当前位置：文档之家 › 医学统计 第7章 假设检验基础 (NXPowerLite)

医学统计 第7章 假设检验基础 (NXPowerLite)

  • 格式：ppt
  • 大小：220.00 KB
  • 文档页数：65

下载文档原格式

  / 65

合集下载

卫生统计学-第七章 假设检验基础

卫生统计学-第七章 假设检验基础

一：单样本t检验(one sample t-test) 即样本均数代表的未知总体均数与已知总体 均数差异的比较
样本均数与总体均数比较，其分析目的是推断
样本所代表的未知总体均数与已知总体均数 0有无差别。
例1据大量调查知，健康成年男子脉搏的均数 为72次/分，某医生在山区随机调查了25名健 康成年男子，其脉搏均数为74.2次/分，标准 差为6.5次/分，能否认为该山区成年男子的脉 搏高于一般人群？
1- ：检验效能（power）:当两总体确有差别，
按检验水准 所能发现这种差别的能力。
减少I型错误的主要方法：假设检验时设定 值。
减少II型错误的主要方法：提高检验效能。
提高检验效能的最有效方法：增加样本量。 如何选择合适的样本量：实验设计。
与 间的关系
减少（增加）I型错误，将会 增加（减少）II型错误
理解二： 单次试验（抽样）观测到的事件不应该 是小概率事件。
假设检验的思路
根据背景建立假设 根据样本得到某些特征 推断该样本特征在假设下的概率 根据‘否定小概率事件’思想做出推断
假设检验的思路分析 数学上的反证法原理进行分析
先假设要比较的事物是相同的 再在这种假设成立的情况下，进行逻辑推理 如果推理出发生的事是一个小概率事件，一般
第七章 假设检验基础
吴立娟 流行病与卫生统计学系
假设检验的概念和原理
同一总体
样本1 样本2
差异 抽样误差引起 P>0.05
无统计学意义
总体甲
样本1
（本质不同）
总体乙
样本2
差异 本质不同引起 P<0.05
有统计学意义 不能用抽样误差来解释
假设检验的原理/思想

chapter7假设检验基础1_PPT幻灯片

chapter7假设检验基础1_PPT幻灯片
标准误：样本统计量（均数或率） 的标准差称为标准误
Review——总体均数估计方法
置信区间的两个要素
置信度(1-), 可靠性
一般取90%，95%。 可人为控制。
精确性
是指区间的大小(或长短)
兼顾可靠性、精确性
Chapter 7 目的要求
1、掌握假设检验的基本步骤 2、熟悉假设检验的基本原理 3、掌握各种t检验适用条件及应用 4、熟悉t检验公式 5、掌握一类、二类错误的定义及关系。
P，拒绝H0，接受H1，差别有统计学意义
P ，不拒绝H0，差别无统计学意义
统计学结论＋专业结论
假设检验的基本步骤(4)
P，拒绝H0，接受H1，差别有统计学意义
P ，不拒绝H0，差别无统计学意义
统计学结论＋专业结论
假设检验基础
假设检验的思想与原理** t检验** 假设检验与区间估计的关系** 假设检验的两类错误**与功效* 二项分布与Poisson分布的Z检验* 正态性检验
t 检验(t test)
单样本资料的t检验 配对设计资料的t检验 两独立样本资料的t检验
单样本资料的t检验
检验目的： 推断某总体均数是否等于已知的总体均数。
例1：铅作业会影响人体的血红蛋白(HB)含量吗？
正常人Βιβλιοθήκη 铅作业工人014g0/L
?
140≠130.83
结论： 铅作业工人与正常人的 血红蛋白含量不同
通常取0.05
的选择要根据实际情况而定
二、假设检验的基本步骤
第一步
建立假设，确定检验水准
原假设
H0:0
(null hypothesis)
H1:0
0.05
对立假设 (alternative hypothesis)

