”。 假设 真实情况 决策 犯错误 －－－－－－－－－－－－－－－－－－－－－ H0：有效 有效 接受H0 无 否定H0 I 型 无效 接受H0 II型 否定H0 无 H0：无效 有效 接受H0 II型 否定H0 无 无效 接受H0 无 否定H0 I 型 * * * * * 样本方差的期望 s2是?2的无偏估计量 抽样方差/标准误：估计值的方差/标准差 样本平均数的抽样方差： 样本方差的抽样方差： 抽样方差越小说明估计量的精确度越高 参数估计 - 区间估计 以一定的置信度对参数可能取值范围的估计 1 - ? ：置信度（置信水平） [t1, t2]：置信区间 t1、t2：置信限（置信下限、置信上限） 求统计量 t1和 t2 ，使得对于给定的? (0? ? ?1，常用? =0.05和? =0.01)，有 参数估计 - 区间估计 正态总体平均数的区间估计 当? 2已知 标准正态分布两尾概率分位点 置信半径 例4.1 参数估计 - 区间估计 当? 2未知 参数估计 - 区间估计 t分布两尾概率分位点 置信半径 4.3 假设检验 假设(hypothsis) 对总体的某些未知的或不完全知道的性质所提出的待考察的命题 假设检验 对假设成立与否做出的推断 假设检验的基本原理 问题的提出 例 ：某猪场称该场的猪在体重为100kg时的平均背膘厚度为9mm。 问题：此说法是否正确？有4种可能性（假设） 1）正确： ? ＝ 9 2）不正确： ? ? 9（| ? － 9| 0） 3）不正确： ? 9 4）不正确： ? 9 三对假设： ? ＝ 9 vs ? ? 9， ? ＝ 9 vs ? 9， ? ＝ 9 vs ? 9 如何回答 随机抽取一个样本 计算该样本的平均数 比较样本平均数与9mm 难题 存在抽样误差 当样本平均数与9mm之差达到多大时可否定? ＝ 9 解决的思路 针对要回答的问题提出一对对立的假设，并对其中的一个进行检验 找到一个样本统计量，它与提出的假设有关，其抽样分布已知 根据这个统计量观察值出现的概率，利用小概率事件原理对假设是否成立做出推断 这个过程称为假设检验 (hypothesis testing) 小概率事件原理 小概率事件在一次试验中几乎不会发生 如果某事件在一次试验中发生了，我们可认为它不是一个小概率事件 如果在某个假设下应当是小概率的事件在一次试验中发生了，可认为该假设不能成立 假设检验的基本步骤 1）提出一对对立的假设 2）构造并计算检验统计量 3）确定否定域 4）对所作的假设进行推断 备择假设： ≠9.0mm 总体 我相信总体的平均背膘厚是 9.0mm (零假设) ? ? ? ? Mean ?X =8.7 随机样本 ? ? 拒绝零假设! 接受备择！ ? 基本思想 抽样分布