第八章假设检验的概念及t检验
医学统计学：第八章 t检验
（1）建立检验假设
H0：μ ＝μ0 ，即该托儿所男婴的体重发育状
况与全国九城市的同期水平相同。
H1： μ≠μ0 ，即该托儿所男婴的体重发育状
况与全国九城市的同期水平不同。
α ＝0.05(双侧)
（2）计算u值 本例因总体标准差σ已知，故
可用u检验。
本例n=47, 样本均数=11, 总体均数=11.18,总
验）
一、单样本t检验（样本均数与总体均数比较的t检验）
即样本均数代表的未知总体均数与已知的 总体均数（一般为理论值、标准值或经过大量 观察所得的稳定值等）进行比较。
这时检验统计量t值的计算在H0成立的前提
条件下为：
t X 0
Sn
例3.3 根据调查，已知健康成年男子脉搏的 均数为72次/分钟，某医生在一山区随机测量 了25名健康成年男子脉搏数，求得其均数为 74.2次/分钟，标准差为6.5次/分钟，能否认 为该山区成年男子的脉搏数与一般健康成年 男子的脉搏数不同？
二、配对资料的t检验
配对实验设计得到的资料称为配对资料。
医学科研中配对资料的四种主要类型： ➢ 同一批受试对象治疗前后某些生理、生化指标
的比较； ➢ 同一种样品，采用两种不同的方法进行测定，
来比较两种方法有无不同； ➢ 配对动物试验，各对动物试验结果的比较等。 ➢ 同一观察对象的对称部位。
配对资料的 t 检验
之间收缩压均数有无差别？
（1)建立检验假设
H0：μ1 ＝μ2 ，即该地20～24岁健康女子和
男子之间收缩压均数相同；
H1: μ1≠μ2 ，即该地20～24岁健康女子和男
子之间收缩压均数不同。 α ＝0.05（双侧）
（2）计算u值
概率论与数理统计(8)假设检验
概率论与数理统计(8)假设检验第八章假设检验第一节假设检验问题第二节正态总体均值的假设检验第三节正态总体方差的检验第四节大样本检验法第五节 p值检验法第六节假设检验的两类错误第七节非参数假设检验第一节假设检验问题前一章我们讨论了统计推断中的参数估计问题，本章将讨论另一类统计推断问题——假设检验.在参数估计中我们按照参数的点估计方法建立了参数的估计公式，并利用样本值确定了一个估计值，认为参数真值。
由于参数是未知的，只是一个假设（假说，假想），它可能是真，也可能是假，是真是假有待于用样本进行验证（检验）.下面我们先对几个问题进行分析，给出假设检验的有关概念，然后总结给出检验假设的思想和方法.一、统计假设某大米加工厂用自动包装机将大米装袋,每袋的标准重量规定为10kg，每天开工时，需要先检验一下包装机工作是否正常. 根据以往的经验知道,自动包装机装袋重量X服从正态分布N( )．某日开工后，抽取了8袋，如何根据这8袋的重量判断“自动包装机工作是正常的”这个命题是否成立？请看以下几个问题：问题1引号内的命题可能是真，也可能是假，只有通过验证才能确定．如果根据抽样结果判断它是真，则我们接受这个命题，否则就拒绝接受它，此时实际上我们接受了“机器工作不正常”这样一个命题．若用H0表示“”，用H1表示其对立面，即“”，则问题等价于检验H0：是否成立，若H0不成立，则H1：成立．一架天平标定的误差方差为10-4(g2)，重量为的物体用它称得的重量X服从N( )．某人怀疑天平的精度，拿一物体称n次，得n 个数据，由这些数据(样本)如何判断“这架天平的精度是10-4(g2)”这个命题是否成立？问题2记H0: =10-4，H1: ，则问题等价于检验H0成立，还是H1成立．某种电子元件的使用寿命X服从参数为的指数分布，现从一批元件中任取n个，测得其寿命值（样本），如何判定“元件的平均寿命不小于5000小时”这个命题是否成立？记问题3则问题等价于检验H0成立，还是H1成立．某种疾病，不用药时其康复率为，现发明一种新药（无不良反应），为此抽查n位病人用新药的治疗效果，设其中有s人康复，根据这些信息，能否断定“该新药有效”？记问题4则问题等价于检验H0成立，还是H1成立．自1965年1月1日至1971年2月9日共2231天中，全世界记录到震级4级及以上的地震共计162次，问相继两次地震间隔的天数X是否服从指数分布？问题5记服从指数分布，不服从指数分布．则问题也等价于检验H0成立，还是H1成立．在很多实际问题中，我们常常需要对关于总体的分布形式或分布中的未知参数的某个陈述或命题进行判断，数理统计学中将这些有待验证的陈述或命题称为统计假设，简称假设．如上述各问题中的H0和H1都是假设.利用样本对假设的真假进行判断称为假设检验。
第八章 t检验.
