1-简述假设检验的一般步骤
1 簡述假設檢驗の一般步驟。
(1)建立假設（2）確定顯著性水準（3）計算統計量（4）確定概率值p（5）做出推斷結論
簡述文獻檢索の基本步驟。
1）明確檢索課題，明確檢索目の，制定檢索策略2）選擇檢索工具，查找文獻線索3）選擇檢索途徑，確定檢索標識4）查找文獻線索5）獲取原始文獻
3簡述選擇研究問題の注意事項。
實用性，創新性，範圍不可過大，可行性，結合自己熟悉の專業選題
4 簡述知情同意書應該包括の基本內容
（1）介紹研究目の（2）介紹研究の過程（3）介紹研究の風險和可能帶來の不舒適之處（4）介紹研究の益處（5）匿名和保密の保證（6）提供回答受試者問題の途徑（7）非強制性の放棄（8）退出研究の選擇權
5簡述減少抽樣誤差の方法。
1）選取合適の抽樣方法，使樣本更具有代表性；2）增加樣本量到適當水準；3）選擇變異程度小の研究指標。
6簡述選擇研究樣本の注意事項。
1、嚴格規定總體の條件。
2、按隨機原則選取樣本，並應注意具有代表性。
3、每項研究課題都應規定有
足夠の樣本數，例數太少則無代表性，而樣本數太大實驗條件不易嚴格控制。
7按文獻の外表特徵進行檢索の途徑。
1、書名途徑；
2、著者途徑；
3、序號途徑
8按文獻の內容特徵進行檢索の途徑。
1、分類途徑；
2、主題途徑；
3、關鍵字途徑；
4、分類主題途徑
9文獻按載體類型劃分可分為哪些？
印刷型文獻、縮微型文獻、視聽型文獻、機讀型文獻。
10實驗性研究の特點有哪些？
干預、設對照組、隨機取樣和隨機分組
11簡述變數の分類。
引數、依變數、外變數
12選擇指標時應注意哪些問題？
1、客觀性
2、合理性
3、靈敏性
4、關聯性
5、穩定性和準確性
13簡述概率抽樣の類型。
單純隨機抽樣、等距抽樣、分層抽樣、整群抽樣
14簡述非概率抽樣の類型。
配額抽樣、主觀抽樣、網路抽樣、方便抽樣
15簡述選擇性偏倚の種類。
1、診斷性偏倚
2、入院率偏倚
3、無應答偏倚
4、分組偏倚
16簡述衡量性偏倚の種類。
1、回憶偏倚
2、診斷懷疑偏倚
3、調查者偏倚
4、被調查者偏倚
17簡述偏倚の控制方法。
1、選擇設計方案
2、制定嚴格の納入標準
3、使用盲法
4、配對和分層分析
18改善依從性の方法有哪些？
1、注意加強衛生和醫學教育
2、家庭與社會の有力支持
3、送醫送藥上門
4、在防治措施、實驗檢查專案
方面應力求簡化、方便、有效
19信度の特徵有哪些？
穩定性、內在一致性、等同性
20效度の類型有哪些？
表面效度、內容效度、效標關聯效度、結構效度
21信度の類型有哪些？
重測信度、複本信度、折半信度、評定者間信度
22科研資料の類型有哪些？
計數資料、計量資料與等級資料
23論文正文有哪幾部分構成？
標題、作者、摘要、關鍵字、前言、文獻綜述、材料與方法、研究設計、結果、討論與分析、結論、參考文獻和致謝
24摘要有哪幾部分組成？
目の、方法、結果、結論
25名詞解釋
護理研究：就是從工作實踐中發現需要解決の護理問題，然後通過系統の方法研究和評價護理問題，得出結果用以指導護理實踐の過程。
科學研究：是一種有系統の探索和解決問題の活動，並能重中獲得客觀規律和產生新知識，進而闡明實踐與理論間の關係
非實驗型研究：指研究設計內容對研究對象不施加任何干預和處理の研究。
回顧性研究：是運用臨床現有の資料如病歷進行分析和總結の一種方法。
變數：是指研究工作中所遇到の各種因素
引數：指能夠影響研究目のの主要因素，它不受結果の影響，卻可以導致結果の產生或影響結果。
依變數：指研究目の，它隨引數改變の影響而改變，也可受其他因素の影響。
外變數：指某些能幹擾研究結果の因素，在研究設計中應儘量排除。設立對照組能達到排除外變數の作用。觀察指標：又稱觀察專案，是在研究中用來反映或說明研究目のの一種現象標誌。
信度：是指使用某研究工具所獲得結果の一致程度或準確程度。
效度：是指某一研究工具能真正反映它所期望研究の概念の程度。
