第五章 spss均值比较和T检验PPT.pptVIP

5.2 单样本T检验过程 用于进行样本均值与已知总体均值的比较，检验样本是否来自已知均值的总体。（检验样本总体均值是否为某个值） 单样本T检验 SPSS单样本T检验是检验某个变量的总体均值和某指定值之间是否存在 显著差异。 统计的前提样本总体服从正态分布。也就是说单样本本身无法比较， 进行的是其均数与已知总体均数间的比较。 单样本T检验 单样本T检验过程 建立假设，零假设HO:μ =μ0（μ为样本所在总体的平均数的估计值，μ0为已知的总体平均数） 备择假设HA:μ ≠μ0 建立数据文件，仅有一个变量； 对话框选项的选择； 结果分析 均值比较过程 例题： 通过单样本T检验，分析周岁儿童的实际升高与人们给出的经验值70是否存在显著差异。 点击Analyze → Compare Means → One-Sample T Test。 结果 SPSS将统计值的显著性概率与选取的显著性水平的比较，来判别拒绝还是接受零假设的。 无论是双尾检验还是单尾检验： 若p（显著性水平）α，应当拒绝H0 若p（显著性水平）α,，应当接受H0， 第五章 均值比较和T检验 目录 概述 如果我们掌握了被研究的总体的全部数据，那么只需要采用描述统计，计算总体的统计量的数据。 现实中，很多情况下我们没有可能去调查所有的总体单位，从而不能掌握总体数据，这就需要从总体中抽取一部分单位进行调查，进而利用样本提供的信息来推断总体数量特征。 推论统 计一般采用以下两种方式: 点估计： 就是直接用样本估计量的估计值作 为总体参数的估计。 （总体均值的最优估计值是样本均值。） 区间估计：根据一定的正确度与精确度的要求，构造出适当的区间，以作为总体的分布参数的真值所在范围的估计。 参数估计 假设检验：先对所要推断的总体进行假设，然后利用样本信息去检验这个假设是否成立。 参数估计是正向推导，而假设检验是反向否定。 参数估计 是在抽样和抽样分布的基础上,根据样本统计量来推断反映总体特征的总体参数。当我们无法获得总体数据,而又希望知道总体的状况时,就需要用到参数估计。 是我们权衡了成本、风险与成果的一种有效的估计方法。 用样本统计量去估计相应总体的参数。 不同的样本计算同一个估计量时可能得到不同的数值，对于总体参数的估计结果也就不同。 参数估计 区间估计：根据一定的正确度与精确度的要求，构造出适当的区间，以作为总体的分布参数的真值所在范围的估计。 例如，估计一种药品所含杂质的比率在1～2%之间；估计一种合金的断裂强度在1000～1200千克之间，等等 推论统 计一般采用以下两种方式: 点估计： 就是直接用样本估计量的估计值作 为总体参数的估计。 （总体均值的最优估计值是样本均值。） 区间估计：根据一定的正确度与精确度的要求，构造出适当的区间，以作为总体的分布参数的真值所在范围的估计。 参数估计 假设检验：先对所要推断的总体进行假设，然后利用样本信息去检验这个假设是否成立。 参数估计是正向推导，而假设检验是反向否定。 假设检验 基本思路 首先对总体参数值提出假设； 然后再利用样本验证先前提出的假设是否成立。 如果样本数据不能够充分证明和支持假设的成立,则在一定的概率条件下，应拒绝该假设； 相反，如果样本数据不能够充分证明和支持假设是不成立的，则不能推翻假设成立的合理性和真实性。 假设检验 例如原假设手机电池的待机时数的平均数为60小时，而搜集到的资料的95%的置信区间为46.08到53.92之间，并没有包括该参数的数值60小时，因此可以判断原先的这个理论并不成立。 假设检验 统计假设的检验就是将参数分成两个互斥且周延的两个假设：零假设和对立假设。 例如：目前家庭的文化支出的平均数为5000元，这种观点很值得怀疑，于是进行抽样调查，此时μ=5000就是想推翻的零假设， μ≠5000就是想要的对立假设。即： H0 ： μ=5000 H1 ： μ≠5000 假设检验 双侧检验 如果 μ=5000是想推翻的零假设H0 则μ≠5000就是想要的对立假设H1