07假设检验PPT.ppt

二、Poisson分布资料的Z检验 (一）一组样本资料的Z检验 （大样本，λ≥20） 例7-10 某地十年前计划到2000年把孕产妇死亡率降到25/10万以下。2000年监测资料显示，该地区平均而言，每10万例活产儿孕产妇死亡31人。问该地区降低孕产妇死亡的目标是否到达到？ H0：λ=λ0， H1：λ≠λ0 检验统计量为 H0成立时，近似地 Z～N(0,1)。如果根据样本算得的Z值偏大，有理由拒绝H0 。 本例：H0：λ=25， H1：λ25 α=0.05 由于单侧Z0.10=1.2816，知P0.10，按α=0.05水准，尚不能拒绝H0。 结论：可以认为该地区达到了预定目标。 （二）两组独立样本资料的Z检验 （大样本，λ1≥20，λ2≥20） 例7-11 甲、乙两检验师分别观察15名正常人末梢血嗜碱性白细胞数量。每张血片均观察200个视野。结果甲计数到嗜碱性白细胞26个，乙计数到29个。试问两位检验师检查结果是否一致？ H0：λ1=λ2， H1：λ1≠λ2 当两样本观测单位数相等时 当两样本观测单位数相等时，检验统计量为 其中，X1与X2分别为两样本计数。 H0成立时，近似地 Z～N(0,1)。如果根据样本算得的Z值偏大，有理由拒绝H0 。 本例：观察单位数相等。 按ν=∞查附表2（t 临界值表），知双侧Z0.5=0.6745，所以P0.5，按α=0.05水准不能拒绝H0。 结论：尚不能认为两检验师检查结果有差异。 例7-12 某车间改革生产工艺前，测得三次粉尘浓度，每升空气中分别有38、29、36颗粉尘；改进工艺后，测取两次，分别为25、18颗粉尘。问工艺改革前后粉尘数有无差别？ 当两样本观测单位数不等时，检验统计量为 其中与分别为两样本均数，n1≠n2是观测单位数。 H0成立时，近似地 Z～N(0,1)。如果根据样本算得的Z值偏大，有理由拒绝H0 。 当两样本观测单位数不等时 本例： （1）H0：λ1=λ2， H1：λ1≠λ2 α=0.05 （2）因工艺改革前后观测单位数不等，故分别计算其均数 （3）显然，Z=2.7231.96，P0.05，于是在α=0.05的水平上拒绝H0。结论：可以认为工艺改革前后粉尘浓度不同，改革工艺后粉尘浓度较低。 ， n1=3 ， n2=2 * 第四节 假设检验与区间估计的关系（自学） 置信区间具有假设检验的主要功能。 95%的置信区间是否包含假设检验中H0成立时的总体参数值，与假设检验是否 拒绝H0等价。（不包含 ? 拒绝H0 ） 例如：例6-1中对东北某县农村儿童前囟门闭合月龄总体均数μ的95%单侧置信区间为 （12.869，∞） 。H0：μ＝14.1落在此区间之内，所以不能拒绝此单侧假设检验的H0。 例6-2对用药前后IgG差值的总体均数μd 的置信95%双侧置信区间为（422.114，529.206）。 H0： μd ＝0 不在此区间之内，所以拒绝此双侧假设检验的H0。 2.置信区间可提供假设检验没有提供的信息 置信区间的宽度可以提示差别是否具有实际意义 3.假设检验提供，而置信区间不提供的信息 假设检验拒绝H0时，假设检验可以报告确切的P值，而置信区间只能在预先确定的置信度100(1-α)%水平上进行推断。 在不能拒绝H0的场合，假设检验可以对检验的功效做出估计，而置信区间并不提供这方面的信息。 国际上规定，在报告假设检验结论的同时，必须报告相应区间估计的结果。 第五节 假设检验的功效 一、假设检验的两类错误 不论做出哪一种推断结论，都有可能发生错误-----假设检验的两类错误。表6-3 推断结论和两类错误 第七章 假设检验基础 统计推断的重要内容——假设检验 统计分析 统计描述 统计推断 参数估计 假设检验 第一节 假设检验的概念与原理 一、假设检验的思维逻辑 坏蛋率问题 某商家宣称他的 “坏（变质）蛋率为1%”。 欲判断：坏蛋率为1% ？ 还是 坏蛋率高于1%？ 不可能一个个打碎看是否坏蛋。 随机抽样，从样本推断总体! 随机抽取5个作检查: 4个“好蛋”，1个“坏蛋”。 怀疑： （1）在“坏蛋率为1%”的前提下，5个鸡蛋样品中出现一个“坏蛋”是不大可能的（可以计算出，在这种前提下5个鸡蛋中出现1个或更多坏蛋的概率为0.049）。 （2）思维逻辑：把不大可能当不可能！ 在“坏蛋率为1%”的前提下，目前的情况“不(大)可能”发生；居然发生了，前提不对！ 这样推断也可能出错, 因为在“坏蛋率为1%”的前提下,