LowLeorwer the DiffeUrepUnpceperper
Lo.1w5e.31r53
1U.0p12p.40e2r4
8
.014
.5889
.153
1.024
图6-5 例6-1独立样本检验结果
图8-5 例8-1独立样本检验结果
应用条件： ① 样本个体测量值相互独立。 ② 两 个样本所代表的总体均数均服从正态分布，即正 态性(normality)。 ③两总体方差相等，即方差齐 性(homogeneity of variance)。
【例8-3】 测定功能性子宫出血症中实热组与虚寒组的免 疫功能，其淋巴细胞转化率如表8-2.试比较实热组与虚寒 组的淋巴细胞转化率均数是否不同。
第二节 配对设计资料均数的t检验
配对设计：将受试对象按某些重要特征相同或相近的原 则配成对子（以消除其对研究结果的影响），再将每对 中的个体按随机分配的原则给予不同的处理。 配对设计可以减小实验误差，提高研究效率。
配对设计的几种类型： ① 同一对的两个受试对象分别接受不同处理 ② 同一样品用两种不同方法测试 ③ 同一受试对象处理前后的比较或不同部位测定值比较
n 1 9 1 8 ③ 确定P值、作出统计推论。
t＞t0.05/2，8＝2.306，P<0.05
weigwhetight
weight
tt
t 3.1138.118
3.118
OnOOen-nSeea-SmapmlepplTleeesTTetesstt
TesTteVsatlVuealu=e8=.98.9
Lower -3.487
第八章 假设检验
广 东 工 业 大 学
上页
下页
返回
1、原假设与备择假设 H0 2、原理
H1
小概率原理：小概率事件在一次试验中是不太会发生的。 （1）提出假设 H 0 （2）在假设 H 0 成立的条件下，构造一个小概率事件A， （3）根据样本值判断：
若在这一次试验中小概率事件A发生了，则拒绝假设 H 0 ,
若在这一次试验中小概率事件A未发生，则接受假设 H 0 .
广 东 工 业 大 学
上页
下页
返回
显著性水平 3、接受域与拒绝域
P{ A} P{样本落入区域 } R
拒绝域： R 接受域： R 4、两类错误
第一类错误： 弃真
小概率
样本点落入R：拒绝 H 0
样本点落入 R ： 接受 H 0
犯第一类错误的概率：
H 0 正确，但拒绝了它。
第二类错误： 采伪
工 业 大 学
上页
下页
返回
二、假设检验的思想方法 假设检验的基本思想实质上是带有某种概率性质的反证 法。为了检验一个假设是否正确，首先假设该假设正确，然 后根据抽取到的样本对假设作出接受或拒绝的决策。如果样 本观察值导致了不合理的现象发生，就应拒绝假设，否则应 该接受假设。
假设检验中所谓“不合理”，并非逻辑中的绝对矛盾，而 是基于人们的实践活动中广泛采用的原则，即小概率事件在一 次试验中是几乎不发生的。但概率小到什么程度才能算作“小 概率事件”？显然，“小概率事件”的概率越小，否定原假设 就越有说服力。 广
上页
广 东 工 业 大 学
下页
返回
例1 某砖厂生产的砖其抗拉强度X服从正态分布 N ( ,1.21) ,今从 该厂产品中随机抽取6块，测得其平均抗拉强度为31.13.试检验 这批砖的平均抗拉强度为32.5是否成立,取显著性水平 0.05. 解: 提出原假设 H 0 : 0 32.5 双边检验： 单边检验：
统计假设检验-t检验
统计假设检验
一、假设检验的概念与分类
假设检验(hypothesis test) 亦称显著 性检验(significance test)，是利用 样本信息，根据一定的概率水准，推断 指标(统计量) 与总体指标(参数)、不 同样本指标间的差别有无意义的统计分 析方法。
(3)确定P 值，作出推断结论
