第五章+统计学教案(假设检验)
- 格式:doc
- 大小:26.50 KB
- 文档页数:12
定义假设检验是用来判断样本与样本,样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。
其基本原理是先对总体的特征作出某种假设,然后通过抽样研究的统计推理,对此假设应该被拒绝还是接受作出推断。
基本原理(1)先假设总体某项假设成立,计算其会导致什么结果产生。
若导致不合理现象产生,则拒绝原先的假设。
若并不导致不合理的现象产生,则不能拒绝原先假设,从而接受原先假设。
(2)它又不同于一般的反证法。
所谓不合理现象产生,并非指形式逻辑上的绝对矛盾,而是基于小概率原理:概率很小的事件在一次试验中几乎是不可能发生的,若发生了,就是不合理的。
至于怎样才算是“小概率”呢?通常可将概率不超过0.05的事件称为“小概率事件”,也可视具体情形而取0.1或0.01等。
在假设检验中常记这个概率为α,称为显著性水平。
而把原先设定的假设成为原假设,记作H0。
把与H0相反的假设称为备择假设,它是原假设被拒绝时而应接受的假设,记作H1。
假设的形式H0——原假设,H1——备择假设双侧检验:H0:μ = μ0,单侧检验:,H1:μ < μ0 或,H1:μ > μ0假设检验就是根据样本观察结果对原假设(H0)进行检验,接受H0,就否定H1;拒绝H0,就接受H1。
假设检验的种类下面介绍几种常见的假设检验1.T检验亦称student t检验(Student's t test),主要用于样本含量较小(例如n<30),总体标准差σ未知的正态分布资料。
目的:比较样本均数所代表的未知总体均数μ和已知总体均数μ0。
计算公式:统计量:自由度:v=n - 1适用条件:(1) 已知一个总体均数;(2) 可得到一个样本均数及该样本标准误;(3) 样本来自正态或近似正态总体。
T检验的步骤1、建立虚无假设H0:μ1= μ2,即先假定两个总体平均数之间没有显著差异;2、计算统计量T值,对于不同类型的问题选用不同的统计量计算方法;1)如果要评断一个总体中的小样本平均数与总体平均值之间的差异程度,其统计量T值的计算公式为:2)如果要评断两组样本平均数之间的差异程度,其统计量T值的计算公式为:3、根据自由度df=n-1,查T值表,找出规定的T理论值并进行比较。
概率论与数理统计教案-假设检验第一章:假设检验概述1.1 假设检验的定义与作用引导学生理解假设检验的基本概念解释假设检验在统计学中的重要性1.2 假设检验的基本步骤介绍假设检验的基本步骤,包括建立假设、选择显著性水平、计算检验统计量、确定决策规则和给出结论1.3 假设检验的类型解释单样本假设检验、两样本假设检验和方差分析等不同类型的假设检验第二章:单样本假设检验2.1 单样本Z检验介绍单样本Z检验的适用场景和条件解释Z检验的计算方法和步骤2.2 单样本t检验介绍单样本t检验的适用场景和条件解释t检验的计算方法和步骤2.3 单样本秩和检验介绍单样本秩和检验的适用场景和条件解释秩和检验的计算方法和步骤第三章:两样本假设检验3.1 两样本t检验介绍两样本t检验的适用场景和条件解释两样本t检验的计算方法和步骤3.2 两样本秩和检验介绍两样本秩和检验的适用场景和条件解释两样本秩和检验的计算方法和步骤3.3 配对样本t检验介绍配对样本t检验的适用场景和条件解释配对样本t检验的计算方法和步骤第四章:方差分析4.1 方差分析的适用场景和条件解释方差分析的适用场景和条件,包括完全随机设计、随机区组设计和析因设计等4.2 方差分析的计算方法介绍方差分析的计算方法,包括总平方和、组间平方和和组内平方和的计算4.3 方差分析的判断准则解释F检验的判断准则和显著性水平的确定第五章:假设检验的扩展5.1 非参数检验介绍非参数检验的概念和适用场景解释非参数检验的计算方法和步骤5.2 假设检验的优化方法介绍自助法和贝叶斯方法等假设检验的优化方法5.3 假设检验的软件应用介绍使用统计软件进行假设检验的方法和技巧第六章:卡方检验6.1 卡方检验的基本概念介绍卡方检验的定义和作用解释卡方检验在分类数据分析中的应用6.2 拟合优度检验解释拟合优度检验的概念和计算方法举例说明拟合优度检验在实际中的应用6.3 独立性检验解释独立性检验的概念和计算方法举例说明独立性检验在实际中的应用第七章:诊断性统计与效果量分析7.1 