演示专题1假设检验复习.docx
《演示专题1假设检验复习.docx》由会员分享,可在线阅读,更多相关《演示专题1假设检验复习.docx(5页珍藏版)》请在冰豆网上搜索。
![演示专题1假设检验复习.docx](https://file1.bdocx.com/fileroot1/2023-1/6/d790722f-289b-4729-968d-b522e2cd018e/d790722f-289b-4729-968d-b522e2cd018e1.gif)
演示专题1假设检验复习
专题1:
假设检验复习
1假设检验问题
2假设检验的基本思想
3关于假设检验结论的几点说明
1假设检验问题
我们以均数检验为例。
均数检验是要根据样本提供的信息,判断两个总体均数是否不同。
例1:
某地区根据体质普查资料得知,该地区高中男生肺活量总体均数为3736毫升。
现随机抽测该地区经常锻炼的高中男生81人,得肺活量均数
=3852毫升,标准差s=427毫升,问可否认为该地区经常锻炼的男生肺活量的总体均数μ不等于地区总体均数3736毫升?
例2:
随机抽取40名优秀男子游泳运动员和80名普通大学男生,分别测出他们的指距指数,要比较优秀男子游泳运动员和普通大学男生的指距指数是否不同(总体上)?
返回
2假设检验的基本思想
●基本思想
●思路1:
人工检验的思路
●人工检验中的p-值
●思路2:
借助电子计算机检验的思路
●两种思路的统一
返回
基本思想
假设检验的基本思想是:
先对总体的情况作出一个假设,称为“原假设”,一般假设要比较的两个参数相等,记为H0,然后构造一个统计量,如对例1进行检验,可用
,如果原假设成立,则
应该较小,如果
很大,则可认为原假设是有问题的。
所以可根据实际得到的样本计算出的统计量的值进行判断。
返回
思路1:
人工检验的思路
人工检验的思路是基于如下的“小概率法则”:
小概率事件在一次试验中几乎不会发生。
其基本思想在例1中的表现是:
假如原假设成立,则
应该较小,所以如果
很大,大到使小概率事件发生了,则根据小概率法则,可认为原假设是有问题的,所以就拒绝原假设,而接受其反面“备择假设”(记为H1),称为“差异具有显著性”。
若
较小,则不能否定原假设,所以就暂且接受原假设,称为“差异不具有显著性”。
这里,“小概率事件”的“小概率”称为显著性水平,记为α。
返回
人工检验中的p-值
我们把“根据所抽到的特定样本能拒绝原假设的显著性水平α中的最小值”称为p-值。
为什么要这个p-值呢?
显著性水平α并不一定要取0.05,当初Fisher给出0.05这样一个主观标准时,没有任何客观依据,比较严谨的做法应该是根据犯错后果的严重程度来定。
如果错误地拒绝原假设将产生严重的后果,则应取相对较小的α值(如0.01),反之可取相对较大的α值(如0.10)。
对同一个问题,不同的人会有不同的理解,会选用不同的α值,从而可能得出不同的检验结论(有的拒绝原假设,有的不拒绝原假设),所以需要一种反映检验结果的“共同语言”,当使用相同的统计量进行检验时,这一共同语言就是“p-值”。
“p-值”在这里的含义是:
根据所抽取的样本,可以拒绝原假设的α值的下限。
返回
思路2:
借助电子计算机检验的思路
这一思路是:
在检验时直接计算出一个p-值来判断是否拒绝原假设。
这里的p-值是“当原假设成立时,统计量为现在得到的数值或更极端数值(如更大的
)的概率”。
p-值可以根据统计量的分布来计算。
显然,若p-值很小,则我们可以拒绝原假设,若p-值较大,则不能拒绝原假设,只能暂且接受。
划分拒绝还是接受原假设的概率分界点称为显著性水平,记为α,通常取一较小的数值,如0.01、0.05、0.10等。
若取α=0.05(这是最常用的取法),而p=0.0453,则因为有p<α,所以拒绝原假设,差异具有显著性(严格的说法是:
在0.05的水平上具有显著性)。
返回
两种思路的统一
上述两种思路中的p-值其实是是同一个值。
显著性的高低用该p-值衡量,p-值越小显著性越高,拒绝原假设的理由越充分。
反之,p-值越大显著性越低,拒绝原假设的理由越不充分。
在统计软件中,这一p-值也直接称为显著性。
上述两种思路中的显著性水平α也是一回事。
反映的都是“我们愿意承担的错误地拒绝原假设的概率上限”。
返回
3关于假设检验结论的几点说明
3.1假设检验的结论,无论是拒绝原假设,还是接受原假设,都有可能犯错误。
拒绝正确的原假设所犯的错误称为“拒真错误”,也称为“第一类错误”;接受错的原假设所犯的错误称为“纳伪错误”,也称为“第二类错误”。
3.2“差异具有显著性”的含义是:
有很大的把握认为比较的两者是有差异的。
“差异不具有显著性”的含义是:
没有很大的把握认为比较的两者是有差异的。
但不能理解为:
有很大的把握认为比较的两者是没有差异的。
“差异具有显著性”仅说明了认为“两者有差异”的把握程度,而不是差异的大小。
例如在均数检验中,当标准差较小而样本含量很大时,均数差异很小也会具有显著性,这时只说明我们认为两总体均数有差异是有较大把握的,至于差异的大小仍要用均数的差值来反映。
同样,差异具有高度显著性也只是说明我们认为“两者有差异”的把握程度非常大,而不能说明差异非常大。
“差异具有显著性”也常被称为“差异具有统计意义”,“具有统计意义”并不等于在专业上也具有意义。
例如用一种训练手段来提高排球运动员的弹跳力,运动员训练前后的弹跳力差异具有统计意义(p<0.05),但提高的幅度并不大(平均0.3厘米),从专业上来看意义并不大。
3.3一般情况下,拒绝原假设是有说服力的,而接受原假设是没有说服力的。
在“差异不具有显著性”时并不能认为比较的两者是相等的。
3.4“差异具有显著性”是相对的,不同的人用不同的显著性水平α可得出不同的结论。
一般不加说明的话,“具有显著性”是指p≤0.05,若p≤0.01,则可称“具有高度显著性”。
3.5拒绝原假设时,p值越小、显著性越高,则结论越强。
接受原假设时,p值越大、显著性越低,则结论越强。
返回
仅供个人用于学习、研究;不得用于商业用途。
Forpersonaluseonlyinstudyandresearch;notforcommercialuse.
NurfürdenpersönlichenfürStudien,Forschung,zukommerziellenZweckenverwendetwerden.
Pourl'étudeetlarechercheuniquementàdesfinspersonnelles;pasàdesfinscommerciales.
толькодлялюдей,которыеиспользуютсядляобучения,исследованийинедолжныиспользоватьсявкоммерческихцелях.
以下无正文