t 7.925 t0.05/ 2,9 2.262, p 0.05
同理 t=7.925＞t0.001/2,9=4.781,P＜0.001 结论；按 =0.05水准，拒绝 H0 ，p＜0.001， 差别有统计学意义。两种方法对脂肪含量的测 定结果不同，哥特里－罗紫法测定结果高于脂 肪酸水解法。
2．选择检验方法、计算统计量
根据：①研究目的， ②资料的类型和分布， ③设计方案， ④统计方法的应用条件， ⑤样本含量大小等， 选择适宜的统计方法并计算出相应 的统计量。
3．确定Ｐ值、做出推论
假设检验中的Ｐ值是指在由无效假设所 规定的总体作随机抽样，获得等于及大 于(和/或等于及小于)现有统计量的概 率。 即各样本统计量的差异来自抽样误差的 概率，它是判断H０成立与否的依据。
差值 d (4)=23 0.260 0.082 0.174 0.316 0.350 0.461 0.296 0.218 0.203 0.364 2.724
配对数据检验的统计量t，公式
d 0 d0 t Sd Sd / n
(3-16)
n -1
卫生统计学：第7-8章 假设检验与t检验
反证法
当一件事情的发生只有A、B两种可能的时候，为了肯 定其中的一种情况A，但又不能直接证实A，这时否定 了另一种情况B，则间接肯定了A。 证明A还是证明B？ 抗氧化剂 • 在H0成立的条件下，均数之间的差异是由抽样误差
引起的，有规律可循； • 在H1成立的条件下，均数间的不同包含种种未知情
形，无规律可循。 • 故从H0成立的角度出发，寻求其成立的概率。
分布。
数理统计的中心极限定理表明：从正态总体N ( , ) 中抽取例数均为n 的样 本，样本均 数也服从正态分布N( , X )。
Gosset 将此时的 u 转换：
X
定义为t 转换： t sX
u X X
并将t 值的分布命名为t 分布。
t 分布的图形及特征
• 单峰分布，以0为中心，左右对称 • t分布是一簇曲线，其形状与自由度υ(υ=n-1)
基本原则——小概率事件在一次试验中是不可能发生的。
建立检验假设，确定检验水准
假 设 检 验 步 骤
P≤α
计算检验统计量
确定P值
作推断结论
P>α
拒绝H0，接受H1
不拒绝H0
为了解某地1岁婴儿的血红蛋白浓度，某医 生从该地随机抽取了1岁婴儿25名，测得其血红 蛋白浓度的平均数为123.5g/L,标准差为11.6 g/L， 而一般正常小儿的平均血红蛋白浓度为125 g/L， 故认为该地1岁婴儿的平均血红蛋白浓度低于一 般正常小儿的平均血红蛋白浓度。
│t│值越大，则 P 值越小；反之，│t│值 越小，P 值越大。根据上述的意义，在同 一自由度下，│t│≥ tα ，则P≤ α ； 反之， │t│＜tα，则P＞α。
t 检验的应用条件：
单样本t 检验中，σ未知且样本含量较小 (n<50)时，要求样本来自正态分布总体；
概率论与数理统计第八章假设检验
为判断所作的假设是否正确, 从总体中抽取 样本, 根据样本的取值, 按一定的原则进行检 验, 然后, 作出接受或拒绝所作假设的决定.
整理课件
2
我们主要讨论的假设检验的内容有
参数检验 总体均值、均值差的检验 总体方差、方差比的检验
H0: Θ0 vs H1: Θ1,
根据样本，构造一个检验统计量T 和检验法则： 若与T的取值有关的一个小概率事件W发生，则 否定H0，否则接受H0，而且要求
P(W|H0)
此时称W为拒绝域，整为理课检件 验水平。
11
例 3. 某厂生产的螺钉,按标准强度为68克/mm2,
而实际生产的螺钉强度 X 服从 N ( ,3.6 2 ). 若 E ( X ) = = 68, 则认为这批螺钉符合要求,否
7
所以我们否定H0, 认为隧道南的路面发生交 通事故的概率比隧道北大.