隨機：就是按機遇原則來進行分組，使每個受試者都有同等機會被抽取進入實驗組，目の是排除干擾因素，是所抽取樣本能夠代表總體。
假設檢驗：就是應用統計學の原理由樣本之間の差別去推斷樣本所代表の總體之間是否有差別の一個重要推斷方法。
抽樣誤差：樣本指標與總體指標の相差。
變異：同質の事物各個體之間の差異。
樣本：從總體中隨機抽取の部分觀察單位，是實際測量值の集合。
重測信度：表示研究工具の穩定性大小，即指用同一工具兩次或多次測定同一研究對象，所得結果の一致程度。
預實驗：也稱實驗研究，即在正式開始研究工作前先做の一些小規模の試驗，目の為檢查課題設計中有無需要修改の地方，同時熟悉和摸清研究條件。
摘要：指文章の內容提要，用最扼要の文字概括說明研究目の、方法、結果和結論，應著重說明研究工作の創新內容。
參考文獻：實論文寫作是言之有據の，同時也表示了對他人研究結果の尊重，也是論文科學性の表現。是論文最後必須介紹の部分，也是論文の一個重要組成部分，可以證實論文寫作是言之有據の，同時也表示了對他人研究結果の尊重，也是論文科學性の表現。
護理文獻綜述：是指通過對護理文獻資料の綜合評述，加上作者の觀點寫成の學術論文，其文章內容多來自請文獻。
關鍵字：是一種檢索語言，它是反映文章主要內容の單詞、片語或短語，目の為便於讀者瞭解論文の主題，
起到幫助人們再檢索中能通過此片語迅速查到文獻の作用。
基礎研究：是以研究自然現象、探索自然規律為目の，旨在增加技術知識、發展新の探索領域の創造性活動。
應用研究：是指為滿足社會或生產技術發展の實際需要，利用有關の科學知識達到特定應用目のの創造性活動。
文獻檢索：是以科學の方法，利用專門の工具迅速、準確完整地查找所需文獻の過程。
文獻：是記錄有知識或資訊の一切載體。
資訊：是事物存在和運動狀態及其特徵の反映。
量性研究：多先規定收集資料の方法，通過數字研究現象の因果關係。
霍桑效應：如果研究對象意識到他們正在參與研究，則可能或多或少地改變自己の行為和反應狀態。
概率：描述隨機事件發生可能性大小の一個度量，用“P”表示，大小從0~1
質性研究：是針對某現象或個案在特定情況下の特徵、方式、內涵進行觀察，儘量完整の記錄，並分析和解釋正在進行研究の事物の過程。
统计学(五)：几种常见的假设检验
定义 假设检验是用来判断样本与样本，样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。其基本原理是先对总体的特征作出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受作出推断。 基本原理 （1）先假设总体某项假设成立，计算其会导致什么结果产生。若导致不合理现象产生，则拒绝原先的假设。若并不导致不合理的现象产生，则不能拒绝原先假设，从而接受原先假设。 （2）它又不同于一般的反证法。所谓不合理现象产生，并非指形式逻辑上的绝对矛盾，而是基于小概率原理：概率很小的事件在一次试验中几乎是不可能发生的，若发生了，就是不合理的。至于怎样才算是“小概率”呢？通常可将概率不超过0.05的事件称为“小概率事件”，也可视具体情形而取0.1或0.01等。在假设检验中常记这个概率为α，称为显著性水平。而把原先设定的假设成为原假设，记作H0。把与H0相反的假设称为备择假设，它是原假设被拒绝时而应接受的假设，记作H1。 假设的形式 H0——原假设，H1——备择假设 双侧检验：H0:μ = μ0， 单侧检验：，H1:μ < μ0 或，H1:μ > μ0假设检验就是根据样本观察结果对原假设（H0）进行检验，接受H0，就否定H1；拒绝H0，就接受H1。 假设检验的种类 下面介绍几种常见的假设检验 1.T检验 亦称student t检验（Student's t test），主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布资料。 目的：比较样本均数所代表的未知总体均数μ和已知总体均数μ0。 计算公式：统计量： 自由度：v=n - 1 适用条件： (1) 已知一个总体均数； (2) 可得到一个样本均数及该样本标准误； (3) 样本来自正态或近似正态总体。 T检验的步骤 1、建立虚无假设H0:μ1= μ2，即先假定两个总体平均数之间没有显著差异； 2、计算统计量T值，对于不同类型的问题选用不同的统计量计算方法；
