《假设检验的概念》课件.pptVIP

*****************假设检验的定义提出假设假设检验首先需要一个关于总体参数的假设，例如，一个新药是否能有效治疗某种疾病。收集数据收集相关数据来检验假设，比如对使用新药和未使用新药的患者进行对比实验。统计推断使用统计方法，根据收集到的数据判断原假设是否成立。做出结论根据统计推断的结果，决定是否接受或拒绝原假设。假设检验的重要性科学研究的基石假设检验为研究人员提供了一种客观的方法来评估数据，从而得出有力的结论。商业决策的利器假设检验帮助企业做出明智的决策，例如新产品推出或营销策略调整。医疗诊断的辅助工具假设检验有助于医疗专业人员确定诊断结果是否具有统计学意义，确保治疗方案的有效性。假设检验的基本流程1确定原假设和备择假设明确研究目标和预期结果2选择检验统计量根据数据类型和研究目的选择合适的检验方法3计算检验统计量的值根据样本数据计算检验统计量的值4确定显著性水平设定拒绝原假设的阈值5根据检验统计量确定检验结果比较检验统计量和临界值，判断是否拒绝原假设假设检验是一个严谨的科学研究过程，需要遵循特定的步骤。这些步骤之间环环相扣，缺一不可，只有确保每个步骤都准确无误，才能得出可靠的结论。第一步:确定原假设和备择假设1原假设(H0)通常代表要检验的假设。2备择假设(H1)代表与原假设相反的假设。3确定假设基于研究问题和预期结果。确定原假设和备择假设是假设检验的第一步，也是非常关键的一步。原假设和备择假设是对总体参数做出不同的假设，它们是互斥的，且必须覆盖所有可能的情况。第二步：确定显著性水平1定义显著性水平（α）表示在原假设为真时，拒绝原假设的概率。2选择显著性水平的选取通常为0.05，意味着在原假设为真时，拒绝原假设的概率为5%。3影响显著性水平越高，拒绝原假设的可能性越大，但同时也增加了犯第一类错误的风险。第三步:选择检验统计量检验统计量检验统计量是用来检验假设的指标，根据数据的特征和假设检验的目的选择合适的检验统计量。样本均值用于比较两个样本的平均值是否有显著差异。样本比例用于比较两个样本的比例是否有显著差异。卡方统计量用于检验两个变量之间是否存在相关性。第四步:计算检验统计量的值1数据收集首先需要收集数据，并根据假设检验的要求进行整理和处理。2公式应用根据所选择的检验统计量公式，将收集到的数据代入公式进行计算。3计算结果计算得到的检验统计量值是用于判断假设是否成立的关键依据。第五步:根据检验统计量确定检验结果1计算p值根据检验统计量的值，计算出p值。2比较p值与显著性水平将p值与显著性水平进行比较。3得出结论如果p值小于显著性水平，则拒绝原假设。根据检验统计量的值，可以计算出p值。p值是检验统计量落在拒绝域的概率。将p值与显著性水平进行比较，如果p值小于显著性水平，则拒绝原假设；否则，不拒绝原假设。检验结果的结论应根据具体情况进行解释。单尾检验和双尾检验11.单尾检验检验方向是单边的。例如，想知道某药是否能提高病人血压，即检验该药是否能提高血压，或检验该药是否能降低血压，但不能同时检验。22.双尾检验检验方向是双边的。例如，想知道某药是否能影响病人血压，即检验该药是否能提高或降低血压。第一类错误和第二类错误第一类错误拒绝了实际上为真的原假设，称为第一类错误。例如，当实际上无效药物有效时，我们拒绝了无效药物无效的假设。第二类错误接受了实际上为假的原假设，称为第二类错误。例如，当实际上有效药物无效时，我们接受了无效药物有效的假设。置信区间与假设检验的关系置信区间置信区间是基于样本数据估计总体参数的范围。它表示在一定置信水平下，总体参数可能落入的范围。假设检验假设检验是利用样本数据对总体参数进行检验，并得出是否拒绝原假设的结论。它通过检验统计量和临界值来判断样本数据是否支持原假设。参数假设检验与非参数假设检验11.参数假设检验参数假设检验基于样本数据对总体参数做出推断。例如，检验总体均值或总体方差。22.非参数假设检验非参数假设检验不依赖于总体分布的具体形式，适用于数据类型有限或总体分布未知的情况。33.应用场景参数检验适用于数据满足特定分布条件，非参数检验适用于数据分布不确定或数据类型有限。44.优势与局限性参数检验更强大，但对数据的要求更高，非参数检验更灵活，但统计效能可能较低。t检验的基本原理样本均值t检验基于样本均值与总体均值的比较。样本方差t检验利用样本方差来估计总体方差。t分布t检验使用t分布来确定样本均值与总体均值之间的