Download
1 / 21
210 likes | 346 Views
Statistical Software. An introduction to Statistics Using R. Instructed by Jinzhu Jia. Chap 7 . 假设检验. 参考书目： R 语言与统计分析 （汤银才） 假设检验的基本思想 p 值 正 态总体的均值与方差的假设检验 两正态总体均值与方差的比较 成对数据的假设检验 比例的检验与两比例的比较. 假设检验 – 实例. 假设检验的基本思想. 反证法 小概率事件在一次实验中是几乎不可能 发生 的 . 两 类错误：
E N D
Statistical Software An introduction to Statistics Using R Instructed by Jinzhu Jia
Chap 7. 假设检验 • 参考书目：R 语言与统计分析 （汤银才） • 假设检验的基本思想 • p值 • 正态总体的均值与方差的假设检验 • 两正态总体均值与方差的比较 • 成对数据的假设检验 • 比例的检验与两比例的比较
假设检验的基本思想 • 反证法 • 小概率事件在一次实验中是几乎不可能发生的. • 两类错误： • 犯第一类错误的概率为P(拒绝H0|H0为真) • 犯第二类错误的概率为P(接受H0|H0为假) • 通常把解决这一问题的原则简化成只对第一类错误的最大概率加 以限制, 而不考虑犯第二类错误地概率. 这种统计假设检验问题称为显 著性检验, 并将犯第一类错误地最大概率称为假设检验的显著性水平.
检验步骤 • 1) 提出原假设H0与备择假设H1; • 2) 选择检验统计量W并确定其分布; • 3) 在给定的显著性水平下, 确定H0关于统计量W的拒绝域; • 4) 算出样本点对应的检验统计量的值; • 5) 判断: 若统计量的值落在拒绝域内, 则拒绝H0, 否则接受H0.
p值 • 定义: 在一个假设检验问题中, 拒绝原假设H0的最小显著性水平称为检验的p值. (最小犯第一类错误的概率)。 • p值越小, 表示原假设越可疑, 从而越应拒绝原假设。 • 由检验的p值与人们心目中的显著性水平进行比较可以很容易做出检验的结论: 如果 p < alpha, 则在显著性水平alpha下拒绝H0; 如果p>alpha, 则在显著性水平alpha下保留H0.
单正态总体参数的检验 • 均值的假设检验 • 1.方差已知时。考虑如下假设检验问题：
t检验 • 方差未知 • t.test()
两正态总体参数的检验 • 均值的比较：t检验
t检验 • t.test()
方差的比较： F检验 • var.test()
成对数据的t-检验 • t.test()
临界值的确定 • 以检验2)为例. binom.test()
比率的近似检验 • prop.test()