诊断性统计的概念介绍诊断性统计的定义和作用解释诊断性统计在教学评估中的应用7.2 效果量的计算方法介绍效果量的定义和计算方法解释不同效果量指标的含义和应用7.3 效果量分析的实际应用举例说明效果量分析在教学研究中的具体应用第八章:多重比较与事后检验8.1 多重比较的概念介绍多重比较的定义和作用解释多重比较在实验数据分析中的应用8.2 事后检验的方法介绍事后检验的概念和计算方法解释不同事后检验方法的原理和应用8.3 多重比较与事后检验的实际应用举例说明多重比较与事后检验在实际研究中的应用第九章:贝叶斯统计与贝叶斯推断9.1 贝叶斯统计的基本概念介绍贝叶斯统计的定义和特点解释贝叶斯统计与经典统计的区别9.2 贝叶斯推断的计算方法介绍贝叶斯推断的计算方法和步骤解释贝叶斯推断在实际中的应用9.3 贝叶斯统计软件应用介绍使用贝叶斯统计软件进行数据分析的方法和技巧第十章:假设检验的综合应用与案例分析10.1 假设检验在医学研究中的应用举例说明假设检验在医学研究中的具体应用10.2 假设检验在社会科学研究中的应用举例说明假设检验在社会科学研究中的具体应用10.3 假设检验在商业数据分析中的应用举例说明假设检验在商业数据分析中的具体应用重点和难点解析重点环节1:假设检验的定义与作用假设检验是统计学中的核心内容,理解其定义和作用对于后续的学习至关重要。
研究生统计学教案:假设检验1. 引言1.1 概述在统计学中,假设检验(hypothesis testing)是一种常见的推断统计方法,用于对某个总体参数或假设进行验证与推断。
通过收集样本数据并运用适当的统计技术与假设检验步骤,我们可以根据样本数据来判断总体是否符合我们的猜想或假设。
因此,假设检验在各个领域的研究中起到了至关重要的作用。
1.2 文章结构本文将围绕研究生统计学中的假设检验内容展开论述。
文章将分为五个主要部分:第二部分将介绍假设检验的基本概念。
我们将讨论假设的定义和分类,并详细介绍了执行基本步骤来进行有效的假设检验。
此外,我们还将深入探讨类型I错误与类型II错误这两种常见错误类型。
第三部分将着重介绍单样本假设检验。
我们将探讨正态总体均值、正态总体比例以及非正态总体均值三种情况下的相应假设检验方法,并提供实例应用来进一步理解其操作过程。
接下来,在第四部分中,我们将详细介绍双样本假设检验方法。
独立样本t检验与成对样本t检验分别针对两个独立样本和配对样本的假设检验进行讨论,同时也会涉及到非参数方法的应用。
最后,在第五部分,我们将总结前述的重要观点,并回顾文章中所探讨的内容。
此外,我们还将提出对该教案的改进和展望,以便在今后的学习中进一步完善相关的统计学知识。
1.3 目的通过本文,读者将能够全面了解研究生统计学中与假设检验相关的知识与技巧。
我们将深入讲解基本概念、步骤和错误类型,并提供具体实例来帮助读者更好地理解和应用这一研究方法。
希望通过阅读本文,读者能够在统计分析中准确运用假设检验并获得可靠推断结果,从而为其学术研究或实际问题提供有力支持。
2. 假设检验的基本概念2.1 假设的定义和分类在统计学中,假设是对总体或样本的某种特征所作出的陈述或主张。
根据提出假设的性质及其内容,可以将假设分为两类:原假设(H0)与备择假设(H1)。
原假设是关于总体参数或分布性质的一个主张,而备择假设则是对原假设提出的另一种可能性进行陈述。
第五章+统计学教案(假设检验)参数估计和假设检验是统计推断的两个组成部分,它们分别从不同的角度利用样本信息对总体参数进行推断。
前者讨论的是在一定的总体分布形式下,借助样本构造的统计量,对总体未知参数作出估计的问题;后者讨论的是如何运用样本信息对总体未知参数的取值或总体行为所做的事先假定进行验证,从而作出真假判断。
通俗地、简单地说,前者是利用样本信息估计总体参数将落在什么范围里;而后者则是利用样本信息回答总体参数是不是会落在事先假定的某一个范围里。
通过本章学习,要求学生在充分理解有关抽样分布理论的基础上,理解掌握假设检验的有关基本概念;明确在假设检验中可能犯的两种错误,以及这两种错误之间的联系;熟练掌握总体均值和总体成数的检验方法,主要是 Z 检验和 t 检验;对于非参数的检验,也应有所了解,包括符号检验、秩和检验与游程检验等。
