生物统计学讲稿--统计推断--方差分析.docVIP

第五章 统计推断 通过实例、多媒体图示详细讲解下述原理和概念。 第一节 统计假设测验的基本原理 统计假设 1.零假设： 2.备择假设 二、小概率原理 小概率的事件在一次实验当中，几乎是不会发生的。 三、显著水平 显著水平就是维持零假设成立的最小概率，记为(。 四、单侧检验和双侧检验 1、单侧检验：在备择假设中只包含一种可能性的检验。 2、双侧检验：在备择假设中包含两种可能性的检验。 3.如何选择做单侧检验和双侧检验 在抽样数据相同的情况下，单侧检验和双侧检验的结论不同，这是因为在单侧检验中应用了μ不可能小于10.00克的已知条件，因此增加了单侧检验的灵敏性，使单侧检验更容易拒绝零假设。 根据实验的考察重点和已知条件来确定选择单侧检验还是双侧检验。 通过实例、多媒体图示详细讲解下述原理和概念。 五、两种类型的错误 I型错误：H0是真实的，在统计推断时却拒绝了H0。又称拒真错误。 (= P（犯I型错误）= P（拒绝H0/H0是真实的，(= (0） 一般犯I 型错误的规律不会超过显著水平。 II型错误：如果 ( ≠ (0 ，而是 ( = (1，若接受接受 H0： ( = (0 ，则发 生了另一种倾向的错误，我们称之为II型错误。 发生II型错误的概率用( 表示， ( 是可以计算的。 复习思考题： 1．什么是统计推断？统计推断的目的是什么？怎样利用统计假设检验，判断某种现象属于偶然？ 2．什么叫I型错误？什么叫II型错误？在不增加犯I型错误概率的情况下，如何降低犯II型错误的概率？ 第二节 单个样本的统计假设测验 一、单个样本统计假设测验的程序 1、假设 H0 ：( = (0 来源：以往的经验，某种理论或模型，预先的规定 HA：( ≠ (0 来源： H0以外的可能的值，担心实验会出现的值， ( (0 希望实验出现的值，有某种特殊意义的值。 ( (0 2、显著水平(：( = 0.05，( = 0.01 3、两种类型的错误： (，( 4、确定应使用的统计量：u，t，(2 5、建立在(水平上H0的拒绝域 6、对推断的解释 通过实例讲解下面两个问题： 二、对单个样本平均数的测验 1、在(已知时，样本平均数的显著性测验-u检验 2、在(未知时，样本平均数的显著性测验 - t检验 通过实例详细讲解 三、单个样本变异性的检验 ----(2检验 （一）、检验的程序 1、假设 H0： ( = (0 HA： ( ≠ (0 ( (0 （ 已知(不可能小于 (0） ( (0 （已知(不可能大于 (0 ） 2、显著水平 (= 0.05， (= 0.01 3、 统计量 (2 4、H0的拒绝域： 5、作出结论，并给予生物学解释。 (二)、应用实例 复习思考题 1．在拒绝了零假设后，如何正确理解备择假设的可能性？ 2．如何正确选择单位检验和双尾检验？ 3．在确定显著水平时，应主要注意什么因素和事项？ 第三节 两个样本的差异显著性的检验 在进行单个样本的显著性测验时，我们必须提出有意义的H0：( = (0 。这使得这种方法的应用受到了限制。 在实际应用时，人们常常选择两个样本，一个做为处理，一个作为对照，在这两个样本间进行比较。 例如比较两种分析方法，两种处理，两种药物，两种不同的物质，两种实验方法，两条公式等的差异，判断这种差异是否可以用偶然性来解释。 在进行两个样本的比较时，我们只要检验 H0：(1= (2 或 H0：(1- (2 = 0 ，而不必了解 (1 与 (2 究竟为何值。 一、两个样本方差比的检验----F 检验 (方差的齐性检验) （一）、检验的程序 1 、从两个正态总体N1（μ1，(12） 和N2（ μ2，(22 ）中分别以n 1和 n2为样本容量进行抽样，计算s 12 ， 和s 22 。 μ1与 μ2可以相等，也可 以不相等。 2 、假设： H0： (1 = (2 HA：① (1 ≠ (2 ② (1 (2 （若已知(1 不可能小于 (2）， ③ (1 (2 （若已知(1不可能大于 (2） 3 、显著水平：(= 0.05或 (= 0.01 4、检验的统计量： 5、建立H0的拒绝域： 6、作出生物学的解释。 （二）应用实例分析 二、两个样本平均数的差异显著性测验 （一）总体标准差（(i）已知时的平均数差异显著性测验---- u检验 1、方法和程序 着重理解抽样分布的特点和检验的统计量： 2、应用实例 复习思考题 1．对单个样本的变异性和两个样本的变异性进行差异显著性测验时，使用的统计量是相同的吗？为什么？ 2．当总体标准差未知但为大样本，对两个样本的平均数进行差异显著性测