统计学 学习笔记 (九)—— 总体与样本 统计学意义检验的进一步讨论
2011-12-20 14:50
549 查看
前面统计学意义检验的例子描述了进行检验的详细过程,看起来逻辑很复杂,而且只介绍了如何将某样本均值和某总体均值的差别进行比较。这样不免会让人怀疑:这种检验方法对别的场景还适用吗?因为接触过统计学的人都有点印象:进行统计学意义检验的方法实在是太多了!
带着同样的疑问, 接下来拜读了《医用统计方法》中关于配对样本及两样本均数差别的统计学意义检验,由此归纳了几条“通用法则”,用以说明进行统计学意义检验的条件。由于接触的统计学知识还非常有限,因此在这儿也不敢保证这些法则就是适用于所有统计学意义检验的,权当是一个学习的中间结果吧。
1. 有一个已知的待检验的样本,已知其若干指标如样本量、均值、标准差等;
2. 有一个已知的作为参考的总体或样本,已知或未知其若干指标如均值、标准差等;
3. (根据已有的统计学知识)已知待检验样本的某个已知变量(如均值)的某种分布,且该种分布可以根据法则1和2中的指标计算出来。
已知难产儿样本,及其样本含量n、均值
。
2. 有一个已知的作为参考的总体或样本,已知或未知其若干指标如均值、标准差等;
已知某市出生婴儿总体,及其均值μ0、标准差σ。在零假设中与已知样本所属的总体一样。
3. (根据已有的统计学知识)已知待检验样本的某个已知变量(如均值)的某种分布,且该种分布可以根据法则1和2中的指标计算出来。
已知“当总体呈正态分布时,抽得的多个样本的均值会以总体均值为中心呈正态分布”:
于是当做了零假设时,就可以根据法则3计算样本对应的u值,从而得到样本在总体中出现的概率p。若p小于某个阈值,就可以下结论说零假设成立的概率小于某个阈值,从而推翻零假设。
已知难产儿样本,及其样本含量n、均值
、标准差s 。
2. 有一个已知的作为参考的总体或样本,已知或未知其若干指标如均值、标准差等;
已知某市出生婴儿总体,均值为μ0,未知标准差。在零假设中与已知样本所属的总体一样。
3. (根据已有的统计学知识)已知待检验样本的某个已知变量(如均值)的某种分布,且该种分布可以根据法则1和2中的指标计算出来。
已知“当总体呈正态分布时,抽得的多个含量相同的样本的t值的分布是以0为中心,两侧对称的类似正态分布的一种分布,即t分布。”
为样本均值的标准误:
于是当做了零假设时,就可以根据法则3计算样本对应的t值,从而得到样本在总体中出现的概率p。若p小于某个阈值,就可以下结论说零假设成立的概率小于某个阈值,从而推翻零假设。
1. 有一个已知的待检验的样本,已知其若干指标如样本量、均值、标准差等;
由于这儿有两个一一对应的样本,而要比较它们的差值,就可以设定两个样本的差值为已知样本,其样本含量n、差值的均值
、标准差s。
2. 有一个已知的作为参考的总体或样本,已知或未知其若干指标如均值、标准差等;
由于将差值的均值作为样本的指标,因此设定差值的均值等于0的总体为已知的总体。差值的均值为μ0=0。在零假设中与已知样本所属的总体一样。
3. (根据已有的统计学知识)已知待检验样本的某个已知变量(如均值)的某种分布,且该种分布可以根据法则1和2中的指标计算出来。
已知“当总体呈正态分布时,抽得的多个含量相同的样本的t值的分布是以0为中心,两侧对称的类似正态分布的一种分布,即t分布。”
为样本均值的标准误:
于是当做了零假设时,就可以根据法则3计算样本对应的t值,从而得到样本在总体中出现的概率p。若p小于某个阈值,就可以下结论说零假设成立的概率小于某个阈值,从而推翻零假设。
已知某个样本,其样本含量n1、均值
、标准差s1。
2. 有一个已知的作为参考的总体或样本,已知或未知其若干指标如均值、标准差等;
已知另外一个样本,其样本含量n2、均值
、标准差s2。
3. (根据已有的统计学知识)已知待检验样本的某个已知变量(如均值)的某种分布,且该种分布可以根据法则1和2中的指标计算出来。
已知“由相同正态分布总体中随机抽出两个样本,这两个样本均值的差值除以差值的标准误所得到的t值也呈t分布。”
于是当做了零假设时,就可以根据法则3计算样本对应的t值,从而得到样本在总体中出现的概率p。若p小于某个阈值,就可以下结论说零假设成立的概率小于某个阈值,从而推翻零假设。
带着同样的疑问, 接下来拜读了《医用统计方法》中关于配对样本及两样本均数差别的统计学意义检验,由此归纳了几条“通用法则”,用以说明进行统计学意义检验的条件。由于接触的统计学知识还非常有限,因此在这儿也不敢保证这些法则就是适用于所有统计学意义检验的,权当是一个学习的中间结果吧。
“通用法则”
当需要进行统计学意义检验的样本满足以下三个条件时,可以对其进行统计学意义检验:1. 有一个已知的待检验的样本,已知其若干指标如样本量、均值、标准差等;
2. 有一个已知的作为参考的总体或样本,已知或未知其若干指标如均值、标准差等;
3. (根据已有的统计学知识)已知待检验样本的某个已知变量(如均值)的某种分布,且该种分布可以根据法则1和2中的指标计算出来。
例1:比较某样本均值和某总体均值(前文)
