第四章统计推断(已知样本推总体)
上一章我们讨论了已知总体的时候样本的特征,即抽样分布。
本章我们来讨论已知样本的时候如何推断总体的特征,主要任务是分析差异产生的原因,是随机误差导致的,还是一些处理效应导致的。
假设检验的原理与方法
假设检验(hypothesis test):也叫显著性检验(significance test),是根据总体的理论分布和小概率原理,对未知或不完全知道的总体提出两种彼此对立的假设,然后由样本的实际结果,经过一定的计算,做出在一定概率意义上应该接受哪种假设的推断。
假设检验的步骤
1. 提出假设
零假设(null hypothesis)也称无效假设,是指处理效应没有产生真实的差异,即差异都是随机误差导致的。
备择假设(alternative hypothesis),是指处理效应产生了真实的差异。
2. 确定显著水平
显著水平(significance level)是人为规定的小概率界限,用α表示,常用取值是0.05或0.01,特殊情况时也可以取其他值。
α也是假阳性发生的概率,及I型错误的发生率
3. 计算统计数与相应的概率
在假定零假设正确的前提下,选择恰当的抽样分布相关公式计算标准化后的统计数,然后查表找到对应的概率累积函数值。
4. 推断是否接受假设
推断的基础是小概率原理,即认为小概率事件在一次抽样试验中几乎是不可能发生的
双尾检验和单尾检验
零假设 | 备择假设 | |
---|---|---|
差值等于0 | 差值不等于0 | u**<- u α 2 \frac{u{_α}}{2} 2 |