数值变量资料的统计分析统计推断演示文稿.pptVIP

2.配对资料的比较 两种情况：1.随机配对设计(randomized paired design)是将受试对象按某些混杂因素(如性别、年龄、窝别等)配成对子，每对中的两个个体随机分配给两种处理(如处理组与对照组)；2.或者同一受试对象作两次不同的处理(自身对照)。 优点：配对设计减少了个体差异。 特点：资料成对，每对数据不可拆分。 当前第30页\共有42页\编于星期五\0点 * * 数值变量资料的统计分析统计推断演示文稿 当前第1页\共有42页\编于星期五\0点 （优选）第二节数值变量资料的统计分析统计推断 当前第2页\共有42页\编于星期五\0点 学习目标 1.说出抽样误差的概念 2.记住标准误计算公式并能说出公式的含义 3.描述t分布的特征及应用 4.说出参数估计的含义及方法 5.描述均数检验t检验和u检验的方法 当前第3页\共有42页\编于星期五\0点 总体 样本 抽取部分观察单位 统计量 参 数 统计推断 如：总体均数μ 总体标准差σ 总体率π 如：样本均数 样本标准差S 样本率 P 内容： 参数估计(estimation of parameters) 包括：点估计与区间估计 2. 假设检验(test of hypothesis) 统计推断 statistical inference 当前第4页\共有42页\编于星期五\0点 一 均数的抽样误差 抽样误差 (sampling error) ：由于个体差异导致的样本统计量之间或与总体参数间的差别。 从某正态分布总体中，随机抽取样本含量n＝100的样本，每次抽样获得其均数分别为 ， ， ， ，他们之间及与 总体均数μ总是不相等。这种差异就是抽样误差。 当前第5页\共有42页\编于星期五\0点 1.抽样试验 从正态分布总体N(5.00，0.502)中，每次随机抽取样本含量n＝5，并计算其均数与标准差；重复抽取1000次，获得1000份样本；计算1000份样本的均数与标准差，并对1000份样本的均数作直方图。 按上述方法再做样本含量n＝10、样本含量n＝30的抽样实验；比较计算结果。 当前第6页\共有42页\编于星期五\0点 抽样试验(n=5) 当前第7页\共有42页\编于星期五\0点 抽样试验(n=10) 当前第8页\共有42页\编于星期五\0点 抽样试验(n=30) 当前第9页\共有42页\编于星期五\0点 1000份样本抽样计算结果 总体的均数 总体标准差s 均数的均数 均数标准差 n=5 5.00 0.50 4.99 0.2212 0.2236 n=10 5.00 0.50 5.00 0.1580 0.1581 n=30 5.00 0.50 5.00 0.0920 0.0913 当前第10页\共有42页\编于星期五\0点 3个抽样实验结果图示 当前第11页\共有42页\编于星期五\0点 抽样实验小结 均数的均数围绕总体均数上下波动。 均数的标准差即标准误 与总体标准差 相差一个常数的倍数，即 样本均数的标准误(Standard Error) =样本标准差/ 从正态总体N(μ, σ2)中抽取样本，获得均数的分布仍近似呈正态分布N(μ,σ2/n) 。 当前第12页\共有42页\编于星期五\0点 2.中心极限定理( central limit theorem) ①即使从非正态总体中抽取样本，所得均数分布仍近似呈正态。 ②随着样本量的增大, 样本均数的变异范围也逐渐变窄。 当前第13页\共有42页\编于星期五\0点 随机变量X N(m，s2) 标准正态分布 N(0，12) u变换 均数 标准正态分布 N(0，12) Student t分布 自由度：n-1 二 t分布 当前第14页\共有42页\编于星期五\0点 t分布曲线 t 分布有如下特征： ①是以0为中心随自由度而变化的一簇左右对称的曲线 ②单峰分布，曲线在t＝0 处最高，并以t＝0为中心左右对称 ③与正态分布相比，曲线最高处较矮，自由度越小，两尾部翘得越高(见绿线) ④ 随自由度增大，曲线逐渐接近正态分布；分布的极限为标准正态分布。 当前第15页\共有42页\编于星期五\0点 t分布曲线 t 分布有如下特征： ①自由度相同时，t越大， p值越小 ②p值相同时，自由度越大， t值越小 ③ t值相同时，自由度越大 p值越小 t1 t2 (t1t2,p1p2) (n1n2, t1t2) (n1n2,p1p2) t1 t2 t