1. 有一个已知的待检验的样本,已知其若干指标如样本量、均值、标准差等;已知难产儿样本,及其样本含量n、均值
。
2. 有一个已知的作为参考的总体或样本,已知或未知其若干指标如均值、标准差等;
已知某市出生婴儿总体,及其均值μ0、标准差σ。在零假设中与已知样本所属的总体一样。
3. (根据已有的统计学知识)已知待检验样本的某个已知变量(如均值)的某种分布,且该种分布可以根据法则1和2中的指标计算出来。
已知“当总体呈正态分布时,抽得的多个样本的均值会以总体均值为中心呈正态分布”:
于是当做了零假设时,就可以根据法则3计算样本对应的u值,从而得到样本在总体中出现的概率p。若p小于某个阈值,就可以下结论说零假设成立的概率小于某个阈值,从而推翻零假设。
例2:比较某样本均值和某总体均值(同上)
1. 有一个已知的待检验的样本,已知其若干指标如样本量、均值、标准差等;已知难产儿样本,及其样本含量n、均值
、标准差s 。
2. 有一个已知的作为参考的总体或样本,已知或未知其若干指标如均值、标准差等;
已知某市出生婴儿总体,均值为μ0,未知标准差。在零假设中与已知样本所属的总体一样。
3. (根据已有的统计学知识)已知待检验样本的某个已知变量(如均值)的某种分布,且该种分布可以根据法则1和2中的指标计算出来。
已知“当总体呈正态分布时,抽得的多个含量相同的样本的t值的分布是以0为中心,两侧对称的类似正态分布的一种分布,即t分布。”
为样本均值的标准误:
于是当做了零假设时,就可以根据法则3计算样本对应的t值,从而得到样本在总体中出现的概率p。若p小于某个阈值,就可以下结论说零假设成立的概率小于某个阈值,从而推翻零假设。
例3:比较两个配对样本差值的均值
配对样本:指两个样本中的观察值由于存在某种联系而一一对应结成对子。如同一批对象身体两个部位的数据,同一批对象实验前后的配对数据,同一批样品用两种方法检验的结果,以及配对试验的结果等。1. 有一个已知的待检验的样本,已知其若干指标如样本量、均值、标准差等;
由于这儿有两个一一对应的样本,而要比较它们的差值,就可以设定两个样本的差值为已知样本,其样本含量n、差值的均值
、标准差s。
2. 有一个已知的作为参考的总体或样本,已知或未知其若干指标如均值、标准差等;
由于将差值的均值作为样本的指标,因此设定差值的均值等于0的总体为已知的总体。差值的均值为μ0=0。在零假设中与已知样本所属的总体一样。
3. (根据已有的统计学知识)已知待检验样本的某个已知变量(如均值)的某种分布,且该种分布可以根据法则1和2中的指标计算出来。
已知“当总体呈正态分布时,抽得的多个含量相同的样本的t值的分布是以0为中心,两侧对称的类似正态分布的一种分布,即t分布。”
为样本均值的标准误:
于是当做了零假设时,就可以根据法则3计算样本对应的t值,从而得到样本在总体中出现的概率p。若p小于某个阈值,就可以下结论说零假设成立的概率小于某个阈值,从而推翻零假设。
例4:比较两个独立样本的均值
1. 有一个已知的待检验的样本,已知其若干指标如样本量、均值、标准差等;已知某个样本,其样本含量n1、均值
、标准差s1。
2. 有一个已知的作为参考的总体或样本,已知或未知其若干指标如均值、标准差等;
已知另外一个样本,其样本含量n2、均值
、标准差s2。
3. (根据已有的统计学知识)已知待检验样本的某个已知变量(如均值)的某种分布,且该种分布可以根据法则1和2中的指标计算出来。
已知“由相同正态分布总体中随机抽出两个样本,这两个样本均值的差值除以差值的标准误所得到的t值也呈t分布。”
于是当做了零假设时,就可以根据法则3计算样本对应的t值,从而得到样本在总体中出现的概率p。若p小于某个阈值,就可以下结论说零假设成立的概率小于某个阈值,从而推翻零假设。
相关文章推荐
- 统计学 学习笔记 (八)—— 总体与样本 统计学意义检验
- Khan公开课 - 统计学学习笔记:(二)总本、样本、集中趋势、离中趋势
- Khan公开课 - 统计学学习笔记:(八)样本均值之差
- 数理统计学习笔记——总体与样本
- C语言学习笔记 (009) - 对函数的进一步讨论
- 统计学学习笔记——(2)数据可视化
- Khan公开课 - 统计学学习笔记:(十)Chi-square分布
- Guava学习笔记:Preconditions优雅的检验参数
- 样本不平衡--SMOTE算法-学习笔记
- java学习笔记(二十二)继承的进一步研究
- 关于SQLServer2005的学习笔记——统计学自动分组问题
- |算法讨论|Trie树 学习笔记
- 产品经理学习笔记(13)-用户反馈的意义
- |算法讨论|树链剖分 学习笔记
- 统计学 学习笔记 (三)—— 掌握数据的整体状态 数据的变异性
- Khan公开课 - 统计学学习笔记:(一)中间值和统计图表
- C# 学习笔记(五) ++/--运算符重载的意义
- 概率论学习笔记--简单随机抽样样本
- R软件学习笔记-6(各种检验)
- 关于SQLServer2005的学习笔记——统计学自动分组问题