做出以上结论也有可能犯错误。这是因为 当隧道南北的路面发生交通事故的概率相同, 而3起交通事故又都出现在隧道南时, 我们才犯 错误。这一概率正是P=0.043.
于是, 我们判断正确的概率是1-0.043=95.7%
整理课件
8
假设检验中的基本概念和检验思想 (1) 根据问题的背景, 提出原假设
再作一个备择假设
H1: p> 0.35. 在本问题中,如果判定H0不对,就应当承认H1.
检验: 三起交通事故的发生是相互独立的, 他们
之间没有联系.
如果H0为真, 则每一起事故发生在隧道南的 概率都是0.35, 于是这三起交通事故都发生在隧
道南的概率是
P= 0.353 ≈ 0.043.
医学统计学第七、八章 假设检验的基本概念和t检验
S x 1 − x 2 为两样本均数差值的标准误
Sx −x
1
2
⎛1 1⎞ ⎟ = S ⎜ + ⎜n n ⎟ 2 ⎠ ⎝ 1
2 c
在两总体方差相等的条件下，可将两方差合并， 求合并方差(pooled variance) S c2
2 ⎡ ( Σ x1 ) ⎤ 2 ⎢ Σ x1 − ⎥ + n1 ⎦ ⎣ = n1 − 1 + 2 ⎡ ( Σx2 ) ⎤ 2 ⎢Σ x2 − ⎥ n2 ⎦ ⎣ n2 − 1
t 检验的应用条件:
① 单样本t检验中，σ 未知且n 较小，样本取自 正态总体； ② 两小样本均数比较时，两样本均来自正态分 布总体，两样本的总体方差相等；若两总体 方差不齐可用t’检验； ③ 两大样本均数比较时，可用Z检验。
1、样本均数与总体均数比较的 t 检验
• 使用范围：用于样本均数与已知总体均数（一 般为理论值、标准值或经过大量观察所得的稳 定值等）的比较。 • 分析目的：推断样本所代表的未知总体均数 μ 与已知总体均数 μ0有无差别。 • 若 n 较大，则 tα .ν ≈ tα .∞ , 可按算得的 t 值用 v = ∞ 查 t 界值表( t 即为 Z )得P值。
回到例子:
2.计算统计量
已知μ0＝ 3min，n＝50, X=4min
4−3 t= = 4 .7140 1 .5 / 50
υ = 50 − 1 = 49
3、确定 P 值，作出统计推断 根据算出的检验统计量如 t、z 值，查 相应的界值表，即可得到概率 P。 P值是在H0成立前提下，抽得比现有样 本统计量更极端的统计量值的概率。 P值越小只能说明：作出拒绝H0 ，接受 H1的统计学证据越充分。
X −μ X −μ 用公式：t = 或z = σX SX
第8章t检验
第八章 t 检验t 检验(t test)亦称Student’s t 检验，是以t 分布为基础定量资料分析中常用的假设检验方法，用于两均数间的比较。
t 检验的应用条件为：①在单样本t 检验中，总体标准差σ未知且样本含量较小，要求样本来自正态分布总体；②配对t 检验是单样本t 检验的特殊情况，配对设计是指同质受试对象配成对子分别接受两种不同处理或同一受试对象分别接受两种不同处理；③两小样本均数比较时，要求两样本均来自正态分布总体，且两样本总体方差相等；若两样本总体方差不相等，则用t '检验；④对两大样本(12n n 、均大于50)的均数比较，可用Z 检验。
但在实际应用时，与上述条件略有偏差，只要其分布为单峰且近似对称分布即可。
第一节 样本均数与总体均数的比较样本与总体均数比较的检验亦称为单样本t 检验(one sample t test)，用于样本均数代表的未知总体均数μ与已知总体均数0μ(一般为理论值或标准值)的比较。
在00:H μμ=成立的条件下，检验统计量的计算公式如下01X X X t v n S μ-===- (8.1) 式中，X 为样本均数，S 为样本标准差，v 为自由度。
例8.1 已知某地新生儿出生体重均数为3.36 kg 。
