7假设检验.ppt

根据是否涉及总体参数 1. 参数检验 2. 非参数检验 根据抽样分布的类型 1. t 检验 2. F 检验 3. 卡方检验 4. 其他 假设检验进阶： “让我欢喜让我忧” 的 p 值 准PHD内容，你现在可以闭目养神啦 “显著”的影响因素之1：Alpha 0.05放之四海皆准吗？ 尴尬的0.06让许多研究压于箱底 “显著”的影响因素之2： 韦氏智力测验IQ平均分是100，从华南师大抽取25个学生进行测验，均值为103，标准差是15。华师学生的IQ是否高于常模？ 如果样本标准差不变，均值为108呢？ “显著”的影响因素之3：variability 韦氏智力测验IQ平均分是100，从华南师大抽取25个学生进行测验，均值为103，标准差是15。华师学生的IQ是否高于常模？ 如果样本均值不变，标准差变为5呢？ “显著”的影响因素之4：sample size 韦氏智力测验IQ平均分是100，从华南师大抽取25个学生进行测验，均值为103，标准差是15。华师学生的IQ是否高于常模？ 如果样本统计量不变，人数变为100人呢？ 如何“说谎”？ Alpha通常是事先确定的 通常是实验处理的结果 variability通常难以操控，除非明目张胆的… sample size好像可以做点手脚 试试看 借我一双慧眼：效应值(effect size) Cohen’s d分数 判断标准：0.2 较小 0.5 中等 0.8 很大 Omega squared：因变量被解释的百分比 如果某检验的 t =2，样本容量分别为10，9。 如果样本容量为70，70呢？ t 小于1时，w2为负，所以，一般只有t显著时才用w2去衡量 建议 若差异检验显著，请告诉读者你的效应值。 若效应值大但差异不显著，可尝试改进研究设计。 假设 研究的问题 双侧检验 左侧检验 右侧检验 H0 m = m0 m ? m0 m ? m0 H1 m ≠m0 m m0 m m0 双侧检验与单侧检验的假设形式 H0值 临界值 临界值 a/2 a/2 样本统计量 拒绝域 拒绝域 接受域 1 - ? 置信水平 双侧检验的显著性水平与拒绝域 H0值 临界值 a 样本统计量 拒绝域 接受域 1 - ? 置信水平 观察到的样本统计量 左侧检验的显著性水平与拒绝域 H0值 临界值 a 样本统计量 拒绝域 接受域 1 - ? 置信水平 观察到的样本统计量 右侧检验的显著性水平与拒绝域 双侧检验与单侧检验的选用 一个检验问题是双侧检验还是单侧检验取决于问题的实际背景和研究目的 。 双侧和单侧的检验方法没有什么区别，关键在于拒绝域的选择及其概率的分配。 某种补脑药声称能让小孩聪明起来。研究人员将一个幼儿园的小孩随机分成两组，其中一组服用一个疗程的补脑药，而另一组则用糖水代替。对实验后的智力测验数据做 t 检验进行比较，看看补脑药是否有效。将服用补脑药的组作为第一组，服用糖水的组作为第二组，该检验应当用： A. 双侧检验 B. 左侧检验 C. 右侧检验 D. 以上都可以 2 单总体均值的假设检验 总体方差已知，使用正态分布统计量 总体方差未知，使用 t 分布统计量 2.1单总体均值的假设检验(?2已知) 提出原假设和备择假设 确定适当的检验统计量 规定显著性水平 计算检验统计量的值，作出统计决策 1 - a a/2 a/2 2.2 单总体均值的假设检验(?2未知) 使用 t 分布统计量 2.3 练习题 全市统考物理平均分为50，标准差为10，某班36人的平均成绩为52.5。问该班成绩与全市平均成绩相比是否差异显著。 韦氏智力测验IQ平均分是100，标准差是15。从华南师大抽取49个学生进行测验，均值为117.5。是否可以认为华南师大学生平均IQ是120，为什么？ 有人调查早期教育对儿童智力发展的影响，从受过良好教育的儿童中随机抽取100人进行韦氏智力测验(常模为均值100，标准差16)，均值为103，能否认为受过良好教育的儿童高于常模(取a=0.05与0.01)？ z=1.88，单侧检验。 a=0.05时，临界值为1.65，拒绝原假设(可能犯什么错？) a=0.01时，临界值为2.33，接受原假设(可能犯什么错？) 以之为例，再看a、b与(1-b)的关系 拒绝零假设可能犯a错误，不赘言。 接受零假设可能犯b错误，意思是说抽取的样本属于均值