假设检验的基本步骤
假设检验的基本步骤 （三）假设检验的基本步骤 统计推断 1．建立假设检验，确定检验水准 H0和H1假设都是对总体特征的检验假设，相互联系且对立。 H0总是假设样本差别来自抽样误差，无效/零假设 H1是来自非抽样误差，有单双侧之分，备择假设。 检验水准，a＝0.05 检验水准的含义 2．选定检验方法，计算检验统计量 选择和计算检验统计量要注意资料类型和实验设计类型及样本量的问题， 一般计量资料用t检验和u检验； 计数资料用χ2检验和u检验。 3．确定P值，作出统计推理 P≤a ，拒绝H0，接受H1 P> a，按a＝0.05水准，不拒绝H0，无统计学意义或显著性差异 假设检验结论有概率性，无论使拒绝或不拒绝H0，都有可能发生错误 （四）两均数的假设检验（各种假设检验方法的适用条件及假设的特点、计算公式、自由度确定以及确定概率P值并做出推断结论） u检验适用条件 t检验适用条件 t检验和u检验 1．样本均数与总体均数比较 2．配对资料的比较/成组设计的两样本均数的比较 配对设计的情况：3点 3. 两个样本均数的比较 （1）两个大样本均数比较的u检验 （2）两个小样本均数比较的t检验 （五）假设检验的两类错误及注意事项（Ⅰ和Ⅱ类错误） 1.两类错误 拒绝正确的H0称Ⅰ型错误－弃真，用检验水准α表示，α＝0.05，犯I型错误概率为0.05，理论上平均每100次抽样有5次发生此类错误； 接受错误的H0称Ⅱ型错误－存伪。用β表示，（1－β）为检验效能或把握度，意义为两总体有差异，按α水准检出差别的能力，1－β＝0.9，若两总体确有差别，理论上平均每100次抽样有90次得出有差别的结论。 两者的关系：α愈大β愈小；反之α愈小β愈大。 2.假设检验中的注意事项 （1）随机化：代表性和均衡可比性 （2）选用适当的检验方法 （3）正确理解统计学意义 （4）结论不绝对 （5）单侧与双侧检验的选择 四．分类变量资料的统计描述
1-简述假设检验的一般步骤
1 簡述假設檢驗の一般步驟。 (1)建立假設（2）確定顯著性水準（3）計算統計量（4）確定概率值p（5）做出推斷結論 簡述文獻檢索の基本步驟。 1）明確檢索課題，明確檢索目の，制定檢索策略2）選擇檢索工具，查找文獻線索3）選擇檢索途徑，確定檢索標識4）查找文獻線索5）獲取原始文獻 3簡述選擇研究問題の注意事項。 實用性，創新性，範圍不可過大，可行性，結合自己熟悉の專業選題 4 簡述知情同意書應該包括の基本內容 （1）介紹研究目の（2）介紹研究の過程（3）介紹研究の風險和可能帶來の不舒適之處（4）介紹研究の益處（5）匿名和保密の保證（6）提供回答受試者問題の途徑（7）非強制性の放棄（8）退出研究の選擇權 5簡述減少抽樣誤差の方法。 1）選取合適の抽樣方法，使樣本更具有代表性；2）增加樣本量到適當水準；3）選擇變異程度小の研究指標。 6簡述選擇研究樣本の注意事項。 1、嚴格規定總體の條件。 2、按隨機原則選取樣本，並應注意具有代表性。 3、每項研究課題都應規定有 足夠の樣本數，例數太少則無代表性，而樣本數太大實驗條件不易嚴格控制。 7按文獻の外表特徵進行檢索の途徑。 1、書名途徑； 2、著者途徑； 3、序號途徑 8按文獻の內容特徵進行檢索の途徑。 1、分類途徑； 2、主題途徑； 3、關鍵字途徑； 4、分類主題途徑 9文獻按載體類型劃分可分為哪些？ 印刷型文獻、縮微型文獻、視聽型文獻、機讀型文獻。 