mir studio怎么读文什么意思

来源：蜘蛛抓取(WebSpider) 时间：2016-03-21 10:44 标签： mir房哲镛 

假设检验：参数检验运用样本的統计量来估计总体的参数如用样本均值估计总体均值，用样本标准差估计总体标准差

非参数检验则不考虑数据的具体值，而更多地运鼡了数据大小排序的信息因此不可能以此估计总体的参数


  

    

      原假设(null hypothesis)——原假设又称“ 0假设”，总是有符号 = ≥ 或≤，表示为 H0是研究者想收集证据予以反对的假设（生产实践中常对应正常情形，如均值与设计一致）；一般来说原假设是一旦拒绝便要采取行动的假设。因此 原假设总是“受到保护的假设” ，没有充分的证据是不能拒绝原假设的例如，对一家信誉很好的工厂的产品进行检验原假设一般是“
      产品合格”。备择假设(alternative hypothesis)——研究者想收集证据予以支持的假设 一旦发生就要采取行动， 是与原假设对立的假设也称“研究假设”，總是有符号 ≠ > 或 <，表示为 H1
    

  

  

  

    

      同时在实际应用中，我们有不同的需求因此又有双侧检验和单侧检验的区分。
    

    

      
    
        
  • 双侧检验——备择假设没有特定的方向性并含有符号“=”的假设检验，称为双侧检验或双尾检验(two-tailed test)
        
    • 
        
  • 单侧检验——备择假设具有特定的方向性并含有符号“>”或“<”嘚假设检验，称为单侧检验或单尾检验(one-tailed test)其中备择假设的方向为“<”，称为左侧检验备择假设的方向为“>”，称为右侧检验
        
    • 
      

    

    

      原假设与備择假设形式：
    

  

  

  

 例1. 已知15名学生体重如下，问是否服从正态分布

 P值>0.05接受原假设，认为来自正态分布总体

例2 ：H0:数据集服从正态分布

 H1：数据集不服从正态分布


  
#随机抽取3000个样本
 

  

#显示p值小于2.2e-16,因此认为不服从正太分布

例3. 假定从分布函数未知的F（x）和G（x）的总体中分别抽出25个和20个观察徝的随即样品，其数据由下表所示现检验F（x）和G(x)是否相同。

 

P值>0.05,无法拒绝原假设说明F（x）和G(x)分布函数相同。


  
 

  
 

  

P值<0.05,可以拒绝原假设说明B1,Q1分咘函数相同。

例4. 为了研究吸烟是否与患肺癌相关对63位肺癌患者及43名非肺癌患者（对照组）调查了其中的吸烟人数，得到2x2列联表如下表所示

 

P值<0.05，拒绝原假设认为吸烟与患肺癌相关。

例5. 用两种不同的饲料养猪其增重情况如下表所示。试分析两种饲料养猪有无显著差异

 

 

sum(x < y)表示样品X小于样品Y的个数。计算出P值大于0.05无法拒绝原假设，可以认为两种饲料养猪无显著差异

例子6：H0：两组数据无显著的差别

 H1：两组數据有明显的差别


  
 

  
 

  

  
 

  
 

  

P<0.05，所以拒绝原假设接受两组数据有明显的差别

在符号检验法中，只计算符号的个数而不考虑每个符号差所包含的绝對值的大小，因此常常使用弥补了这个缺点的wilcoxon符号秩检验


  
 

  
 

  

  
 

  

    

      n为整数向量,表示试验的次数,当x为矩阵时,该值无效.
    

    

      p为向量,表示试验成功的概率,必須与x有相同的维数,且值在0至1之间,默认值为NULL.alternative为备择假设选项,取"two.sided"(默认值)表示双侧检验;取"less"表示备择假设为“<”的单侧检验，取"greater"表示备择假设为“>”的单侧检验.conf.level为0～1之间的数值(默认值为0.95),表示置信水平,它将用于计算比率p或比率差p1-p2的置信区间.correct为逻辑变量,表示是否对统计量作连续修正,默认徝为TRUE.
    

    

      其中x,y是观察数据构成的数据向量alternative是备择假设，有单侧检验和双侧检验mu待检参数，如中位数M0.paired是逻辑变量说明变量x,y是否为成对数据。exact是逻辑变量说明是否精确计算P值，当样本量较小时此参数起作用，当样本两较大时软件采用正态分布近似计算P值。correct是逻辑变量說明是否对P值的计算采用连续性修正，相同秩次较多时统计量要校正。conf.int是逻辑变量说明是否给出相应的置信区间。
    

    

      例7.  今测得10名非铅作業工人和7名铅作业工人的血铅值如下表所示。试用Wilcoxon秩和检验分析两组工人血铅值有无差异
    

    

         P值小于0.05，拒绝原假设即铅作业工人血铅值高于非作业工人。
    

    

      例子2：H0：两组数据无显著的差别
    

  

  
 

  

  
 

  
 

  
 

  

  
 

  

  

  

P<0.05,所以拒绝原假设两组数据是有差别的

例8 .某种矿石中两种有用成分A，B取10个样品，每个樣品中成分A的含量百分数x(%)及B的含量百分数y(%)的数据下表所示，对两组数据进行相关性检验

解：进行相关性检验，在R语言中可以使用cor.test( )

 假设此例中两组数据均来自正态分布使用pearson相关性检验，

可见P值<0.05,拒绝原假设认为X与Y相关。


  
 

  

  



                            

                                                

                    

                

            

            


            

                
我要回帖

                

                    

                        
                        
                    

                

            

            

                        

                
更多关于 mir房哲镛 的文章

                

                    
                

            

                    

        

            

                
 

                


                

            

            

            

                
随机推荐