生物统计学(biostatistics)学习笔记（四）统计推断（已知样本推总体)

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**<-$\genfrac{}{}{0ex}{}{}{2}$