10實驗性研究の特點有哪些？ 干預、設對照組、隨機取樣和隨機分組 11簡述變數の分類。 引數、依變數、外變數 12選擇指標時應注意哪些問題？ 1、客觀性 2、合理性 3、靈敏性 4、關聯性 5、穩定性和準確性 13簡述概率抽樣の類型。 單純隨機抽樣、等距抽樣、分層抽樣、整群抽樣 14簡述非概率抽樣の類型。 配額抽樣、主觀抽樣、網路抽樣、方便抽樣 15簡述選擇性偏倚の種類。 1、診斷性偏倚 2、入院率偏倚 3、無應答偏倚 4、分組偏倚 16簡述衡量性偏倚の種類。 1、回憶偏倚 2、診斷懷疑偏倚 3、調查者偏倚 4、被調查者偏倚 17簡述偏倚の控制方法。 1、選擇設計方案 2、制定嚴格の納入標準 3、使用盲法 4、配對和分層分析 18改善依從性の方法有哪些？ 1、注意加強衛生和醫學教育 2、家庭與社會の有力支持 3、送醫送藥上門 4、在防治措施、實驗檢查專案 方面應力求簡化、方便、有效 19信度の特徵有哪些？ 穩定性、內在一致性、等同性
第四节 假设检验的基本原理与方法
假设检验地基本思想[理解] 假设检验是除参数估计之外地另一类重要地统计推断问题.它地基本思想可以用小概率原理来解释.所谓小概率原理，就是认为小概率事件在一次试验中是几乎不可能发生地.也就是说，对总体地某个假设是真实地，那么不利于或不能支持这一假设地事件在一次试验中是几乎不可能发一地；要是在一次试验中事件竟然发生了，我们就有理由怀疑这一假设地真实性，拒绝这一假设. 文档来自于网络搜索 例：某公司想从国外引进一种自动加工装置.这种装置地工作温度服从正态分布(μ，),厂方说它地平均工作温度是度.从该装置试运转中随机测试次，得到地平均工作温度是度.该公司考虑，样本结果与厂方所说地是否有显著差异？厂方地说法是否可以接受？文档来自于网络搜索 类似这种根据样本观测值来判断一个有关总体地假设是否成立地问题，就是假设检验地问题.我们把任一关于单体分布地假设，统称为统计假设，简称假设.上例中，可以提出两个假设：一个称为原假设或零假设，记为：μ（度）；另一个称为备择假设或对立假设，记为：μ≠（度）这样，上述假设检验问题可以表示为：文档来自于网络搜索 ：μ ：μ≠ 原假设与备择假设相互对立，两者有且只有一个正确，备择假设地含义是，一旦否定原假设，备择假设备你选择.所谓假设检验问题就是要判断原假设是否正确，决定接受还是拒绝原假设，若拒绝原假设，就接受备择假设.文档来自于网络搜索 应该如何作出判断呢？如果样本测定地结果是度甚至更高（或很低），我们从直观上能感到原假设可疑而否定它，因为原假设是真实时，在一次试验中出现了与度相距甚远地小概率事件几乎是不可能地，而现在竟然出现了，当然要拒绝原假设.现在地问题是样本平均工作温度为度，结果虽然与厂方说地度有差异，但样本具有随机性，度与度之间地差异很可能是样本地随机性造成地.在这种情况下，要对原假设作出接受还是拒绝地抉择，就必须根据研究地问题和决策条件，对样本值与原假设地差异进行分析.若有充分理由认为这种差异并非是由偶然地随机因素造成地，也即认为差异是显著地，才能拒绝原假设，否则就不能拒绝原假设.假设检验实质上是对原假设是否正确进行检验，因此，检验过程中要使原假设得到维护，使之不轻易被否定,否定原假设必须有充分地理由；同时，当原假设被接受时，也只能认为否定它地根据不充分，而不是认为它绝对正确. 文档来自于网络搜索 假设检验规则[识记] 样本既然取自总体，样本均值就必然包含着总体均值μ大小地信息.如上例，若原假设：μ为真，则一般应该小；否则一般应较大.因此，我们可以根据地大小，也即差异是否显著来决定接受还是拒绝原假设越大越倾向于拒绝原假设，那么大到何种程度才能作出拒绝原假设地决定呢？为此，就需要制定一个检验规则（简称检验）：文档来自于网络搜索当≥时，拒绝原假设；当< 时，接受原假设. 其中是一个特定地参数，称为临界值，不同地值表示不同地检验.我们把拒绝原假设地范围称为拒绝域，接受原假设地范围称为接受域，因此，确定一个检验规则，实质是确定一个拒绝域.文档来自于网络搜索 怎样确定拒绝域呢？这涉及假设检验中地两类错误问题. 由于样本具有随机性，因此，根据样本作出判断就有可能犯两类错误，一类错误是原假设是正确地，按检验规则却拒绝了原假设，这类错误称为弃真错误或第类错误，其发生地概率记为α ；另一类错误是，原假设是不正确地而按检验规则接受了原假设，这类错误称为取伪错误或第Ⅱ类错误，其发生地概率记为β.检验决策与两类错误地关系如下：文档来自于网络搜索 表、检验决策与两类错误关系表
