t检验的资料与习题.docx

第四章：定量资料的参数估计与假设检验基础 1 抽样与抽样误差 抽样方法本身所引起的误差。当由总体中随机地抽取样本时，哪个样本被抽到是随机 的，由所抽到的样本得到的样本指标 x 与总体指标 μ 之间偏差，称为实际抽样误差。当总 体相当大时，可能被抽取的样本非常多，不可能列出所有的实际抽样误差，而用平均抽样 误差来表征各样本实际抽样误差的平均水平。 σ x= σ/ S x=S/ 2 t 分布 t 分布曲线形态与 n （确切地说与自由度 v）大小有关。与标准正态分布曲线相比，自 由度 v 越小， t 分布曲线愈平坦，曲线中间愈低，曲线双侧尾部翘得愈高；自由度 v 愈 大， t 分布曲线愈接近正态分布曲线，当自由度 v=∞时， t 分布曲线为标准正态分布曲 线。 t = X-u/Sx=X-u/(S/),V=N-1 正态分布（ normal distribution ）是数理统计中的一种重要的理论分布， 是许多统计方法的理论基础。正态分布有两个参数，μ 和 σ，决定了正态分布 的位置和形态。为了应用方便，常将一般的正态变量 X 通过 u 变换[(X- μ)/ σ] 转化成标准正态变量 u，以使原来各种形态的正态分布都转换为 μ=0，σ =1 的 标准正态分布（ standard normal distribution ） , 亦称 u 分布。 根据中心极限定理，通过上述的抽样模拟试验表明，在正态分布总体中以 固定 n，抽取若干个样本时，样本均数的分布仍服从正态分布，即 N （μ， σ）。所以，对样本均数的分布进行 u 变换，也可变换为标准正态分布 N (0,1) 由于在实际工作中，往往 σ 是未知的，常用 s 作为 σ 的估计值，为了与 u变换区别，称为 t 变换，统计量 t 值的分布称为 t 分布。 假设 X 服从标准正态分布 N（0,1）， Y 服从 χ2（n）分布，那么 Z=X/sqrt(Y/n) 的分布称为自由度为 n 的 t 分布 , 记为 Z ～t(n) 。 特征： 1．以 0 为中心，左右对称的单峰分布； 2． t 分布是一簇曲线，其形态变化与 n （确切地说与自由度 ν）大小有 关。自由度 ν 越小， t 分布曲线越低平；自由度 ν 越大， t 分布曲线越接近标 准正态分布（ u分布）曲线，如图 . t(n) 分布与标准正态 N(0,1) 的密度函数 对应于每一个自由度 ν，就有一条 t 分布曲线，每条曲线都有其曲线下统 计量 t 的分布规律，计算较复杂。 学生的 t 分布（或也 t 分布） ，在概率统计中，在置信区间估计、显着性 检验等问题的计算中发挥重要作用。 t 分布情况出现时（如在几乎所有实际的统计工作）的总体标准偏差是未 知的，并要从数据估算。教科书问题的处理标准偏差，因为如果它被称为是两 类：（ 1 ）那些在该样本规模是如此之大的一个可处理的数据为基础估计的差 异，就好像它是一定的（ 2 ）这些说明数学推理，在其中的问题，估计标准偏 差是暂时忽略的，因为这不是一点，这是作者或导师当时的解释。 3. 均数的参数估计 可信区间 按一定的或可信度 (1- α)用一个区间来估计总体参数所在的范围，该范围通常称为参 数的可信区间或者置信区间，预先给定的概率 99% 。 (1- α)称为可信度或者置信度 , 常取 95% 或 1. 点估计 用样本统计量直接作为总体参数的估计值。其方法简单，易于理解，但为考虑 抽样误差的大小。 2. 区间估计 既按照预先给定的概率（ 1-a ），确定的包含总体参数的可能范围。该范围 被称为总体参数的可信区间或置信区间。 假设检验基础 假设检验的基本思想是小概率反证法思想。小概率思想是指小概率事件 （ P或 P）在一次试验中基本上不会发生。反证法思想是先提出假设 (检验假 设 H0)，再用适当的统计方法确定假设成立的可能性大小，如可能性小，则认 为假设不成立，若可能性大，则还不能认为不假设成立。 [2] 假设检验 假设是否正确，要用从总体中抽出的样本进行检验，与此有关的理论和方 法，构成假设检验的内容。设 A 是关于总体分布的一项命题，所有使命题 A 成 立的总体分布构成一个集合