第五章-均值比较和T检验.ppt

第五章 均值比较与T检验 主要内容 5.1 统计推断与假设检验 5.2 Means过程 5.3 单样本T检验 5.4 两独立样本T检验 5.5 两配对样本T检验 5.1 统计推断与假设检验 1、参数检验 利用样本数据对总体特征的推断通常有两种情况： （1）当总体分布已知（如总体为正态分布）的情况下，对总体包含的参数进行推断的问题称为参数检验； （2）当总体分布未知的情况下，根据样本数据对总体的分布形式或特征进行推断，通常采用的统计推断方法是非参数检验方法。 5.1 统计推断与假设检验 1、参数检验 5.1 统计推断与假设检验 2、假设检验的几个概念 (1)统计假设 原假设：在很多情况下，我们给出一个统计假设仅仅是为了拒绝它。例如，如果我们要判断给定的一枚硬币是否均匀，则我们假设硬币是均匀的（即p=0.5，其中p是正面出现的概率）类似地，如果我们要判断一种方法是否优于其他的方法，则我们假设两种方法之间没有差异。这样的假设通常称为零假设或原假设，记为 备择假设：任何不同于零假设的假设都称为备择假设。例如，如果零假设是 ，则备择假设是 。备择假设记为 。 5.1 统计推断与假设检验 2、假设检验的几个概念 (2)假设检验的两类错误 第一类错误：在假设检验中拒绝了本来是正确的零假设，称为“弃真”错误 。 第二类错误：在假设检验中没有拒绝本来是错误的零假设，称为“取伪”错误 。 5.1 统计推断与假设检验 2、假设检验的几个概念 (3) 显著性水平 在作假设检验时，我们犯第一类错误的最大概率称为检验的显著性水平。这个概率常记为，通常抽样前就指定好，这样得到的结果才不会影响我们的选择。 在实际问题中，显著性水平可以有多种选择，但最为普通的是0.05或0.01。例如，如果设计一个决策法则选择的显著性水平是0.05（5%），那么在100次中可能有5次机会使我们拒绝本该接受的假设。也就是说，我们大约有95%的把握作出正确的决策。此时，我们说拒绝假设的显著性水平为0.05，即犯拒绝本应接受的假设这类错误的概率是0.05。 5.1 统计推断与假设检验 2、假设检验的几个概念 (4) 概率p值 p值是当零假设正确时，观测到的样本信息出现的概率。如果这个概率很小，以至于几乎不可能在零假设正确时出现目前的观测数据时，我们就拒绝零假设。p值越小，拒绝零假设的理由就越充分。但怎样的p值才算“小”呢？通常是与预先设定的显著性水平 值比较，若 值为0.05，p值小于0.05则认为该概率值足够小，应拒绝零假设。 5.1 统计推断与假设检验 3、假设检验的基本步骤 第1步 给出检验问题的原假设； 根据检验问题的要求，将需要检验的最终结果作为零假设。例如，需要检验某学校的高考数学平均成绩是否同往年的平均成绩一样，都为75,由此可做出零假设， 第2步 选择检验统计量； 在统计推断中，总是通过构造样本的统计量并计算统计量的概率值进行推断，一般构造的统计量应服从或近似服从常用的已知分布，例如均值检验中最常用的t分布和F分布等。 5.1 统计推断与假设检验 3、假设检验的基本步骤 第3步 计算检验统计量的观测值及其发生的概率值； 在给定零假设前提下，计算统计量的观测值和相应概率p值。概率p值就是在零假设 成立时检验统计量的观测值发生的概率，该概率值间接地给出了样本值在零假设成立的前提下的概率，对此可以依据一定的标准来判断其发生的概率是否为小概率。 第4步 在给定显著性水平条件下，做出统计推断结果。 这里的显著性水平指的是当假设正确时被拒绝的概率，即弃真概率，一般取0.01或0.05。当检验统计量的概率p值小于显著性水平时，则认为此时拒绝零假设而犯弃真错误的概率小于显著性水平，即低于预先给定的水平，也就是说犯错误的概率小到我们能容忍的范围，这时可以拒绝零假设；反之，如果检验统计量的概率p值大于显著性水平，如果拒绝零假设，犯弃真错误的概率大于预先给定的容忍水平，这时不应该拒绝零假设。 主要内容 5.1 统计推断与假设检验 5.2 Means过程 5.3 单样本T检验 5.4 两独立样本T检验 5.5 两配对样本T检验 5.2 Means过程 1、Means过程的主要功能 Means过程即均值过程，其主要功能是分组计算，比较指定变量的描述性统计量包括均值、标准差、总和、观测量数、方差等一系列单变量描述性统计量，还可以给出方差分析表和线性检验结果。 均值过程中系统默认的描述统计量可按分组给出指定变量的均值、标准差、观测量数等，对话框中的选项可以给出其他更加丰富的描述统计量。 5.2