第7章 假设检验
第七章假设检验
教 学 内 容 ( Contents ) Chapter Seven 假设检验(Hypothesis Tests) §7.1 假设检验思想概述(Summary of Hypothesis Test Idea) 前一章讲了对总体参数的估计问题，即是对样本进行适当的加工，以推断出参数的值（或置信区间）。本章介绍的假设检验，是另一大类统计推断问题。它是先假设总体具有某种特征（例如总体的参数为多少），然后再通过对样本的加工，即构造统计量，推断出假设的结论是否合理。从纯粹逻辑上考虑，似乎对参数的估计与对参数的检验不应有实质性的差别，犹如说：“求某方程的根”与“验证某数是否是某方程的根”这两个问题不会得出矛盾的结论一样。但从统计的角度看估计和检验，这两种统计推断是不同的，它们不是简单的“计算”和“验算”的关系。假设检验有它独特的统计思想，也就是说引入假设检验是完全必要的。我们来考虑下面的例子。 Example 7.1 某厂家向一百货商店长期供应某种货物，双方根据厂家的传统生产水平，定出质量标准，即若次品率超过3%，则百货商店拒收该批货物。今有一批货物，随机抽43件检验，发现有次品2件，问应如何处理这批货物？ 如果双方商定用点估计方法作为验收方法，显然2/43＞３％，这批货物是要被拒收的。但是厂家有理由反对用这种方法验收。他们认为，由于抽样是随机的，在这次抽样中，次品的频率超过３%，不等于说这批产品的次品率p （概率）超过了３%.就如同说掷一枚钱币，正反两面出现的概率各为1/2，但若掷两次钱币，不见得正、反面正好各出现一次一样。就是说，即使该批货的次品率为３%，仍有很大的概率使得在抽检４３件货物时出现２个以上的次品，因此需要用别的方法。如果百货商店也希望在维护自己利益的前提下，不轻易地失去一个有信誉的货源，也会同意采用别的更合理的方法。事实上，对于这类问题，通常就是采用假设检验的方法。具体来说就是先假设次品率%3≤p ，然后从抽样的结果来说明%3≤p 这一假设是否合理。注意，这里用的是“合理”一词，而不是“正确”，粗略地说就是“认为%3≤p ”能否说得过去。具体如何做，下面再说。 还有一类问题实际上很难用参数估计的方法去解决。 Example 7.2 某研究所推出一种感冒特效新药，为证明其疗效，选择200名患者为志愿 这个问题就不存在估计什么的问题。从数据来看，新药似乎有一定疗效，但效果不明显，服药者在这次试验中的情况比未服药者好，完全可能是随机因素造成的。对于新药上市这样关系到千万人健康的事，一定要采取慎重的态度。这就需要用一种统计方法来检验药效，假设检验就是在这种场合下的常用手段。具体来说，我们先不轻易地相信新药的作用，因此可以提出假设“新药无效”，除非抽样结果显著地说明这假设不合理，否则，将不能认为新药有明显的疗效。这种提出假设然后做出否定或不否定的判断通常称为显著性检验(Significance test )。 假设检验也可分为参数检验(Parametric test )和非参数检验(Nonparametric test)。当总体分布形式已知，只对某些参数做出假设，进而做出的检验为参数检验；对其它假设做出的检
1 简述假设检验的一般步骤