第7章 假设检验基础PPT课件

第7章 假设检验基础PPT课件

S d 2 (d)2 / n 84.2747
d
n 1
t | d | 475.66 19.532, n 1 12 1 11
S / n 84.2747 / 12 d 3.查相应界值表，确定 P 值。
查表 t0.05/ 2,11
2.201,tt ，P 0.05/ 2,11
＜0.05，拒绝 H0，差别有统计学意
第一节 假设检验的概念与原理
一、假设检验的思维逻辑 二、假设检验的基本步骤
2020/11/15
青岛大学医学院公共卫生系流行病与 卫生统计学教研室 周晓彬制作
一、假设检验的思维逻辑
样本统计量与总体参数间（或统计量与统计 量间的）的差异产生的原因：
1. 个体变异所导致的抽样误差所引起； 2. 总体间确实有差异
1728.03
622.51
12
757.43
1398.86
641.44
2020/11/15
青岛大学医学院公共卫生系流行病与 卫生统计学教研室 周晓彬制作
1.建立假设、确定检验水准α
H0： d 0 H1： d 0 （双侧检验）α=0.05
2.计算检验统计量
d 5707.95 12 475.66 ， d 5707.95， d 2 2793182.166，
2020/11/15
青岛大学医学院公共卫生系流行病与 卫生统计学教研室 周晓彬制作
实例
用药前后患儿血清中免疫球蛋白IgG(mg/dl)含量
序号
用药前
用药后 差值（后-前）
1
1206.44
1678.44
472.00
2
921.69
1293.36
371.67
3
1294.08

假设检验基础卫生统计学中山大学医学统计与流行病学教材

假设检验基础卫生统计学中山大学医学统计与流行病学教材

忽略不计儿童本身变化，视为自身配对 假定干预前后血色素差值服从正态分布 1. 建立检验假设，确定检验水准
H 0 ： d 0
H 1 ： d 0
= 0.05
2. 计算统计量
n=12， d =10.67， S d = 11.18
10.67 -0 t =3.305 ， n 1 12 1 11 = 11.18 / 12 Sd / n
卫生统计学 第七章 假设检验基础
林爱华 中山大学公共卫生学院 医学统计与流行病学系
第一节 假设检验的概念与原理
假设检验（hypothesis testing）: 对总体 提出一个假设，通过样本数据去推断是否 拒绝这一假设。
一、假设检验的思维逻辑
例 成年男性肺炎患者与男性健康成人的血红蛋白 有无区别？只能随机抽取两个样本： 成年男性肺炎患者的血红蛋白（g/dl ）测量值： 11.9，10.9，10.1，10.2，9.8，9.9，10.3，9.3， 9.8，8.9； 均数为10.11（g/dl） 男性健康成人的血红蛋白（g/dl ）测量值： 13.9，14.2，14.0，14.3，13.7，13.9，14.1，14.7， 13.5，13.6 均数为13.99（g/dl ）
表 7-1 实际情况
H 0 成立，无差异
统计推断的两类错误及其概率 统计推断 拒绝 H 0 ， 有差异 不拒绝 H 0 ， 无差异 正确 概率=1- 第 II 类错误（假阴性） 概率=
概率 1 1
第 I 类错误（假阳性） 概率= 正确 H 1 成立，有差异 概率=1-
第二节 t 检验
t 检验: 以 t 分布为基础的一类比较均数的 假设检验方法。 t 检验的应用条件： 1. 随机样本。 2．来自正态分布总体。

第七章假设检验基础 ppt课件

第七章假设检验基础 ppt课件

无论做出哪一种推断结论（接受或是
拒绝H0），都面临着发生判断错误的 风险，即假设检验的两种错误。
（见第六节）
假设检验的结果
α为0.05或0.01作为检验水准是人为的，可根据需 要选择。 接受检验假设 拒绝检验假设
正确理解结论的概率性（都隐含着犯错误的可能 性）:
(1)接受H0，拒绝H1,并非H1绝对不成立，只是H1 成 立的机会较小；
Sd
Sd
Sd
n
d： 差值
Sd ： 差值均数的标准误
d ： 差值的样本均数
Sd ：差值的标准差
d ：差值的总体均数
n ： 样本含量
一种处理
1
另一种处理
2
比较1 2 ？
例7-2 某地区随机抽取12名贫血儿童的 家庭，实行健康教育干预三个月,干预前 后儿童的血色素(%)测量结果如表7-2所 示,试问干预前后该地区贫血儿童血色素 (%)平均水平有无变化?
（本质上的差异，即系统误差）；
其二：抽样误差 。
一、假设检验概念
总体间差异： 1. 个体差异，抽样误差所致； 2. 总体间固有差异
判断差别属于哪一种情况的统计学检验， 就是假设检验（test of hypothesis）。
t检验是最常用的一种假设检验之一。
具体来说：
先对总体的参数或分布做出某种假设， 如假设总体均数（或总体率）为一定值， 两个总体均数（或总体率）相等，总体 服从正态分布或两总体分布相同等；
第七章 假设检验基础
预防医学教研室 徐 谦 办公地点：基础医学院七楼
主要内容
假设检验的概念； 假设检验的原理； 假设检验的基本步骤； 假设检验的应用。
例如：
10例成年男性肺炎患者的血红蛋白 g / dl 测量值：11.9，