2一、假设检验概述与基本概念1、假设检验概述2、假设检验的有关基本概念二、总体参数检验1、总体平均数的检验2、总体成数的检验3、总体方差的检验三、总体非参数检验1、符号检验2、秩和检验3、游程检验一、假设检验的有关基本概念;二、总体平均数与总体成数的检验;三、非参数检验;一、假设检验的基本思路与有关概念;二、两类错误的理解及其关系;一、假设检验概述假设检验:利用统计方法检验一个事先所作出的假设的真伪,这一假设称为统计假设,对这一假设所作出的检验就是假设检验。
基本思路:首先,对总体参数作出某种假设,并假定它是成立的。
然后,根据样本得到的信息(统计量),考虑接受这个假设后是否会导致不合理的结果,如果合理就接受这个假设,不合理就拒绝这个假设。
所谓合理性,就是看是否在一次的观察中出现了小概率事件。
小概率原理:就是指概率很小的事件,在一次试验中实际上是几乎不可能出现。
这种事件可以称其为“实际不可能事件”。
二、假设检验的基本概念:”表示(也称“零假设”、“虚无假设” ) 0 (一)原假设与对立假设这是研究者对总体参数事先提出的假设。
通常以总体没有发生显著变化为原假设。
1、原假设:用“ H2、对立假设:用“H:”表示 1对立假设也称“备择假设”这是与原假设完全对立的、矛盾的假设,假设总体发生了显著的变化。
(二)显著性水平与显著性差异1、显著性水平:在统计检验中,判断假设是否合理,是根据一定的标准来确定的,这个标准是在检验之前由研究者事先主观选定的一个小概率值,用α表示.这个α就是显著性水平。
常用的α有 0.1、0.05或 0.01等2、显著性差异:如果统计量和假设的参数值存在差距,有两种可能:(1)差距不是很大(即不在小概率范围内出现),即可认为总体没发生显著变化。
可接受原假设。
(2)差距很大(即出现在小概率范围内),即可认为总体发生了显著变化。
说明存在着显著性差异,故拒绝原假设。
(三)双侧检验与单侧检验1、双侧检验(双尾检验):双侧检验要求同时注意估计值偏高和偏低的倾向,这时,差距不分正负,给出的显著水平α平分在两侧。
2、单侧检验(单尾检验):(有左单侧和右单侧两种)单侧检验只注意估计值是否偏高(或偏低),它是单方向的,给出的显著性水平α集中在同一侧。
偏高时,差距为正,为右单侧检验;偏低时,差距为负,为左单侧检验。
(四)两种类型的错误1、第一类错误——以真为假此类错误是将原属正确的 H:错当成不正确的而给予否定了。
统计学中称这种错误为α错误,属0第一类错误,也叫做“弃真错误”。
α:错当成正确的而给予肯定了。
统计学中称这种错误为β错误,属0 2、第二类错误——以假为真第二类错误,也叫做“存伪错误”。
此类错误是将原属不正确的 H在统计检验中,必须做出否定H:或肯定H:的抉择,因此,不可避免地可能犯α错误或β错误。
00如果减小α错误,势必增加犯β错误的可能性;而若为了减小β错误,α错误必然增大。
所以,要同时减小犯两类错误的概率,就应增大样本容量。
此外,取多大的值,也应取决于所要研究的问题的性质。
(五)拒绝域、接受域和临界值1、拒绝域:计算结果表明总体发生了显著变化,而没有理由不拒绝原假设的区域。
2、接受域:计算结果表明总体没发生显著变化,从而接受原假设的区域。
3、临界值(临界点):拒绝域与接受域的界限。
表示在给定一个显著水平的前提下,假定总体发生显著变化的数值界限。
三、检验中决定使用的概率分布(以平均数的检验为例)假设检验中使用正态(Z)分布或t 分布的条件条件总体σ条件总体σ2 2 2 2 已知总体σ未知已知总体σ未知大样本正态分布正态分布( n 大于 30 )( Z 值表)( Z 值表)小样本正态分布 t 分布(总体为正态或近似正态)( Z 值表)( t 值表)四、假设检验的程序1、提出假设原假设 H:(以总体未发生显著变化为原假设) 0备择假设 H:(总体发生显著变化) 12、选择一个显著水平α等于对犯第一类错误的概率给出具体数值,通常显著水平用 0.1、0.05或0.01等。
3、构造一个检验值(选择 Z或 t 分布),x,XxX ,Z, 或 tS,xxn4、作出判断根据统计量 Z(或 t )的计算结果,看其是落在接受区域或者落在拒绝区域而作出接受或拒绝原假设的决定。
