影响置信区间的因素 Influencing factor of the confidence interval ·置信度越大，置信区间越大(（t值增大)》 ·测量次数n越多，置信区间越小（平均值更 接近真值，当n>20时，t值变化不大，置信 区间也变化不大》 ·试验的偶然误差越小，s值越小，置信区间 越小 11
11 影响置信区间的因素 Influencing factor of the confidence interval • 置信度越大，置信区间越大（t值增大） • 测量次数n越多，置信区间越小（平均值更 接近真值，当n>20时，t值变化不大，置信 区间也变化不大） • 试验的偶然误差越小，s值越小，置信区间 越小
显著性检验Significance test 可能性Possibility: 1、测定结果的平均值与标准值不同； 2、不同方法、不同实验室或不同人员对 同一试样分析结果不同。 原因Reasons: 1、随机误差一统计学允许； 2、系统误差一显著性差异。 目的：判断实验误差是否主要源于随机因素 12
12 显著性检验 Significance test 可能性 Possibility： 1、测定结果的平均值与标准值不同； 2、不同方法、不同实验室或不同人员对 同一试样分析结果不同。 原因 Reasons： 1、随机误差—统计学允许； 2、系统误差—显著性差异。 目的：判断实验误差是否主要源于随机因素
如何理解显著性检验？ 恭喜，你获得一个100元红包，详情点击以下网址 “肯定是骗局！” “你能100%肯定是骗局吗？万一是真的呢？” 统计学家这么做. 假设：此人确实在发100元红包。 经验：只拿到过最多0.10元的红包。 结论：1.此人说的是真话。（坚持原假设)小概率 2.此人说的是假话。（拒绝原假设）
如何理解显著性检验？ 恭喜，你获得一个 100 元红包，详情点击以下网址 假设：此人确实在发100元红包。 经验：只拿到过最多0.10元的红包。 “你能100%肯定是骗局吗？万一是真的呢？” “肯定是骗局！” 统计学家这么做. 结论：1. 此人说的是真话。（坚持原假设）小概率 2. 此人说的是假话。（拒绝原假设）
显著性检验 ◆事件通过一个检验统计量（test statistic)T来描述 ◆原假设(null hypothesis):事件主要源于随机因素 原假设为什么不是：事件主要源于确定性因素参见教材183页附录2 ◆根据T的分布确定大概率事件和小概率事件的发生范围， “大概率”称为“置信度”(confidence,P);“小概率” 称为“显著性水平”(significant level,a)P+a=1 ◆如果T的取值在大概率事件发生范围，那么接受原假设 因为我们认为大概率事件在一次试验中能够发生（但是，.) 如果T的取值在小概率事件发生范围，那么拒绝原假设 因为我们认为小概率事件在一次试验中不能发生（但是
显著性检验 ◆ 原假设（null hypothesis）：事件主要源于随机因素 ◆ 根据 T 的分布确定大概率事件和小概率事件的发生范围， “大概率”称为“置信度”（confidence, P）；“小概率” 称为“显著性水平”（significant level, α ）P + α = 1 ◆ 事件通过一个检验统计量（test statistic）T 来描述 原假设为什么不是：事件主要源于确定性因素——参见教材183 页附录 2 ◆ 如果 T 的取值在大概率事件发生范围，那么接受原假设 如果 T 的取值在小概率事件发生范围，那么拒绝原假设 因为我们认为大概率事件在一次试验中能够发生（但是，.） 因为我们认为小概率事件在一次试验中不能发生（但是，.）
显著性检验 一不会小到0% ◆然而小概率事件仍有可能发生，因此存在“拒真错误” 拒真错误：原假设为真却被拒绝。 犯“拒真错误”的概率：表示为心，即显著性水平 一不会大到100% ◆然而大概率事件仍有可能不发生， 因此存在“存伪错误” 存伪错误：原假设为假却被接受。 犯“存伪错误”的概率：表示为B;一般不可知，参见教 材183页 ◆对于“拒真错误”和“存伪错误”，减小其中一个，另 一个就会增大，即不能同时减小犯两类错误的概率
显著性检验 ◆ 然而大概率事件仍有可能不发生，因此存在“存伪错误” 存伪错误：原假设为假却被接受。 犯“存伪错误”的概率：表示为 ；一般不可知，参见教 材 183 页 ◆ 然而小概率事件仍有可能发生，因此存在“拒真错误” 拒真错误：原假设为真却被拒绝。 犯“拒真错误”的概率：表示为 ，即显著性水平 ◆ 对于“拒真错误”和“存伪错误”，减小其中一个，另 一个就会增大，即不能同时减小犯两类错误的概率 不会大到 100% 不会小到 0%