生物统计学教材-统计推断.pptVIP

西南科技大学生命科学与工程学院周海廷制作 上章主要讨论了从总体到样本的关系，本章将讨论逆命题—从样本到总体的问题，即统计推断问题。 所谓统计推断(statistical inference)，就是根据抽样分布律和概率理论，由样本结果(统计数)来推论总体特征(参数)。 统计假设测验是指根据于某种实际需要，对未知的或不完全知道的统计总体提出一些假设；然后由样本的实际结果，经过一定的计算，作出在概率意义上应当接受那种假设的测验。 4.1.1 统计假设 由于总体多是无限的(尤其是自然科学)，往往需要用样本推断总体，因此首先需要提出一个有关其总体参数的假设。例如假设某小麦新品种的产量和原地方品种的产量一样，或者比旧地方品种好。这种假设称为统计假设(statistical hypothesis)。下面是一些统计假设的例子： 一、单个平均数的假设 一个样本是从具有平均数μ0的总体中随机抽出的，记作H0： μ= μ0。例如： 1、某一小麦品种的产量具有原地方品种的产量，这指新品种的产量表现乃原地方品种产量表现的一个随机样本，其平均产量μ等于某一指定值μ0，故记为 H0： μ= μ0 2、某一棉花品种的纤维长度(μ)具有工业上某一指定标准(C )，可记为H0： μ= C 二、两个样本平均数比较的假设 两个样本乃从两个具有相同参数的总体中随机抽出的，记为H0： μ1= μ2或H0：μ1- μ2=0 例如：(1)两个小麦品种的产量是相同的。(2)两种杀虫剂对于某种害虫的药效是相等的。 备择假设(alternative hypothesis)，和无效假设相对应的一个假设，也称为对应假设。记作HA： μ≠ μ0 或HA：μ1 ≠ μ2。意思是说，如果否定了无效假设，则必须接受备择假设，反之亦然。 这些统计假设构成了完全事件系。 三、统计假设测验的基本思想 设某地区的当地小麦品种一般667m2产300kg，即当地品种这个总体的平均数为μ0=300(kg),并从多年种植结果获得其方差σ2=(75)2kg。若从这一总体中随机抽取n个个体构成样本，则样本观察值可表示为： 　　　　　yi= μ0 +εi (i=1,2,…,n) 代入上式得： yi= μ0 + τ + εi (i=1,2,…,n) 对yi求平均数，并将式子稍作变形得： 　　　由于处理效应τ ＝ μ－ μ0 无法计算，统计推断只能从第（2）种可能性出发，即假设处理效应不存在，试验表型效应全为试验误差。 4.1.2 统计假设测验的基本方法 设某地区的当地小麦品种一般667m2产300kg，即当地品种这个总体的平均数μ0=300(kg)，并从多年种植结果获得其标准差=75(kg)，而现有某新品种通过25个小区的试验，计算其样本平均产量为每667m2产330kg，即 =330，那么新品种样本所属总体与μ0=300的当地品种这个总体是否有显著差异呢？ 一、对所研究的总体首先提出一个无效假设 H0： μ= μ0 或： H0： μ= 300 即新品种与老品种之间不存在真实的差异，样本平均数 在H0： μ= μ0 前提下，就可以得到从已知总体(原地方品种)，以样本容量n=25抽样的样本平均数的抽样分布服从N(300，752/25)。知道了概率分布，就可以计算出330-300=30(kg)属于随机误差造成的概率值有多大。 用来测验假设的概率标准5%或1%等，称为显著水平(significance level),一般以α表示。 α= 0.05为显著，α =0.01为极显著 综合上述，统计假设测验的步骤为： 对样本所属的总体提出统计假设，包括无效和备择假设。 规定测验的显著水平α值 。 在H0为正确的前提下，根据平均数或其它统计数的抽样分布，计算误差出现的概率。 将规定的α值与算得的概率值相比，从而作出接受或否定无效假设的推断。 4.1.3 两尾测验与一尾测验 在提出一个统计假设时，必有一个相对应的备择假设。例如上述单个平均数测验，若H0：μ= μ0 ，则备择假设为HA：μ≠μ0 。后者即指该新品种的总体平均产量不是300kg，这包括大于300kg和小于300kg两种可能性。 两尾测验示意图 4.1.4 统计假设的两类错误 统计假设测验是根据一定的概率标准对总体特征作出推断。否定了H0，并不等于已证明H0不真实；接受了H0 ，也不等于已证明H0是真实的。 如果H0是的，我们通过测验却否定了它，就犯了一个否定真实假设的错误。这叫第一类错误(first kind error)或I型错误。由于规定了显著水平α值 ，就注定要犯错误，故I型错误又称为α错误。 如果H0是错误的，我们通过测验没有发现其不真实而接受了它，即犯了一个接受不真