从该地农村随机抽取40名新生儿，测得其平均体重为3.27 kg ，标准差为0.44 kg ，问该地农村新生儿出生体重是否与该地新生儿平均出生体重不同？1．建立检验假设，确定检验水准0: 3.36H μ=，该地农村新生儿体重与该地新生儿平均出生体重相同 1: 3.36H μ≠，该地农村新生儿体重与该地新生儿平均出生体重不同0.05α=2．计算检验统计量 由式(8.1)，得1.294140139X X X t S v n μ-====-=-=-= 3．确定P 值，作出统计推断根据39v =和 1.294t =-的绝对值查t 界值表(附表3)，得0.20.4P <<，则按0.05α=的检验水准，不拒绝0H ，差异无统计学意义，尚不能认为该地农村新生儿体重与该地新生儿平均出生体重不同。
统计学第8章假设检验
市场调查中常用的假设检验方法包括T检验、Z检验和卡方 检验等。选择合适的检验方法需要考虑数据的类型、分布 和调查目的。例如，对于连续变量，T检验更为适用；对于 分类变量，卡方检验更为合适。
医学研究中假设检验的应用
临床试验
在医学研究中，假设检验被广泛应用于临床试验。研究 人员通过设立对照组和实验组，对不同组别的患者进行 不同的治疗，然后收集数据并使用假设检验来分析不同 治疗方法的疗效。
03 假设检验的统计方法
z检验
总结词
z检验是一种常用的参数检验方法，用于检验总体均值的假设。
详细描述
z检验基于正态分布理论，通过计算z分数对总体均值进行检验。它适用于大样本 数据，要求数据服从正态分布。z检验的优点是简单易懂，计算方便，但前提假 设较为严格。
t检验
总结词
t检验是一种常用的参数检验方法，用于检验两组数据之间的差异。
卡方检验
总结词
卡方检验是一种非参数检验方法，用于 比较实际观测频数与期望频数之间的差 异。
VS
详细描述
卡方检验通过计算卡方统计量来比较实际 观测频数与期望频数之间的差异程度。它 适用于分类数据的比较，可以检验不同分 类之间的关联性。卡方检验的优点是不需 要严格的假设前提，但结果解释需谨慎。
04 假设检验的解读与报告
详细描述
t检验分为独立样本t检验和配对样本t检验，分别用于比较两组独立数据和同一组数据在不同条件下的 差异。t检验的前提假设是小样本数据近似服从正态分布。t检验的优点是简单易行，但前提假设需满 足。
方差分析
总结词
方差分析是一种统计方法，用于比较两个或多个总体的差异。
详细描述
方差分析通过分析不同组数据的方差来比较各组之间的差异。它适用于多组数据的比较，可以检验不同因素对总 体均值的影响。方差分析的前提假设是各组数据服从正态分布，且方差齐性。
概率论与数理统计第八章假设检验
对于(a)小概率P{X 0 u }
u是所选取合适的统计量 U 的分位点
1
单侧检验
P{ X 0 u } x 0 u为拒绝区域
其含义是依这样本x所推断的
小
概率
事
件H
发生
0
了
，
拒
绝H
0
u
拒绝
1
u 拒绝
对于(b)小概率P{X 0 u } (密度函数为对称时)
由 经 验 知 0.015公 斤 ， 为 了 检 验 某 天 机器 工 作 是 否 正 常 ， 抽 取其 所
包 装 的9袋 称 得 重 量 分 别 为0：.497,0.506,0.518,0.524,0.488,0.511,0.510,0.515,0.519； 问这天机器正常否？
现在另一天任然抽取9袋得样本均值x 0.511公斤，推断这天机器是否工作正常?
小 概 率 事 件 是: 样 本 均 值X与 所 假 设 的 期 望0相 差 X 0
不 能 太 大, 若 相 差 太 大 则 拒 绝H0
小概率事件P{ X 0 u }
u
是
2
所
选
取
合
适
的
统
计
量U
2
的
2
分
位
点
1
P{ X 0 u } x 0 u 为拒绝区域 2
较大、较小是一个相对的概念，合理的界限在何 处？应由什么原则来确定？
问题是：如何给出这个量的界限？ 这里用到人们在实践中普遍采用的一个原则：
小概率事件在一次试验 中基本上不会发生(若发 生了则认为假设是错 )
在假设检验中,称这个小概率为显著性水平,用 表示.
