43二项成数的假设检验（百分率假设检验）.pptVIP

4.3二项成数的假设检验（百分率假设检验） 死亡率、成活率、有效率、发病率等水产生产和科研试验结果用成数或百分数表示，是由计数某一属性的个体数目求得，属于间断性计数资料。 理论上计数资料具有二项性质，应在二项分布的基础上进行假设测验。 但n较大、p不过小或过大，且np和nq又均大于5时，二项分布接近正态分布。因此，服从二项分布的成数或百分数资料，只要样本容量足够大，可作近似正态处理，即可用u测验来分析服从二项分布的资料。 标准正态分布就是自由度为无穷的t分布，故二项成数资料可用t测验 4.3.1单个成数的假设测验 推断一个样本成数或百分数所属的总体百分数与已知的总体百分数是否相符合，或是否是来自于一个总体百分数已知的总体。 也即推断一个服从二项分布的样本百分数与总体百分数的差异显著性 4.3.2两个成数比较的假设测验 测验两个样本百分数或成数 的差异显著性，旨在推断两个样本百分数所对应的总体百分数p1与p2是否相等 4.4 参数估计 4.4.1 基本概念 参数估计就是用样本统计数估计总体参数，如用样本平均数估计总体平均数μ，用样本方差s2估计总体方差σ2 被估计的总体参数称为待估参数，用于估计总体参数的统计量称为估计量，估计量的一个取值称为总体参数的估计值 点估计（point estimation）：样本统计量的值估计总体参数的大小 如果估计量的数学期望（总体均数）等于待估参数，则称该估计量为无偏估计量，它的值称为待估参数的无偏估计值 有效无偏估计量：n相同时，总体方差小于另一个无偏估计量的总体方差的无偏估计量，其值称为有效估计值； 最有效的估计量：又称为最佳无偏估计量，总体方差在所有无偏估计量中是最小的一个无偏估计量，其值称为最有效或最佳无偏估计值。 如： 容量为n的样本来自于正态总体N(μ,σ2)，则样本 与s2分别是μ 与σ2的最佳无偏估计量 4.4.2 总体平均数的置信区间 4.4.2.1 总体方差σ2已知 即样本容量为n，平均数为 的样本是从方差为σ2总体中抽取 将有1- α的样本 值将落在 即： 化简得置信区间： 或 有： 4.4.3.2 两总体方差未知但假定相等，且为小样本 * 设在总体百分数为p的二项总体中观察了n个体，其中某结果发生x个 例4.7 某种鱼药治愈率为90%，今在该药中加入一种助效药，治疗100条病鱼，其中有5条没有治好而死亡，问加入助效药后该药的疗效加强了没有？ 二项成数的u测验或t测验，是一种正态近似法，n小，近似程度低，在测验时，因样本容量小而产生偏倚，需采用如下检验统计量矫正： 注意： 有人建议两尾测验时，检验统计量中的值作如下矫正： 若|x-np|中的小数部分≤0.5，则略去小数。如|x-np|=7.3，则|x-np|=7.0。 若|x-np|中的小数部分在0.5与≤ 1.0，则用0.5代替这小数部分。如，|x-np|=8.73，则取|x-np|=8.5；|x-np|=5.0，则取|x-np|=4.5。 和单样本率的显著性测验一样，当样本容量小时也需作连续性矫正，其方法是测验统计量采用如下形式： 例4.8 某渔场发生了烂腮病，观察发现，靠近渔民居住区的Ⅰ号鱼池的烂腮病比远离居住区的Ⅱ号鱼池的烂腮病严重。于是，抽查Ⅰ号鱼池中的200尾鱼，其中患该病的有120尾；抽查Ⅱ号鱼池中的500尾鱼，其中患该病的有240尾，试问Ⅰ号鱼池的烂腮病发生率是否比Ⅱ号鱼池的高？ 区间估计（interval estimation）：在充足的概率保证下估计出一个包含总体参数值的区间。 置信区间（confidence interval）：在充足的概率保证下估计的一个包含总体参数值的区间，用[L1， L2]或 表示 置信限（confidence limit）：置信区间的上、下界限，一般以L1和L2分别表示置信下限和上限。 置信距：置信区间的长度，又称为置信半径，用Δμ或Δp表示 置信度或置信概率（confidence probability）：保证置信区间（能够覆盖总体参数的概率，以p=1－α表示。 一致估计量：估计量与样本容量n有关，n越大，估计总体参数的精确性就越高；若n趋向无穷时，依概率收敛于被估参数的估计量 4.4.2 .2 总体方差σ2未知 总体方差σ2需由样本均方s2估计 4.4.3 两总体平均数差数（μ1-μ2）的置信限 主要估计两总体平均数μ1和μ2至多能差多少，至少能差多少。 4.4.3.