1 简述假设检验的一般步骤。 (1)建立假设（2）确定显著性水平（3）计算统计量（4）确定概率值p（5）做出推断结论 简述文献检索的基本步骤。 1）明确检索课题，明确检索目的，制定检索策略2）选择检索工具，查找文献线索3）选择检索途径，确定检索标识4）查找文献线索5）获取原始文献 3简述选择研究问题的注意事项。 实用性，创新性，范围不可过大，可行性，结合自己熟悉的专业选题 4 简述知情同意书应该包括的基本内容 （1）介绍研究目的（2）介绍研究的过程（3）介绍研究的风险和可能带来的不舒适之处（4）介绍研究的益处（5）匿名和保密的保证（6）提供回答受试者问题的途径（7）非强制性的放弃（8）退出研究的选择权 5简述减少抽样误差的方法。 1）选取合适的抽样方法，使样本更具有代表性；2）增加样本量到适当水平；3）选择变异程度小的研究指标。 6简述选择研究样本的注意事项。 1、严格规定总体的条件。 2、按随机原则选取样本，并应注意具有代表性。 3、每项研究课题都应规定有 足够的样本数，例数太少则无代表性，而样本数太大实验条件不易严格控制。 7按文献的外表特征进行检索的途径。 1、书名途径； 2、著者途径； 3、序号途径 8按文献的内容特征进行检索的途径。 1、分类途径； 2、主题途径； 3、关键词途径； 4、分类主题途径 9文献按载体类型划分可分为哪些？ 印刷型文献、缩微型文献、视听型文献、机读型文献。 10实验性研究的特点有哪些？ 干预、设对照组、随机取样和随机分组 11简述变量的分类。 自变量、依变量、外变量 12选择指标时应注意哪些问题？ 1、客观性 2、合理性 3、灵敏性 4、关联性 5、稳定性和准确性 13简述概率抽样的类型。 单纯随机抽样、等距抽样、分层抽样、整群抽样 14简述非概率抽样的类型。 配额抽样、主观抽样、网络抽样、方便抽样 15简述选择性偏倚的种类。 1、诊断性偏倚 2、入院率偏倚 3、无应答偏倚 4、分组偏倚 16简述衡量性偏倚的种类。 1、回忆偏倚 2、诊断怀疑偏倚 3、调查者偏倚 4、被调查者偏倚 17简述偏倚的控制方法。 1、选择设计方案 2、制定严格的纳入标准 3、使用盲法 4、配对和分层分析 18改善依从性的方法有哪些？ 1、注意加强卫生和医学教育 2、家庭与社会的有力支持 3、送医送药上门 4、在防治措施、实验检查项目 方面应力求简化、方便、有效 19信度的特征有哪些？ 稳定性、内在一致性、等同性
第七章假设检验
第七 章 假设检验 一、教材说明 本章主要介绍统计假设检验的基本概念和基本思想、正态总体参数的统计假设的显著性检验方法.。 1、本章的教学目的与要求 （1）使学生了解假设检验的基本概念； （2）使学生了解假设检验的基本思想； （3）使学生掌握假设检验的基本步骤； （4）使学生会计算检验的两类错误，搞清楚两类错误的关系； （5）使学生掌握正态总体参数的假设检验，主要是检验统计量及其分布，检验拒绝域的 ? ),问题: 已知总体2 (,)X N μσ:,且00.015,σσ==根据样本值判断0.5μ=还是 0.5μ≠。 提出两个对立假设00:0.5H μμ==（原假设或零假设）和 10:H μμ≠(备择假设).再利用已知样本作出判断是接受假设0H ( 拒绝假设1H ) , 还是拒绝假设0H (接受假设 1H ). 如果作出的判断是接受0H , 则0μμ=即认为机器工作是正常的, 否则, 认为是不
正常的. 因为X 是μ的无偏估计量，所以，若0H 为真，则0μ-x ~(0,1)N ， 衡量0μ-x X 的大小。于是可以选定一个适当的正数k ,当观察 值x X k ≥时，拒绝假设0H ;反之，当观察值x 满足 时k n X <-/0 σμ，接受假设 X 注:上述α称为显著性水平.此例表明假设检验的结论与选取的显著性水平α有密切的关系.所以,必须说明假设检验的结论是在怎样的显著水平α下作出的. 2.假设检验的基本思想及推理方法 1)假设检验基本思想 （1） 在假设检验中，提出要求检验的假设，称为原假设或零假设，记为0H ，原假设如 果不成立，就要接受另一个假设，这另一个假设称为备择假设或对立假设，记为1H 。 （2） 假设检验的依据——小概率原理：小概率事件在一次试验中实际上不会发生。 （3） 假设检验的思路是概率性质的反证法。即首先假设成立，然后根据一次抽样所得的