医学统计学第八章-t检验
随机数：206 126
……
试验
对照
试验
对照
对照
试验
对子号
试验组
对照组
1
门诊6
门诊1
2
门诊4
门诊2
3
门诊3
门诊5
……
……
试验组与对照组的两个观察对象均按照一定的条件配成对子， 同一对子中的“混杂”因素在二者间几乎相同；而在不同对子 间这些“混杂”因素则有可能差别很大
01
02
03
单样本资料的t检验
单样本资料的t检验
P/ 2
P / 2
t39
0
-2.023
2.023
-1.294
1.294
1/2α
1/2 α
由于t=-1.294>t0.05/2,35=-2.023，因此虽然无法准确得出P值，但仍然可以推断P>0.05（经过计算机软件得出结果P=0.203 ）
在a=0.05的水准上，不拒绝H0，尚不认为农村新生儿的出生体重与该地平均水平不同。
2
样本对应的总体均数等于3.36，仅仅是由于抽样误差所致这种差别；
3
非抽样误差，二者的确有别？
4
两种情况只有一个是正确的，且二者必居其一，需要我们作出推断。
单样本资料的t检验
H0：＝3.36，农村新儿体重与该地平均水平相同
H1：≠3.36，二者不同 （有可能高也有可能低，总之不相等即可）
检验水准a=0.05(双侧)
02
假设检验与区间估计的关系
2.018
前面阐述了方差齐性的情况下，如何进行两个样本均数比较的t检验
如果方差不齐，很多学者建议在这样的情况下采用自由度校正的方法计算t分布的概率，或者直接采用非参数检验
假设检验的基本原理与t检验
结论与总结
假设检验是统计学中重要的方法，可以帮助我们进行推断和决策。t检验是常用的假设检验方法之一，适用于 各种领域的研究和实践应用。
检验统计量和临界值
检验统计量是用于衡量样本 数据与零假设之间差异的统 计方法。临界值是决定是否 拒绝零假设的阈值。
t检验
单样本t检验
用于比较一个样本的均值与给定值的差异，判断它们是否具有统计学显著性。
独立样本t检验
用于比较两个独立样本的均值，判断它们是否有显著差异。
配对样本t检验
用于比较对应的配对样本的均值，判断它们是否存在显著差异。
t检验的应用领域比较，评估医疗技术的有 效性。
教育研究
评估教育干预措施的效果，比 较不同教学方法的有效性。
经济学领域
评估政策的影响，对经济指标 进行比较和分析。
t检验的优缺点
1 优点
2 缺点
易于理解和实施，适用于各种实际应用场景。
对数据分布和样本大小敏感，可能产生误导 性结果。
假设检验的基本原理与t 检验
假设检验用于推断或验证关于总体参数的声明。它涉及确定样本数据是否提 供足够的证据来接受或拒绝关于总体参数的某种假设。
假设检验的基本概念
零假设与备择假设
零假设是默认假设，我们试 图提供证据反驳它。备择假 设是我们试图接受的假设。
显著性水平和拒绝域
显著性水平是我们拒绝零假 设的临界值。拒绝域是使我 们拒绝零假设的样本统计量 的集合。
概率论第八章
n = 15, x = 10.48, α = 0.05, s = 0.237, 查表得 tα / 2 ( n 1) = t0.025 (14) = 2.1448
x 0 10.48 10.5 ≈ 0.327 ∈ (2.1448 , 2.1448) t= = s / n 0.237 / 15
故接受 H 0 , 认为金属棒的平均长度 无显著变化 .
故接受 H 0 , 认为该机工作正常 .
