从数据到结论(人民大学吴喜之教授)03统计推断S教学提纲.ppt

统计推断;估计 ;估计量是用来估计的统计量 ;点估计和区间估计;区间估计 ;区间估计 ;一个描述性例子 ;一个描述性例子 ;区间估计的意义 ;区间估计的意义 ;均值m的区间估计 （正态分布）;区间估计的例子（1） ;w=scan(D:/booktj1/data/noodle.txt);hist(w,10);SPSS;不同样本量和不同置信度的置信区间的长短和覆盖状况 ;例5.2 （数据：height2.txt, height2.sav, height21.sav, height22.sas7bdat）这是两个地区大学生的高度数据；这里，我们假定身高服从正态分布。在height2.sav数据中这两个地区学生的高度分别用变量x1和x2表示。而??height21.sav数据中，它们为一个变量height，但用另一个变量group来标明它们属于哪个地区。;（a）我们想要分别得到这两个总体均值和标准差的点估计（即样本均值和样本标准差）和各自总体均值的95%置信区间。利用height2.sav，SPSS得到：作为两个总体均值估计量的样本均值分别为170.56和165.60，而样本标准差分别为6.97857和7.55659；还得到均值的置信区间分别是(168.5767, 172.5433)及(163.4524, 167.7476)。（计算机输出很容易明白，这里不显示。） (b)求两个均值差m1-m2的点估计和95%置信区间。根据数据height2.sav，利用软件很容易得到下面结果 ;输出表的头两列是检验（见下面一章的检验）是否方差相等，如果Sig下面的数目（下一章的p值概念）较大（比如大于0.05）则没有证据认为这两个数据总体的方差不等，则看表的第一行结果，否则认为方差不等，则看表的第二行结果。这里Sig（p值）等于0.556，因此看第一行结果。于是，我们得到两个样本均值的差(4.9600)，另外还给出了两总体均值差的95%置信区间(2.073，7.847)。 ;总体比例（Bernoulli试验成功概率）p的区间估计 （大总体、大样本）;例5.3 在一个大都市中对1341人的随机调查结果显示，有934个人支持限制小轿车的政策。假定该样本为简单随机样本，希望找出总体中支持限制小轿车的人的比例的点估计及其置信度为95%的置信区间。 ;总体比例（Bernoulli试验成功概率）之差p1 -p2的区间估计 （大样本、大总体）;假设检验 ;假设检验 ;假设检验的过程和逻辑 ;假设检验的过程和逻辑 ;假设检验的过程和逻辑 ;假设检验的过程和逻辑 ;假设检验的过程和逻辑 ;假设检验的过程和逻辑 ;假设检验的过程和逻辑 ;假设检验的过程和逻辑 ;假设检验的过程和逻辑 ;假设检验的过程和逻辑 ;假设检验的过程和逻辑 ;假设检验的过程和逻辑 ;假设检验的例子 ;su=scan(D:/booktj1/data/sugar.txt);hist(su);假设检验的例子 ; t.test(su,m=500,alt=less) One Sample t-test data: su t = -2.6962, df = 49, p-value = 0.004793 alternative hypothesis: true mean is less than 500 95 percent confidence interval: -Inf 499.3749 sample estimates: mean of x 498.3472 ;SPSS;;假设检验的例子 ;假设检验的例子 ;;为什么不能“接受零假设” ;从一个例子看“接受零假设” ;1.超市的检验 ;2. 加工厂老板的检验;3.加工厂老板律师的检验;如何评价？;关于例6.7的总结 ;以关于均值的t检验为例；实际上，只要零假设的均值和样本均值的确不一样，那么根据检验统计量的公式可以看出，如果样本量不断增大，就必然会拒绝零假设。当然，对于效率较低的检验，要拒绝零假设所需要的样本量较大。 ;检验总体分布的例子 ;关于分布的非参数检验 ;SPSS输出(能说“接受”吗?)