第七章 假设检验基础()精品PPT课件

第七章 假设检验基础()精品PPT课件

差值
1 1206.44
1678.44
472.00
2
921.69
1293.36
Hale Waihona Puke 371.673 1294.08
1711.66
417.58
4
945.36
1416.70
471.34
5
721.36
1204.55
483.19
6
692.32
1147.30
454.97
7
980.01
1379.59
399.58
➢ 买小米手机吗？ 对手机评价：适合(买)、不适合(不买)
➢ 国庆节去八里沟怎样吗？ 对景区的评价：好玩(去)、不好玩(不去)
所有的决策都遵循相同的基本模式
陈述多种可供选择的方案（假设） 收集支持这些方案的证据 根据证据的强弱做出决策 根据决定执行某种行为
统计学中的假设检验也是一种决策过程，同样遵循 这一基本模式。
研究结果可供选择的结论（目前的假设）有哪些？
1.该县儿童总体平均闭合月龄与一般儿童没有差异 2.该县儿童总体平均闭合月龄迟于一般儿童
两种假设在统计上的含义
抽样研究存在抽样误差！！
样本1
总体 均数=14.1
样本2
X1 14.3 X2 14.0
从总体1中抽样
样本1 X1 14.3
µ1=14.1
样本2 X2 14.0
s/ n 5.08/ 36
自由度:
n 1 3 6 1 35
3.确定P值
P值的定义 如果H0成立的条件下，出现统计量目
前值及更不利于H0的数值的概率。
直观地看：就是统计量对应分布曲线下 的尾部面积。
通过查表可以得到 对应统计量的尾部 面积，即P值

统计学第七章假设检验

统计学第七章假设检验
有证据表明新机床加工的零件
-1.96 0 1.96
的椭圆度与以前有显著差异 Z
统计学第七章假设检验
总体方差已知时的均值检验 (单尾 Z 检验)
统计学第七章假设检验
均值的单尾 Z 检验
(2 已知)
1. 假定条件
– 总体服从正态分布 – 若不服从正态分布，可以用正态分布来
近似 (n30)
2. 备择假设有<或>符号 3. 使用z-统计量
– 被称为抽样分布的拒绝域
3. 表示为 (alpha)
– 常用的 值有0.01, 0.05, 0.10
4. 由研究者事先确定
统计学第七章假设检验
作出统计决策
1. 计算检验的统计量
2. 根据给定的显著性水平，查表得出相应 的临界值Z或Z/2
3. 将检验统计量的值与 水平的临界值进
行比较 4. 得出接受或拒绝原假设的结论
统计学第七章假设检验
双侧检验与单侧检验 (假设的形式)
假设
H0 H1Leabharlann 研究的问题 双侧检验 左侧检验 右侧检验
= 0
0
0
≠0
< 0
> 0
统计学第七章假设检验
双侧检验
（原假设与备择假设的确定）
1. 双侧检验属于决策中的假设检验。也就是说，
不论是拒绝H0还是接受H0，我们都必需采取 相应的行动措施 2. 例如，某种零件的尺寸，要求其平均长度为 10厘米，大于或小于10厘米均属于不合格 3. 建立的原假设与备择假设应为
样本统计量
第二节 一个正态总体的参数检验
一. 总体方差已知时的均值检验 二. 总体方差未知时的均值检验 三. 总体比例的假设检验
统计学第七章假设检验