二. σ 未知
2
步骤： 、 步骤：1、提出假设 H0 : = 0 H1 : ≠ 0
X 0 ~ t(n 1) 2、H0成立时，选用检验统计量 T = 、 成立时， S n
3、对于给定的显著性水平 α ，由 P{ T > tα } = α 、 由此得到拒绝域W； 查表确定临界值 tα (n 1) ，由此得到拒绝域 ；
(n 1)S2
σ
2 0
~ χ 2 (n 1),
(n 1)S2 α (n 1)S2 α P ≤ k1 = , P ≥ k2 = , 2 2 2 σ0 2 σ0
P {拒绝H 0 | H 0为真} = P {小概率事件 A | H 0为真} = α
(2) 当原假设 H0 不真 而观察值却落入接受域 不真, 而观察值却落入接受域, 的判断, 称做第二类错误 第二类错误, 而作出了接受 H0 的判断 称做第二类错误 又叫 取伪错误, 取伪错误 犯第二类错误的概率记为
2 1 2 2
,
当H 0为真时 , t ~ t ( n1 + n2 2).
由P
1 2 =δ
{ t ≥ k} = α
( x y) δ
得 k = tα / 2 ( n1 + n2 2).
故拒绝域为
假设检验的概念及t
X X
1
2
1 / n1 2 / n2
2
2
u＝-4.23 查u界值表，4.23 >u 0.001/2=3.2905,得P <0.001,按照α ＝0.05水准，拒绝H0，接 受H1，可认为试验组和对照组退热天数的 总体均数不等，疗效不同。试验组比对照 组平均退热天数短。 μ 1-μ 2 的95％可信区间为-3.3——-1.3天
例8-2：1995年，某地20岁应征男青年平 均身高为168.5cm。2003年在当地20岁 应征男青年中随机抽取85人，平均身高 为171.2cm，标准差为5.3cm，问这两年 身高是否不同。 解：总体方差一般未知，当样本含量足够 大时，用S作为σ 的估计值。 1 建立假设，确定检验水准 H0：μ ＝168.5， H1：μ ≠ 168.5 α ＝0.05
2 计算统计量u
171 .2 168 .5 u 4.70 5.3 / 85 / n X 0
3 确定P值，下结论 查u界值表， 4.70 >u 0.001/2=3.2905,得P <0.001,按照α ＝0.05水准，拒绝H0，接 受H1，可认为2003年20岁应征男青年身 高有变化，比1995年增高了。
5.3 171.2 1.96 85
(170.1,172.3)
二 两均数比较的u检验
例8-3：为比较某药治疗流行性 出血热疗效， 将72名患者随机分为试验和对照组，结果分 别为n1=32, X 1 =2.9,S1=1.9;n2=40, X 2 =5.2,S =2.7,问试验组和对照组的平均退热 2 天数有无差别。 解：可用两组大样本资料的u检验 H 0： μ 1 = μ 2 ， H 1： μ 1 ≠ μ 2 α ＝0.05 X 1 X 2 1 2 X1 X 2
4. 假设检验和t检验
假设检验的基本思想—利用小概率反证法的思想
利用小概率反证法思想，从问题的对立面（H0）出 发间接判断要解决的问题（H1）是否成立。然后在
H0成立的条件下计算检验统计量，最后获得P值来判 断。当P小于或等于预先规定的概率值α，就是小概
率事件。根据小概率事件的原理：小概率事件在一次 抽样中发生的可能性很小，如果他发生了，则有理由 怀疑原假设H0，认为其对立面H1成立
案例10-13
0 136.0g / L, n 25, X 121g / L, S 48.8g / L;
造成 X 0 的可能原因有二：
① 抽样误差造成的； ② 本质差异造成的。
假设检验目的——判断差别是由哪种原因造成的。
一种假设H0
炊事员血红蛋白总体均数
136.0g/L
抽样误差
X 121g/L
（ 二）单样本 z 检验
样本来自正态分布的总体
样本含量较大（ 100）或总体标准差已知
我们可以近似用z检验
公式如下：
z x u0 x u0 (n 100) sx s / n
z
x u0
x
x u0
0 / n
( 0已知时)
案例
大规模调查表明，健康成年男子血红蛋白的均 数为136.0g/L，今随机调查某单位食堂成年男 性炊事员100名，测得其血红蛋白均数121g/L， 标准差48.8g/L。
