第七章假设检验基础 ppt课件

四、假设检验的应用
2020/12/8
t 检验
1、一组样本资料的t检验 2、配对设计资料的t检验 3、两组独立样本资料的t检验
2020/12/8
二、选择统计方法和计算统计量
• 根据资料的类型选择选择不同的统计方 法，并计算不同的统计量。
• 如两个样本均数的假设检验，样本均数 与总体均数的假设检验选用t检验法，计 算t值
• 多个均数的假设检验，选用方差分析， 计算F值。
2020/12/8
三、确定p值
• P值的意义是：如果总体状况和 H0一致，样本信息支持H0的概率 。具体来说：
2020/12/8
无论做出哪一种推断结论（接受或是 拒绝H0），都面临着发生判断错误的
风险，即假设检验的两种错误。 （见第六节）
2020/12/8
假设检验的结果
• α为0.05或0.01作为检验水准是人为的，可根据需 要选择。 接受检验假设 拒绝检验假设
• 正确理解结论的概率性（都隐含着犯错误的可能性 ）:
• 小概率事件在一次随机试验中基本 上不会发生；
• 如果发生了，则认为是不合理的。 当然，这样推断也可能出错。
2020/12/8
样本结果差异原因：
• ①抽样误差引起；
• ②≠0（本质差异）
• 必须在两者中作抉择
2020/12/8
例 7-1
• 已知北方农村儿童前囟门闭合月龄 为14.1月。某研究人员从东北某县抽 取36名儿童，得囟门闭合月龄均值 为14.3，标准差为5.08月。问该县儿 童前囟门闭合月龄的均数是否大于 一般儿童？
• 如：用区间估计方法，若由样本估计的置信 区间没有覆盖某个已知的总体参数，则可推 断样本对应的总体与这个已知总体有差别；
• 而假设检验则首先假设样本对应的总体参数 与某个已知总体参数相同，然后根据统计量 的分布规律分析样本数据，判断样本信息是 否支持这种假设，并对假设作出取舍抉择。
2020/12/8
第七章假设检验基础 ppt课件
主要内容
• 假设检验的概念； • 假设检验的原理； • 假设检验的基本步骤； • 假设检验的应用。
2020/12/8
例如：
• 10例成年男性肺炎患者的血红蛋白 g / d 测l 量值：11.9，
10.9，10.1，10.2，9.8，9.9，10.3，9.3，9.8，8.9；
（本质上的差异，即系统误差）；
其二：抽样误差 。
2020/12/8
一、假设检验概念
• 总体间差异： 1. 个体差异，抽样误差所致； 2. 总体间固有差异
• 判断差别属于哪一种情况的统计学检验 ，就是假设检验（test of hypothesis）。
• t检验是最常用的一种假设检验之一。
2020/12/8
• 如果H0成立，抽得现有样本差别 的概率P,亦就是现有样本差别是 由于抽样原因引起的概率P。
2020/12/8
图7-1 样本统计量t值与单侧P值的意图义7-2 样本统计量t值与双侧P值的意义
2020/12/8
• 将计算得到的u值或 t值与查表得到u或 t，ν。比较 ，得到 P值的大小。根据u 分布和t分布我们知道，如果|u|> u或| t |> u ，则 P< ；如果|u|< u或| t | < u ，则P> 。
• 10例男性健康成人的血红蛋白
测量值：
• 13.9，14.2，14.0，14.3，13.7g，/ 1d3l.9，14.1，14.7，
13.5，13.6。
g /dl
)
男性肺炎均数=10.11(g/dl)
男性健康成人均数=13.99(g/dl）
2020/12/8
造成这种差别的原因可能有两种 ：
其一：成年男性肺炎患者的血红蛋白确 实不同于男性健康成人的血红蛋白
具体来说：
先对总体的参数或分布做出某种假设， 如假设总体均数（或总体率）为一定值 ，两个总体均数（或总体率）相等，总 体服从正态分布或两总体分布相同等；
然后用适当的方法，根据样本对总体 提供的信息，推断此假设应当拒绝或不 拒绝。
2020/2020/12/8
小概率事件原理：
2020/12/8
四、做推断结论
2020/12/8
（1）如果p>
认为在检验假设H0成立的条件下， 发生了较为可能的事件，不属于小 概率事件，则不拒绝H0，差别无统 计学意义，结论是不认为两总体均 数不相等。
2020/12/8
（2）如果p<
我们认为在检验假设H0成立的条件下， 发生了小概率事件，则拒绝H0，接受H1 ，差别有统计意义，结论是两总体均数 不相等，或者某一总体均数大于（或小 于）另一总体均数。
2020/12/8
三、假设检验的基本步骤
1、选择检验方法，建立检验假 设并确定检验水准 2、计算统计量 3、确定P值 4、做推断结论
2020/12/8
一、建立假设，确定检验水准
• 假设有两种（关于总体特征的假设）：
• 1.原假设或零假设，记做H0
• （ null hypothesis 如：假设比较的样本来自相同 的总体，它们的差别仅是由于抽样误差引起。 ）
• (1)接受H0，拒绝H1,并非H1绝对不成立，只是H1 成 立的机会较小；
• (2)拒绝H0，接受H1,也并非绝对H0绝对不成立，也 只是成立的概率较小。
2020/12/8
2020/12/8
2020/12/8
区间估计和假设检验
• 区间估计和假设检验在原理上本无根本区别 ，只是考虑问题的角度不同。
• 故我们着重于考察样本信息是否支 持H0。
2020/12/8
检验水准
• 检验水准，用希腊字母α 表示。 • 显著性水平()就是我们用来区分大概率事件
和小概率事件的标准，是人为规定的。当某 事件发生的概率小于时，则认为该事件为小 概率事件，是不太可能发生的事件。通常 取0.05 或 0.01。 • α为犯第一类错误的概率，第一类错误即为 拒绝了实际上成立的H0。
• 2.对立假设或备择假设，记做H1
• （alternative hypothesis 即假设比较的样本的差
别不是抽样误差引起的，而是来自不同的总体
。） • 如： H0:
2020/12/8
1 2
H1:
1 2
• H0比较单纯、明确，在H0下，抽样误 差服从某个特定的分布，便有规律 可循；而H1却包含着种种未知情形 ，不容易弄清在H1下有什么规律。