t检验的资料与习题.doc

第四章：定量资料的参数估计与假设检验基础
1抽样与抽样误差
抽样方法本身所引起的误差。当由总体中随机地抽取样本时，哪个样本被抽到是随机的，由所抽到的样本得到的样本指标x与总体指标μ之间偏差，称为实际抽样误差。当总体相当大时，可能被抽取的样本非常多，不可能列出所有的实际抽样误差，而用平均抽样误差来表征各样本实际抽样误差的平均水平。
σ x=σ/
S x=S/
2 t分布
t分布曲线形态与n（确切地说与自由度v）大小有关。与标准正态分布曲线相比，自由度v越小，t分布曲线愈平坦，曲线中间愈低，曲线双侧尾部翘得愈高；自由度v愈大，t分布曲线愈接近正态分布曲线，当自由度v=∞时，t分布曲线为标准正态分布曲线。
t = X-u/Sx=X-u/(S/),V=N-1
正态分布（normal distribution）是数理统计中的一种重要的理论分布，是许多统计方法的理论基础。正态分布有两个参数，μ和σ，决定了正态分布的位置和形态。为了应用方便，常将一般的正态变量X通过u变换[(X-μ)/σ]转化成标准正态变量u，以使原来各种形态的正态分布都转换为μ=0，σ=1的标准正态分布（standard normal distribution）,亦称u分布。
根据中心极限定理，通过上述的抽样模拟试验表明，在正态分布总体中以固定n，抽取若干个样本时，样本均数的分布仍服从正态分布，即N（μ，σ）。所以，对样本均数的分布进行u变换，也可变换为标准正态分布N (0,1)
由于在实际工作中，往往σ是未知的，常用s作为σ的估计值，为了与u变换区别，称为t变换，统计量t 值的分布称为t分布。
假设X服从标准正态分布N（0,1），Y服从χ2（n）分布，那么Z=X/sqrt(Y/n)的分布称为自由度为n的t分布,记为 Z～t(n)。
特征：
1．以0为中心，左右对称的单峰分布；
2．t分布是一簇曲线，其形态变化与n（确切地说与自由度ν）大小有关。自由度ν越小，t分布曲线越低平；自由度ν越大，t分布曲线越接近标准正态分布（u分布）曲线，如图.
t(n)分布与标准正态N(0,1)的密度函数
对应于每一个自由度ν，就有一条t分布曲线，每条曲线都有其曲线下统计量t的分布规律，计算较复杂。
学生的t分布（或也t分布） ，在概率统计中，在置信区间估计、显著性检验等问题的计算中发挥重要作用。
t分布情况出现时（如在几乎所有实际的统计工作）的总体标准偏差是未知的，并要从数据估算。教科书问题的处理标准偏差，因为如果它被称为是两类：（ 1 ）那些在该样本规模是如此之大的一个可处理的数据为基础估计的差异，就好像它是一定的（ 2 ）这些说明数学推理，在其中的问题，估计标准偏差是暂时忽略的，因为这不是一点，这是作者或导师当时的解释。

可信区间
按一定的概率或可信度 (1-α)用一个区间来估计总体参数所在的范围，该范围通常称为参数的可信区间或者置信区间，预先给定的概率(1-α)称为可信度或者置信度,常取95%或99%。
点估计 用样本统计量直接作为总体参数的估计值。其方法简单，易于理解，但为考虑抽样误差的大小。
区间估计 既按照预先给定的概率（1-a），确定的包含总体参数的可能范围。该范围被称为总体参数的可信区间或置信区间。
假设检验基础
假设检验的基本思想是小概率反证法思想。小概率思想是指小概率事件（P<<）在一次试验中基本上不会发生。反证法思想是先提出假设(检验假设H0)，再用适当的统计方法确定假设成立的可能性大小，如可能性小，则认为假设不成立，若可能性大，则还不能认为不假设成立。[2] 
假设检验
假设是否正确，要用从总体中抽出的样本进行检验，与此有关的理论和方法，构成假设检验的内容。设A是关于总体分布的一项命题，所有使命题A成立的总体分布构成一个集合h0，称为原假设(常简称假设)。使命题A不成立的所有总体分布构成另一个集合h1，称为备择假设。如果h0可以通过有限个实参数来描述，则称为参数假设，否则称为非参数假设(见非参数结果)。如果h0(或h1)只包含一个分布，则称原假设(或备择假设)为简单假设，否则为复合假设。对一个假设h0进行检验，就是要制定一个规则，使得有了样本以后，根据这规则可以决定是接受它（承认命题A正确），还是拒绝它（否认命题A正确）。这样，所有可能的样本所组成的空间（称样本空间）被划分为两部分HA和HR(HA的补集)，当样本x∈HA时，接受假设h0；当x∈HR时，拒绝h0。集合HR常称为检验的拒绝域，HA称为接受域。因此选定一个检验法，也就是选定一个拒绝域，故常把检验法本身与拒绝域HR
基本步骤
1、提出检验假设又称无效假设，符号是H0；备择假设的符号