第七章假设检验基础 ppt课件

第七章假设检验基础 ppt课件

四、假设检验的应用
2020/12/8
t 检验
1、一组样本资料的t检验 2、配对设计资料的t检验 3、两组独立样本资料的t检验
2020/12/8
二、选择统计方法和计算统计量
• 根据资料的类型选择选择不同的统计方 法，并计算不同的统计量。
• 如两个样本均数的假设检验，样本均数 与总体均数的假设检验选用t检验法，计 算t值
• 多个均数的假设检验，选用方差分析， 计算F值。
2020/12/8
三、确定p值
• P值的意义是：如果总体状况和 H0一致，样本信息支持H0的概率 。具体来说：
2020/12/8
无论做出哪一种推断结论（接受或是 拒绝H0），都面临着发生判断错误的
风险，即假设检验的两种错误。 （见第六节）
2020/12/8
假设检验的结果
• α为0.05或0.01作为检验水准是人为的，可根据需 要选择。 接受检验假设 拒绝检验假设
• 正确理解结论的概率性（都隐含着犯错误的可能性 ）:
• 小概率事件在一次随机试验中基本 上不会发生；
• 如果发生了，则认为是不合理的。 当然，这样推断也可能出错。
2020/12/8
样本结果差异原因：
• ①抽样误差引起；
• ②≠0（本质差异）
• 必须在两者中作抉择
2020/12/8
例 7-1
• 已知北方农村儿童前囟门闭合月龄 为14.1月。某研究人员从东北某县抽 取36名儿童，得囟门闭合月龄均值 为14.3，标准差为5.08月。问该县儿 童前囟门闭合月龄的均数是否大于 一般儿童？
• 如：用区间估计方法，若由样本估计的置信 区间没有覆盖某个已知的总体参数，则可推 断样本对应的总体与这个已知总体有差别；

医学统计学第3版 第7章 假设检验

医学统计学第3版 第7章 假设检验
检验形式 双侧检验 单侧检验 目的 是否0 是否>0 是否<0 H0 H1
=0 =0 =0
0 >0 <0
建立检验假设，确定检验水准
检验水准(significance level)，以表示
习惯上取 =0.05或0.01 是小概率事件在本次假设检验中发生的界值标 准 应在设计时根据专业知识和研究目的，在进行 假设检验前设定
选定适当的检验方法，计算相应统计量。 依据：
分析目的 设计方法 变量类型 已知条件
选定检验方法，计算检验统计量
本例：
分析目的：高原地区成年男子平均Hb量高于一 般人群，即 >0 设计方法：调查设计 变量类型：定量资料 已知条件： 0=140g/L；n=25，x=155g/L， s=24g/L；未知
P=P(t≥t*)
确定P值，作出统计推断
X- 155-140 =4.8412 = t = s x 24/ 60
=59
P =P(t 4.8412)<0.0005
●
●
1.6714.841
确定P值，作出统计推断
若P，表示在H0成立的条件下，出现等 于及大于现有统计量的概率是小概率，按 小概率事件原理现有样本信息不支持H0， 因而拒绝H0。
不拒绝H0 II 型错误
未知
1. ，
2. ， 3. ， 4. n ，
的影响因素
假设检验需要注意的问题
数据应来自设计科学的实验或调查
样本的代表性 可比性/均衡性：比较的基础
数据应该满足假设检验方法的前提条件 正确理解假设检验中概率值的含义
差异有统计学意义与差异大小的区别
假设检验的分类
根据假设的对象
参数检验—对总体参数提出假设 非参数检验—对总体分布提出假设

雷静《卫生统计学》第七章 假设检验基础一PPT课件

雷静《卫生统计学》第七章 假设检验基础一PPT课件

4
假设检验的基本步骤
☆建立检验假设和确定检验水准 ☆选定检验方法和计算检验统计量 ☆确定P值和做出统计推断结论
13.08.2020
西安医学院公共卫生系
5
建立假设
假设： H0（零假设） μ1=μ2 H1（备择假设）μ1≠μ2或μ1＞μ2
(根据研究目的、设计类型及资料特点将需要推断的问题 表述为关于总体特征的一对假设)
13.08.2020
西安医学院公共卫生系
8
统计推断结论应包括统计结论和专业结论两 部分。统计结论只说明有无统计学意义，而不 能说明专业上的差异大小，专业结论须结合专 业知识才能得出。
***注意：假设检验的结论是具有概率性的，
不论是拒绝H0或不拒绝H0，都有可能发生错 误，即第一类错误或二类系
9
第一类错误与第二类错误
指假设检验中作出的推断结论可能发生两类错误 ☆I类错误：拒绝了真实的H0 。 （拒绝了实际上成立的H0），概率用α表示。 ☆II类错误：接受了实际上不成立的H0 。 （拒绝了真实的H1），概率用β表示，
β值的大小很难确切估计。 一般，样本例数确定时，α愈大，β愈小；
sx1x2 (n11 n)1s1 2 n2(n 221)s2 2n 11n12
• 如果样本含量足够大n1 n2 均大于 50或100时，可将t检验简化为u检验
• 计算检验统计量Ζ ：
Ζu
x1 x2
s
2 1
s
2 2
n1 n2
13.08.2020
西安医学院公共卫生系
16
4.两独立样本资料的方差齐性检验
课程或者工作有什么建议和意见，也请写在上边
19
感谢观看
The user can demonstrate on a projector or computer, or print the presentation and make it into a film