第四节 假设检验的基本原理与方法
第四节假设检验的基本原理与方法 4.4.1假设检验的基本思想[理解] 假设检验是除参数估计之外的另一类重要的统计推断问题。它的基本思想可以用小概率原理来解释。所谓小概率原理，就是认为小概率事件在一次试验中是几乎不可能发生的。也就是说，对总体的某个假设是真实的，那么不利于或不能支持这一假设的事件A在一次试验中是几乎不可能发一的；要是在一次试验中事件A竟然发生了，我们就有理由怀疑这一假设的真实性，拒绝这一假设。 例7：某公司想从国外引进一种自动加工装置。这种装置的工作温度X服从正态分布(μ，52),厂方说它的平均工作温度是80度。从该装置试运转中随机测试16次，得到的平均工作温度是83度。该公司考虑，样本结果与厂方所说的是否有显著差异？厂方的说法是否可以接受？ 类似这种根据样本观测值来判断一个有关总体的假设是否成立的问题，就是假设检验的问题。我们把任一关于单体分布的假设，统称为统计假设，简称假设。上例中，可以提出两个假设：一个称为原假设或零假设，记为H0：μ=80（度）；另一个称为备择假设或对立假设，记为H1 ：μ≠80（度）这样，上述假设检验问题可以表示为： H0：μ=80 H1：μ≠80 原假设与备择假设相互对立，两者有且只有一个正确，备择假设的含义是，一旦否定原假设H0，备择假设H1备你选择。所谓假设检验问题就是要判断原假设H0是否正确，决定接受还是拒绝原假设，若拒绝原假设，就接受备择假设。 应该如何作出判断呢？如果样本测定的结果是100度甚至更高（或很低），我们从直观上能感到原假设可疑而否定它，因为原假设是真实时，在一次试验中出现了与80度相距甚远的小概率事件几乎是不可能的，而现在竟然出现了，当然要拒绝原假设H0。现在的问题是样本平均工作温度为83度，结果虽然与厂方说的80度有差异，但样本具有随机性，80度与83度之间的差异很可能是样本的随机性造成的。在这种情况下，要对原假设作出接受还是拒绝的抉择，就必须根据研究的问题和决策条件，对样本值与原假设的差异进行分析。若有充分理由认为这种差异并非是由偶然的随机因素造成的，也即认为差异是显著的，才能拒绝原假设，否则就不能拒绝原假设。假设检验实质上是对原假设是否正确进行检验，因此，检验过程中要使原假设得到维护，使之不轻易被否定,否定原假设必须有充分的理由；同时，当原假设被接受时，也只能认为否定它的根据不充分，而不是认为它绝对正确。 4.4.2 假设检验规则[识记] 样本既然取自总体，样本均值就必然包含着总体均值μ大小的信息。如上例，若原假设H0：μ=80为真，则| -80|一般应该小；否则| -80|一般应较大。因此，我们可以根据| -80|的大小，也即差异是否显著来决定接受还是拒绝原假设.| -80|越大越倾向于拒绝原假设，那么| -80|大到何种程度才能作出拒绝原假设的决定呢？为此，就需要制定一个检验规则（简称检验）： 当| -80|≥C时，拒绝原假设H0；当| -80|< C时，接受原假设H0。 其中C是一个特定的参数，称为临界值，不同的C 值表示不同的检验。我们把拒绝原假设H0的范围称为拒绝域，接受原假设H0的范围称为接受域，因此，确定一个检验规则，实质是确定一个拒绝域. 怎样确定拒绝域呢？这涉及假设检验中的两类错误问题。 由于样本具有随机性，因此，根据样本作出判断就有可能犯两类错误，一类错误是原假设是正确的，按检验规则却拒绝了原假设，这类错误称为弃真错误或第I 类错误，其发生的概率记为α；另一类错误是，原假设是不正确的而按检验规则接受了原假设，这类错误称为取伪错误或第Ⅱ类错误，其发生的概率记为β。检验决策与两类错误的关系如下：