似用z检验。当样本含量较大时，t检验与z检验可 以等同使用。
一、样本均数与总体均数比较 ➢ 单样本t检验 ➢ 单样本z检验
二、配对t检验 三、完全随机设计两均数比较
➢ 两独立样本t检验 ➢ 两样本z检验
一、样本均数与总体均数比较
样本均数 X （代表未知总体均数）与已知 总体均数0(一般为理论值、标准值或经过大量
第八章假设检验_0
第八章假设检验作为统计推断的重要组成部分，假设检验也称为显著性检验，就是对所估计的总体先提出一个假设，然后再根据样本信息来检验对总体所做的假设是否成立。
假设检验可分为参数检验和非参数检验，对总体分布中未知参数的假设检验称为参数检验，而对未知分布函数的类型或其某些特征提出的假设称为非参数检验。
第一节假设检验概述在实际生活中，许多事例都可以归结为假设检验问题。
为了便于理解，下面我们结合具体实例来说明假设检验的思想方法。
例8．1 某厂生产中药地黄丸，药丸的重量服从正态分布N( , 2)，按规定每丸的标准重量为10克。
根据以往经验得知，生产药丸的标准差为 3.2克。
现从一批药丸中随机抽取100个，其平均重量为9.6克，试问这批药丸重量是否符合标准？从直观上来看，这批药丸重量不符合标准，两者差异显著。
但能否仅凭100个药丸的平均重量比标准重量小0.4克，而立即得出这批药丸不符合标准的结论呢？从统计学上来看，这样得出的结论是不可靠的。
这是因为，差异可能是这批药丸品质所造成的，也可能是由于抽样的随机性所造成的。
如果我们再随机抽取100个药丸进行检测重量，又可得到一个样本资料。
由于抽样误差的随机性，样本平均数（100个药丸的平均重量）就不一定是9.6克。
那么，我们对样本进行分析时，必须判断样本的差异是抽样误差造成的，还是因本质不同而引起的。
如何区分两类性质的差异？怎样通过样本来推断总体？这正是假设检验要解决的问题。
在假设检验中，先要根据问题的需要建立检验假设，假设有两种，一种是原假设或零假设，用H0表示，通常就是将要进行检验的假设；另一种是备择假设- 1 -或对立假设，用H1表示，是原假设H0相对立的假设。
例8.1中，如果将该批药丸的重量记作总体X，该问题就是检验总体X的均值 的变化情况。
那么，可以设原假设H0： 10( 0)，即认为这批药丸重量是符合标准的；而备择假设，即认为这批药丸重量是符合标准的 10( 0)，即认为这批药丸重量不H1：10( 0)符合标准的。
假设检验——t检验
n( n 1)
df＝ｎ－1 (n为对子数）
式中ｄ为各个对子数值的差数， d 为差数的平均数。
例2 为了检验某种教学方法的效果，某一任课教师从自己任 课的班中选定了在智力、基础知识、家庭学习条件等方面基 本相同的 10名学生，应用该教学方法前进行一次测验，应用 该教学方法一段时间后再进行一次测验，得分如下表，试分 析该教学方法的是否有显著的教学效果？
例1：某飞机制造厂经理拟购一批共计 10000 张的铝板，规定厚度为 0.04 寸（厚 度过大将增加机身重量，过薄则影响应有 的强度）。经检测 100 张铝板，其平均厚 度为0.0408 寸。这样，经理就面临着是否 相信该批铝板的平均厚度与 0.04 寸无异的 问题，从而面临接收或拒收这批铝板的两 种对立行动的抉择。
（大样本）
比例
t 检验
（小样本）
方差
2检验
Z 检验
㈢确定显著性水平α和临界值及拒绝域
• 显著性水平α是当原假设为正确时被拒绝的概率， 是由研究者事先确定的。
• 显著性水平的大小应根据研究需要的精确度和可 靠性而定。通常取α＝0.05或α＝0.01，即接受原 假设的决定是正确的可能性（概率）为95％或99 ％。 • 根据给定的显著性水平α，查表得出相应的临界值， 同时指定拒绝域。
㈡确定适当的检验统计量
假设检验根据检验内容和条件不同需要采用不同的检 验统计量。 在一个正态总体的参数检验中， Z 统计量和 t 统计量常 用于均值和比例的检验， 2 统计量用于方差的检验。 选择统计量需考虑的因素有被检验的参数类型、总体 方差是否已知、用于检验的样本量大小等。
一个总体
均值
Z 检验
成 绩
编 号 成 绩
96