《假设检验基础》课件

《假设检验基础》课件

2
通过选择适当的显著性水平，我们可以
控制犯错误的概率，确定接受或拒绝原
假设的标准。
3
4. 计算统计量
4
根据样本数据和假设检验方法，计算出
相应的统计量。
5
6. 分析检验结果
6
通过分析检验结果，我们可以对总体进
行推断，了解样本数据是否支持或拒绝
原假设。
7
1. 确定假设
我们首先需要明确研究问题并建立相应 的假设，包括原假设和备择假设。
课程总结
在本课程中，我们学习了假设检验的基础知识和常见方法。掌握假设检验可 以提升我们在数据分析领域的能力，帮助我们做出准确的统计推断。
问答环节
如果您对假设检验还有任何疑问，请在问答环节向我们提问。我们将尽力解 答您的问题。
《假设检验基础》课件
本课程将介绍假设检验的基础知识。掌握假设检验的作用、步骤和常见方法， 提升在数据分析中的能力。让我们一起开始这个精彩的学习之旅吧！
பைடு நூலகம்
什么是假设检验
假设检验是一种统计推断方法，用于验证关于总体特征或参数的假设。通过 收集样本数据进行分析，我们可以得出对总体的合理推断。
假设检验的作用
卡方检验
用于检验分类变量之间的关联性和独立性。
双样本t检验
用于比较两个独立样本的均值是否有显著差异。
方差分析
用于比较多个样本的均值是否有显著差异。
实战演练
让我们通过一个实际案例来应用假设检验的方法：
1. 确定问题和目标 2. 收集数据 3. 建立假设和设置显著性水平 4. 进行假设检验 5. 分析检验结果 6. 得出结论和建议
3. 收集样本数据
根据研究设计，我们收集样本数据并进 行必要的数据处理。
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
例6-1 已知北方农村儿童前囟门闭合月龄为14.1月。某 研究人员从东北某县抽取36名儿童，得囟门闭合月龄 均值为14.3月，标准差为5.08月。问该县儿童前囟门闭 合月龄的均数是否大于一般儿童？
已知：0 14.1 X 14.3 s 5.08 n 36
4
第七章 假设检验基础
从统计学角度考虑东北某县与北方儿童 前囟门闭合月龄有差别有两种可能： 1）差别是由于抽样误差引起。 2）差异是本质上的差异，即二者来自不同 总体。
白含量，其均数为136.0g/L，标准差为6.0g/L。 已知正常成年男性血红蛋白的均数为140.0g/L。 试问能否认为该地成年男性的血红蛋白含量与 正常成年男性的血红蛋白含量的均数不同？
t x 0 136 .0 140 .0 11.16
S n 6.0 280
3
第七章 假设检验基础
二、假设检验的基本步骤：
按α水准，不拒绝H0，差别无统计 学意义。
t t ,
P
按α水准，拒绝H0，接受H1差别有 统计学意义。
15
第七章 假设检验基础
第二节 t 检验
一、一组样本资料的t 检验(one sample/group t-test) 现有取自正态总体N(μ,σ2）的、容量为n 的一份
完全随机样本。 目的：推断该样本所代表的未知总体均数µ与已知总体 均数µ0是否相等。已知总体均数µ0是指标准值、理论 值或经大量观察所得的稳定值。
二、序号配对设计资用料药前的t 检验 用药后
差值d
例6-12 某儿科采用12静06.脉44 注射人血丙167种8.44球蛋白治疗47小2.0儿0
2
921.69
1293.36
371.67
急性3毛细支气管炎129。4.0用8 药前后患17儿11.血66 清中免疫球417蛋.58白
IgG(4mg/dl)含量如94表5.3所6 示。试问1用416药.70前后IgG有4无71.3变4
5
第七章 假设检验基础
1、建立检验假设、明确单双侧 假设有两种：一种为原假设或零假设，符
号为H0；一种为对立假设或备择假设，符号 为H1。这两种假设都是根据统计推断的目的
