05 Statistical Inference.pptVIP

配对数据的显著性检验 配对设计与成组设计 成组设计：试验单位直接随机分配到两个处理组中。要求试验单位尽可能一致。若试验单位变异较大，则可能使处理效应受到组间的系统误差的影响而降低试验的准确性与精确性。 配对设计：先将试验单位两两配对，然后将配成对子的两个试验单位随机分配到两个处理组中。配对根据局部控制的原则，在小范围内保证试验单位的一致性，减少系统误差，提高试验的准确性与精确性。 配对数据的显著性检验 配对设计 配对的要求是，配成对子的两个试验单位的初始条件尽量一致，不同对子间试验单位的初始条件允许有差异，每一个对子就是试验处理的一个重复。 配对数据的显著性检验 成组试验设计与成组数据 试验对象总体 (性质均一) 组内组间试验对象及试验数据相互独立 随机抽取试验对象 随机抽取试验对象 配对数据的显著性检验 成组设计的问题 试验对象总体 (性质不均一) 试验对象不均一造成的系统误差影响对处理间差异检验的精度 随机抽取试验对象 随机抽取试验对象 配对数据的显著性检验 配对设计 试验对象总体 (性质不均一) 将试验对象两两配对,对子内尽量保证均一,分别接受不同处理 配对数据的显著性检验 配对类型： 1、自身配对 指同一试验单位在不同时间上分别接受前后两次处理，对观测值进行自身对照比较；或同一试验单位的不同部位的观测值或不同方法的观测值进行自身对照比较。如观测病人治疗前后临床检查结果的变化；用叶片的两半分别测试两种病毒的致病性等。 2、同源配对 指将来源相同、性质相同的两个个体配成一对，如将种别、品种、窝别、性别、年龄、体重相同的两个试验动物配成一对，然后对配对的两个个体随机地实施不同处理。 配对数据的显著性检验 配对设计试验资料的一般形式 配对数据的显著性检验 配对数据的显著性检验－配对数据的t 检验 例 下表为不同组合的杂种F1籽粒蛋白质含量 父 本 西地迈罗A(a) 矬巴子1A(b) d=(a)-(b) d2 玛纳斯红 8.478 7.994 0.484 0.234 红菲特瑞他 7.512 7.141 0.371 0.138 忻 粱 7 7.222 8.267 –1.045 1.092 平罗娃娃头 8.053 8.280 –0.227 0.052 平 顶 冠 7.689 6.740 0.949 0.901 洋 大 粒 8.528 7.632 0.896 0.803 忻 粱 52 6.972 5.913 1.059 1.121 东海红公鸡 7.731 8.169 –0.798 0.637 板 农 1 5.760 7.570 –1.810 3.276 歪 脖 黄 7.930 7.569 0.361 0.131 千 斤 红 7.255 6.322 0.933 0.870 忻 粱 71 6.795 6.417 0.378 0.143 总 计 1.511 9.397 配对数据的显著性检验 显著性检验中应注意的问题 严谨合理的试验或抽样设计：保证各样本是从相应总体中随机抽取的。处理间要有可比性，即除比较的处理外，其它影响因素应尽可能控制相同或基本相近。否则，任何显著性检验的方法都不能保证结果的正确。 选用的显著性检验方法应符合其应用条件：由于研究变量的类型、问题的性质、条件、试验设计方法、样本大小等的不同，所用的显著性检验方法也不同，因而在选用检验方法时，应认真考虑其适用条件，不能不加选择的生搬硬套。 显著性检验中应注意的问题 正确理解差异显著或极显著的统计意义：不应该误解为相差很大或非常大。“显著”或“极显著”是指表面上如此差别的样本来自同一总体的可能性小于0.05或0.01，统计学上认为它们有实质性差异。有些试验结果看似差别大，但由于试验误差大，也许还不能得出“差异显著”的结论；而有些试验结果间的数值差异虽小，但由于试验误差小，反而可能推断为“差异显著”。 正确理解差异不显著的统计意义：是指所表现出的差异在同一总体中出现的可能性大于设定的显