第8章 小结
本章目录 · 1 节
本章导读
【第八章小结:假设检验】统计推断用样本研究总体,基本任务包括估计与检验。统计假设是对总体参数或分布形式的论断。先明确原假设、备择假设、抽样模型和观察方案,再选统计量与拒绝域,最后根据数据作出拒绝或不拒绝的决定。两种决定都保留犯错可能,不能理解成对命题真假的绝对证明。
【两类错误】为真却拒绝,称第Ⅰ类错误;为假却不拒绝,称第Ⅱ类错误。对应关系如下。
对于每一个原假设参数值,水平为的检验要求。复合原假设需在整个原假设参数集合上控制上界。第Ⅱ类错误概率通常随备择参数变化,不是对整个备择集合统一的一个固定数字。功效为。先控制第Ⅰ类错误,并不自动使第Ⅱ类错误小。
【怎样选择原假设】原假设与备择的作用不同。可把需要重点防止的误判放在第Ⅰ类错误中控制。例如在一个明确的效果验证模型中,可取“新方法未改善”为原假设,“确有改善”为备择,要求证据足够才采纳改善结论。原书用药品真伪说明误判代价,本质也是如此;实际质量、安全或临床判断还需要具体测量模型与制度标准,不能只凭真假标签进行统计推断。
【单侧与双侧】备择为增大时拒绝域通常在右侧,备择为减小时通常在左侧,备择为不等时须兼顾两个方向。方向和差异界限应在观察结果前确定。不能先看均值偏哪边,再选相应单侧检验。将某种错误纳入第Ⅰ类控制时,还应检查原假设和备择是否完整覆盖实际关心的参数情形以及边界。
【基本参数检验】独立正态样本、总体标准差已知时,检验均值用;标准差未知时用自由度的。检验正态总体方差用,自由度。两个独立正态总体在共同方差模型下,用合并方差t统计量检验均值差;比较方差用F统计量,分子分母的自由度必须与方差摆放顺序对应。不能通过一次F检验不显著就宣称共同方差假设已经证明。
【配对数据】同一对象在两个条件下的测量或同一地块的配对比较,应先构造差值,然后对差值总体作单样本均值检验,样本量是配对数。配对内的相关性不能当成独立两样本忽略。每对差值之间仍须满足相应独立抽样假设。
【置信区间与检验的对偶】采用配套的检验族时,未被拒绝的参数值构成相应置信集合。均值的双侧检验对应双侧区间,单侧检验对应单侧界;不等号与区间端点的约定须一致。不是任意检验的非拒绝集合都一定是一个区间。
【样本量与功效】OC函数在原假设范围表示正确不拒绝的概率,在备择范围才表示第Ⅱ类错误概率。在固定数据模型、固定统计量和嵌套拒绝域下,降低显著性水平通常扩大不拒绝区域,因而提高指定备择下的第Ⅱ类错误概率;这不是说任意两个不同检验都必然如此。增加有效样本量有助于兼顾两类错误。样本量规划必须给出有意义的差异和波动尺度,不能要求对任意接近原假设的微小差异都有很高功效。
【分布拟合】Pearson统计量比较观察频数与模型期望频数。指定分布通常用自由度的卡方近似;含未知参数的族必须结合估计方法、有效参数维数和正则条件确定自由度,不能机械扣数。分组须覆盖全部尾部,稀疏组需要处理,数据驱动的重分组应在模拟校准中重现。未拒绝只表示证据不足,不能证明总体确实服从所拟合的分布。
【p值与报告】p值对应给定统计量和备择方向下的尾部极端程度,时按预定规则拒绝,时不拒绝。报告假设、模型、样本量、估计量、统计量、自由度、p及效应大小,必要时附区间和模型检查。p不是原假设为真的概率,不代表效应重要程度;显著与否都要放在研究问题和误判代价中解释。
【重要术语及主题】原假设,备择假设,检验统计量,单侧检验,双侧检验,显著性水平,拒绝域,显著性检验,第Ⅰ类与第Ⅱ类错误,功效,OC函数,样本量选择,正态总体均值及方差检验,独立两样本检验,成对数据检验,置信区间与检验对偶,卡方分布拟合检验,p值法。