要求而提出的对总体特征的假设。 应当注意检验假设是针对总体而言，而不
是针对样本。
6
第七章 假设检验基础
单双侧的确定一是根据专业知识， 已知东北某县囱门月龄闭合值不会低 于一般值，应当用单侧检验。
化？5
721.36
1204.55
483.19
6
692.32
1147.30
454.97
7
980.01
1379.59
399.58
8
691.01
1091.46
400.45
9
910.39
1360.34
449.95
10
568.56
1091.83
523.27
11
1105.52
1728.03
622.51
12
757.43
12 84.2747 12 1
t 475.66 0 19.552(mg / dl ), 12 1 11
84.2747 / 12
14
第七章假是设否检真假验实设的”推作检断出验结判论断基是。础对这“种H判0
断是通过比较P值与检验水准α 的大小来进行的。
4. 做推断结论：，不拒绝H0，差别统无计统结计学论意义，
故还不能认为该县儿童前囟门闭合月龄的均数大于
一般t 儿t童 ,。 P
H0： 0 H1 : 0 (单侧 0或 0 )
t X 0 ~ t( ), n 1
sn
16
第七章 假设检验基础
第二节 t 检验 二、配对设计资料的t 检验
配对设计是研究者为了控制可能存在的主要非处理 因素而采用的一种试验设计方法。
形式：
⑴将特征相近的受试对象配成对子，同对的两个受试对 象随机分别接受不同处理；
⑵同一样品分成两份，随机分别接受不同处理（或测量）
⑶同一受试对象处理前后，数据作对比。
17
第七章 假设检验基础
检验假设为：
H0：d 0 H1 : d 0(单侧d 0或d 0)
当H0成立时，检验统计量：
t d 0 ~ t , n 1
Sd n
18
第七章 假设检验基础
表6第-1二用节药前t后检患儿验血清中免疫球蛋白IgG(mg/dl)含量
假设检验基础
中山大学医学统计与流行病学系 张晋昕
2008.09.23
1
第七章 假设检验基础
第一节 假设检验的概念及原理
1. 假设检验的目的？ 2. 怎样理解“差异有统计学意义”？ 3. 何谓“小概率事件”？
2
第七章 假设检验基础
一、假设检验的思维逻辑 某地抽样调查了280名健康成年男性的血红蛋
1398.86
641.44
19
第七章 假设检验基础
假设检验步骤：
H0：d 0 H1 : d 0 0.05
n 12, d 5707.95,d d n 5707.95 / 12 475.66
2793182 .166 5707.952
d 2 2793182 .166, Sd
原假设H0： 0 14.1 备择假设H1 : 0 (单侧）检验水准： 0.05
12
第七章 假设检验基础
2. 计算统计量：
t X 0 14.3 14.1 0.236
s n 5.08 36
n 1 36 1 35
13
第七章 假设检验基础
3. 确定P值 查 t 值表：
t0.25(35) 0.682 t t0.25(35) 得P 0.25
一般认为双侧检验较为稳妥，故较 为常用。
7
第七章 假设检验基础
2、确定检验水准： 亦称为显著性水准，符号为α，是预
先给定的概率值。它是当前研究中约定的 小概率事件的概率水平。
8
第七章 假设检验基础
3、选择检验方法并计算统计量： 要根据所分析资料的类型和统计推断的
目的要求选用不同的检验方法。
4、确定P 值： 目的是明确当前抽样结局是否为原假
设成立时的小概率事件。
9
第七章 假设检验基础
10
第七章 假设检验基础
5、作出推断结论：
当P≤时，结论为：按所取检验水准α拒绝 H0，接受H1，差异有统计学意义。如果P＞ ， 结论为按所取检验水准α不拒绝H0，差异无统计
学意义。其间的差异是由抽样误差引起的。
11
第七章 假设检验基础
1、建立检验假设、明确单双侧、检验水准