一、总体平均数的检验(一)总体标准差已知1、双侧检验2 52.1 5 600/cm, 250 /2cm 1005 5702/cm 0.051002 n100 σ250/cm α = 0.05 22 5600/cm x,5570/cm X, 2 H5600/cm X,02 H5600/cm X,1,5570,5600xX ,,1.2 Z250,x 100α = 0.05ZZ1.96 α/2| Z | < | Z | α/2,,Z, xx1.96×25490.050.05 1.2 221.96 0 1.965551 5600 56492、单侧检验52.2250450248550250 248 x,X, n50 σ4 α = 0.05 H? 250 X0H250 X1xX,248,250 3.54 Z,,4,x50α = 0.05ZZ1.645 α| Z | | Z|α,,Z,xx1.645×0.5660.930.053.54 1.645249.07 250(二)总体标准差未知1、双侧检验52.3 0.15100.1640.0151010 tn10 S0.015 α = 0.10 xx,X,0.15 0.164HX,0.15 0HX,0.15 1x,X0.164,0.15 Z,,2.8 S0.015x 10,1n,1α = 0.101019 t t1.833 α/2 | t | > | t| α/2,,t, xx1.883×0.0050.00920.10 0.10 221.833 0 1.8332.80.1408 0.15 0.15922、单侧检验52.4269410015526 tn25 S15 α = 0.05 xx,X,100 94HX,100 0HX,100 1x,X94,100 Z,,2 S15x26,1n,1α = 0.0526125 t t1.708 α| t | > | t| α,,t, xx1.708×35.1240.052 1.70894.876 100二、总体成数的检验1、双侧检验52.5 80400332520020.8×0.2 α = 0.05 pP80% p332/400 = 83% n200 σ,,Z,1.96×0.020.0392 ppH P0.8 0H P ? 0.8 10.050.05 221.5 1.96 0 1.960.7608 0.80 0.8392p,P0.83,0.80 1.5 Z,,P(1,P)0.8,0.2 n200α = 0.05ZZ1.96 α/2| Z | < | Z | α/22、单侧检验52.6 40%60215%60n60 σ20.4×0.6 α = 0.05 pP40% p21/60 = 35%H P ? 0.4 0H P 0.4 1p,P0.35,0.400.791 Z,,P(1,P)0.4,0.6n60α = 0.05ZZ1.645 α| Z | | Z| α,,Z,pp1.645×0.06320.1040.05 0.7911.645 00.296 0.40三、总体方差的检验主要是检验事物的变异程度是否发生显著变化。
总体方差检验的统计量( Z与 t 已不适合):则 x22 服从自由度 df =n-1 的 x分布。
1、单侧检验(1)右单侧检验2 52.7 σX36 104252 x22 n10 S42 σ36 α= 0.052 Hσ ? 36 02 Hσ 36 12n,S,(1)9422 x,,10.5 236,22 α = 0.05 df 9 xx16.919 0.0522 x10.5 x 16.9190.05α2 10.5 16.919 x(2)左单侧检验52.8 σ2.425 S2.112 n25 S2.1 σ2.4 α= 0.01 x 2 2 Hσ? 2.4 5.76 02 Hσ 5.76 122n,S,(1)242.12 x,,18.375 25.76, 22 α=0.01 df 24 xx10.856 0.9922 x18.375 x 10.8560.99α10.856 18.375 x22、双侧检验52.9 σ2016S2422 xn16 S24 σ20 α= 0.0222 Hσ 20400 02 Hσ ? 400 122n,S,(1)15242 x,,21.6 2400,,2 α = 0.02αx2,22221 xdf15 xx5.229 x30.578 0.990.012222x30.578 x21.6x5.2290.010.99,, 0.01 0.01 222 5.229 21.6 30.578 x应完成的作业(书后P168)一、P168-P171的选择、判断与填空题要求全做(可直接做在习题上)二、做好复习工作的同时,可通过P172的第1、2、3、5、8等简答题加以思考本章的主要内容。
三、计算题选做第1、2、3、4、5、6题(要求书面完成)。