参数估计与假设检验的区别和联系.pdfVIP

参数估计与假设检验的区别和联系 统计学方法包括统计描述和统计推断两种方法，其中，推断统计又包括参数估计和假设检验。 1.参数估计就是用样本统计量去估计总体的参数，它的方法有点估计和区间估计两种。 点估计是用估计量的某个取值直接作为总体参数的估计值。点估计的缺陷是没法给出估计的可靠性，也没法说出点估计值与 总体参数真实值接近的程度。 区间估计是在点估计的基础上给出总体参数估计的一个估计区间，该区间通常是由样本统计量加减估计误差得到的。在区间 估计中，由样本估计量构造出的总体参数在一定置信水平下的估计区间称为置信区间。统计学家在某种程度上确信这个区间 会包含真正的总体参数。 在区间统计中置信度越高，置信区间越大。置信水平为 1-a, a 为小概率事件或者不可能事件，常用的置信水平值为 99% ， 95% ，90% ，对应的 a 为 0.01, 0.05 ， 0.1 置信区间是一个随机区间，它会因样本的不同而变化 ,而且不是所有的区间都包含总体参数。 一个总体参数的区间估计需要考虑总体是否为正态分布 ,总体方差是否已知，用于估计的样本是大样本还是小样本等 （1 ）来自正态分布的样本均值，不论抽取的是大样本还是小样本，均服从正态分布 （2 ）总体不是正态分布，大样本的样本均值服从正态分布 ,小样本的服从 t 分布 （3 ）不论已判断是正态分布还是 t 分布，如果总体方差未知 ,都按 t 分布来处理 （4 ）t 分布要比标准正态分布平坦，那么要比标准正态分布离散，随着自由度的增大越接近 （5 ）样本均数服从的正态分布为 N （u a^2/n ）远远小于原变量离散程度 N (u a^2) 2. 假设检验是推断统计的另一项重要内容， 它与参数估计类似， 但角度不同， 参数估计是利用样本信息推断未知的总体参数， 而假设检验则是先对总体参数提出一个假设值，然后利用样本信息判断这一假设是否成立。 假设检验的基本思想：先提出假设，然后根据资料的特点，计算相应的统计量，来判断假设是否成立，如果成立的可能性是 一个小概率的话，就拒绝该假设，因此称小概率的反证法。最重要的是看能否通过得到的概率去推翻原定的假设，而不是去 证实它 2 统计学中假设检验的基本步骤： （1 ）建立假设，确定检验水准 α-- 假设有零假设（ H0 ）和备择假设（ H1 ）两个， 零假设又叫作无效假设或检验假设。 H0 和 H1 的关系是互相对立的，如果拒绝 H0 ，就要接受 H1 ，根据备择假设不同，假 设检验有单、双侧检验两种。检验水准用 α表示，通常取 0.05 或 0.10 ，检验水准说明了该检验犯第一类错误的概率。 （2 ） 根据研究目的和设计类型选择适合的检验方法 这里的检验方法，是指参数检验方法，有 u 检验、 t 检验和方差分析三种，对应于不同的检验公式。 （3 ） 确定 P 值并作出统计结论 u 检验得到的是 u 统计量或称 u 值， t 检验得到的是 t 统计量或称 t 值。方差分析得到的是 F 统计量或称 F 值。将求得的统 计量绝对值与界值相比， 可以确定 P 值。当 α＝0.05 时，u 值要和 u 界值 1.96 相比较， 确定 P 值。如果 u ＜ 1.96 ，则 P＞0.05. 反之，如 u ＞1.96 ，则 P＜0.05.t 值要和某自由度的 t 界值相比较，确定 P 值。如果 t 值＜ t 界值，故 P＞0.05. 反之，如 t ＞t 界值， 则 P＜ 0.05 。相同自由度的情况下， 单侧检验的 t 界值要小于双侧检验的 t 界值， 因此有可能出现算得的 t 值大于单侧 t 界值，而小于双侧 t 界值的情况，即单侧检验显著，双侧检验未必就显著，反之，双侧检验显著，单侧检验必然会显著。即 单侧检验更容易出现阳性结论。当 P＞0.05 时，接受零假设，认为差异无统计学意义，或者说二者不存在质的区别。当 P ＜ 0.05 时，拒绝零假设， 接受备择假设， 认为差异有统计学意义， 也可以理解为二者存在质的区别。 但即使检验结果是 P ＜0.01 甚至 P＜ 0.001 ，都不说明差异相差很大，