统计推断课件(ppt 19页).ppt_第1页
统计推断课件(ppt 19页).ppt_第2页
统计推断课件(ppt 19页).ppt_第3页
统计推断课件(ppt 19页).ppt_第4页
统计推断课件(ppt 19页).ppt_第5页
已阅读5页,还剩14页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、总的来说,从数据中得出对现实世界的结论的过程,总体上可以推断出代表了我们感兴趣的现实世界的一部分。 另一方面,在利用样本中的信息来估计整体之前,我们假定了表示整体的变量的分布族。 例如,假设人们的身高属于正态分布族。在抽样调查中假设了两个分布族等。 由于这些模型基本上是基于经验假设的,所以只不过是与现实世界的近似。 假设总体分布族后,总体认识是从该分布族中选择适合于我们的问题的分布。分布族成员是由残奥仪表决定的,因此如果残奥仪表能够估计,则可以看出总体的具体分布大致相同。 一种估计是点估计,即估计的实现值来近似相对应的整体残奥参数。 另一个是“区间估计”(interval estimation

2、 ),即包含估计量的区间(有时以估计量为中心),该区间很可能包含整体的残奥参数。 点推定是发出数字,使用方便,而且,区间说侑地残留,给予区间推定不像点推定那样绝对。 无偏差的估计(最大样本性质)区间估计的可靠度(最大样本性质)需要注意的是,可靠区间的论述由区间和可靠度这两个部分构成。 一些新闻媒体报道,一些调查结果只给出百分比和误差(即置信区间),不说明置信度,也不给出调查人数,这是不负责任的表现。 因为降低信赖度的话信赖区间变窄(看起来正确),有误解读者的危险。 给定调查的人数,内行可以推断出可信度(以后给定的公式),反之亦然。 作为说明性的例子,根据10000人回答的调查,同意某观点的人的

3、比例是70%(7000人同意),整体能算出同意该观点的比例的95%的置信区间是(0. 691,0.709 ); 另一项调查还声称,70%的比例反对这个观点,总体上反对这个观点的置信区间也是(0. 691,0.709 )。 到底相信谁? 实际上,第二项调查隐藏了可靠性(等效于隐藏样本量)。 如果在第二次调查中只调查了50人,有35人反对。 从后面的公式可以算出,第2个调查的信赖区间的信赖度仅为11%。 在假设检验和假设检验中,通常设定原始假设的动机是,利用人们主要把握的反映现实世界的数据来发现假设和现实的矛盾,并试图否定这个假设。 很多统订教科书(理论讨论除外)中的假说验证的目标是否定原来的假说

4、。 如果不能否定,证据不足,就不能否定原来的假设。 但是,这并不表示原来的假设是正确的。 很多教科书在这个问题上不恰当地使用了“接受原假说”的说法,犯了明显的低水平的逻辑错误。 为了假设检验的过程和逻辑,首先,提出一个正规整体的平均值等于5(m=5)等原假设。 这样的原假说也称为零假说(null hypothesis ),标记为H0。 与此同时,还必须提出整体平均值大于5(m5 )等对立假说。 对立假说也被称为替代假说或候选假说,表示为h-1或h-a。 假设检验的过程和逻辑是零假设(如果单击不是替代假设,则得到该检验统一修正量的分布,并且看到该统一修正量的数据实现值(realization )

5、不属于小概率事件。 也就是说,将数据代入检定统一量,看其值是否在零假设下的小概率范畴内,如果确实是概率低的事件,就有可能拒绝零假设。 否则,可以说拒绝零假说的证据是不充分的。 假设检查的流程和逻辑。 注意:零假说和替代假说在假说检查中不是非对称的。 因为检定统订量的分布是从零假说导出的,所以如果发生矛盾当然对零假说不利。 不会发生矛盾,也不会说明替代假设有问题(因为与替代假设无关)。假设检查的程序和逻辑,检查统一修正量为0假设下等于该样品的数据实现值以上的极端值的概率被称为p值(p-value )。 明显地,获得小p值意味着小概率的事件发生了。 如果发生了小概率的事件,是相信零假说,还是相信数

6、据,当然是相信数据,所以拒绝零假说。 但是,并不是说不会发生小的概率,只是发生的概率小而已。 拒绝正确的零假设的错误通常被称为第一类错误。 假设检查的过程和逻辑,如果有第一类错误,就有第二类错误,那就是替代零假说正确时反而说零假说正确的错误,被称为第二类错误(type II error )。 零假说和替代假说哪个正确是确定的,概率不能说。 可能犯错误的是人。假设检查涉及的错误的概率是第一类错误的概率和第二类错误的概率。 担当的态度,无论做出什么样的决断,都应该赋予犯错误的概率。 中的组合图层性质变更选项。 假设检验的过程和逻辑,p值多小,所以能否拒绝零假设,也就是说,需要什么是小概率的标准。

7、这取决于具体的应用需求。 然而,在常见的集成修订或软件中,最常用的标准是在零假设下(或者如果零假设是正确的话)采样的数据拒绝零假设的概率小于0.05 (0.05、0.05、0.05等等)。 这样的预先决定的概率称为显着性等级(significant level ),用文字a来表示。 如果p值小于或等于a,则零假设被拒绝。 因此,a是犯可接受的第一类错误的概率的最大值。 p值在a以下时,称该检查显着。 假设检查的过程和逻辑,总结,假设检查的逻辑步骤,第一,写零假设和替代假设,第二,确定检查统一修正量,第三,确定显着性等级a,第四,根据数据计算检查统一修正量的实现值,第五,根据该实现值计算p值如果

8、p值小于或等于a,则拒绝零假设;如果p值大于a,则认为此时犯错误的概率最大,因为证据不足,所以不拒绝零假设。 假定检验过程和逻辑,实际上,校正器软件只给予p值,而不给予a。 这个有很多方便的地方。 例如,假设a=0.05,并且我们获得的p值等于0.001。 此时,如果作为新的显现水平a=0.001而采用p值,则拒绝零假设,可以说显现水平为0.001。 拒绝零假说时犯错误的概率实际上不是5%,而只是千分之一。 在这种意义上,p值也被称为观测者的显着性水平。 在统一修正软件输出p值的位置上,有的使用“p-value”,有的使用Significant的缩略语“sig”。 假定检验的过程和逻辑,指示结

9、果的准确性(从数据中减去a的值)非常有害。 这就像身高180厘米的男孩,可能被认为是180厘米以上,但可能不想说是155厘米以上,数学上没有错误。 关于“阈值”的注意:作为概率的显着性水平a,假设检查的过程和逻辑,实际上对应于检查统一校正量取值的范围的阈值(critical value ),统一校正量取其值以上的值的概率被定义为等于a。 即,“统一校正量的实现值比阈值极端”等价于“p值比a小”。 使用阈值概念的验证不修正p值。 只对统一修正量能取的值和阈值的大小进行比较。 有无拒绝,使用阈值而非p值,判断为是前补正机时代的产物。 当时很难修正p值,只采用了阈值的概念。 然而,根据给定的a确定阈值也是不容易的。 幸好在教科书中列举了对应于特定分布的几个有限的a阈值(例如,a=0.05、a=0.025、a=0.005、a=0.001等)?虽然校正计算机软件没有给予a和阈值,但是它们都给予p值和统一校正的实现值,以决定用户本身能够决定多少显着性等级。 假设检验的例子,汽车制造商主张发动机排放标准的指标平均不足20单位。 抽出10台发动机后,得到

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论