显著性检验.docx

: .
显著性检验1、什么是显著性检验
显著性检验就是事先对总体（随机变量）的参数或总体分布形式做出一个
显著性检验中的第一类错误是指，原假设H0:0=00事实上正确，可是检验统计量的观察值却落入拒绝域，因而否定了本来正确的假设。这是弃真的错误。
发生第一类错误的概率（记作）也就是当原假设H0:0=00正确时检验统计量的观察值落入拒绝域的概率。显然，在双尾检验时是两个尾部的拒绝域面积之和；在单尾检验时是单尾拒绝域的面积。
2、显著性检验中的第二类错误及其概率
显著性检验中的第二类错误是指，原假设H0:0=00不正确，而备择假设H1:0<00或H1:0>00是正确的，可是检验统计量的观察值却落入了接受域，因而没有否定本来不正确的原假设。这是取伪的错误。
发生第二类错误的概率（记作）是指，把来自\theta=\theta_1（\theta_1\ne\theta_0）的总体的样本值代入检验统计量所得结果落入接受域的概率。
3、a和。的关系
当样本容量一定时，a越小，6就越大；反之，a越大，6就越小。
显著性检验的P值[1]
若用计算机统计软件进行假设检验，我们会见到P—值。将算得检验统计量样本值查表得的概率是就是P值（在那里我们称之为观察到的显著水平）。
P值是怎么来的
从某总体中抽样所得的样本，其参数会与总体参数有所不同，这可能是由于两种原因：
⑴、这一样本是由该总体抽出，其差别是由抽样误差所致；
⑵、这一样本不是从该总体抽出，所以有所不同。
如何判断是那种原因呢？统计学中用显著性检验赖判断。其步骤是：
⑴、建立检验假设（又称无效假设，符号为H0）:如要比较A药和B药的疗效是否相等，则假设两组样本来自同一总体，即A药的总体疗效和B药相等，差别仅由抽样误差引起的碰巧出现的。
⑵、选择适当的统计方法计算H0成立的可能性即概率有多大，概率用P值表示。
⑶、根据选定的显著性水平（），决定接受还是拒绝H0。
如果P>，不能否定“差别由抽样误差引起”，则接受H0;,可以认为差别不由抽样误差引起，可以拒绝H0,则可以接受另一种可能性的假设（又称备选假设，符号为H1），即两样本来自不同的总体，所以两药疗效有差别。
P1H
碰巧的帏率
对无效假设
统计意义
F>
碰巧出现的可能性大于5%
不能否定无效假设
两组差别无髭著意义
P<
秘巧出现即可能性小于弟
可以否定无觎假设
两组差别有豆著意义
F<
碰巧出现的可能性<1汗咨
可以否定无效假设
两者差别有非常显著意义
理解P值，下述几点必须注意：
⑴P的意义不表示两组差别的大小，P反映两组差别有无统计学意义，并不表示差别大小。因此，与对照组相比，,。
⑵P>，差异无显著意义，根据统计学原理可知，不能否认无效假设，但并不认为无效假设肯定成立。在药效统计分析中，更不表示两药等效。哪种将“两组差别无显著意义”与“两组基本等效”相同的做法是缺乏统计学依据的。
⑶统计学主要用上述三种P值表示，也可以计算出确切的P值，,无此必要。
⑷显著性检验只是统计结论。判断差别还要根据专业知识。
7、显著性检验的结果
关于显著性检验的结果：
（一）显著性检验回答什么问题
我们所观察到的差异（是纯属于机会变异，还是反映了真实的差异？
1、如果显著性检验得到差异显著的结论这时并不能评价差异的大小和重要性。
2、显著性检验只能告诉我们差异是否在事实上存在，而不能回答差异产生的原因。
3、显著性检验不能检查我们对实验所作的设计是否有缺陷
（二）显著性检验回答问题的方式
在表述显著性检验结论的时候，应与检验的逻辑推理相符。
当检验统计量的观察值落在拒绝域时，我们应该说，样本资料显著地（或高度显著地）表明，差异是存在的。
（三）对观察到的显著水平数值的评价显著性检验中的总体和样本
1、显著性检验的对象是无限总体。
2、大样本可能会使检验统计量过分敏感。
3、从有限总体中抽取样本用于显著性检验时，必须作概率抽样。
显著性检验的步骤
显著性检验的一般步骤或格式，如下：
1、提出假设H0:
H1:
同时，与备择假设相应，指出所作检验为双尾检验还是左单尾或右单尾检验。
2、构造检验统计量，收集样本数据，计算检验统计量的样本观察值。
3、根据所提出的显著水平，确定临界值和拒绝域。
4、作出检验决策。
把检验统计量的样本观察