植物营养的研究法7章假设检验.ppt

某柑桔品种常年在某地平均株产85kg/株，现有一良种柑桔经过多点试验株产为90kg/株。 一个试验相当于一个样本，由一个样本平均数可以对总体平均数作出估计，但是样本平均数是因不同样本而变化的，即样本平均数有抽样误差。 把试验表面效应与误差大小相比较，并由表面效应可能属误差的概率而作出推论的方法，称之为统计推断。 统计推断是以样本统计数推论总体参数。 统计假设检验的步骤 1）对样本所属总体提出假设，包括无效假设(H0)和备择假设(HA)。 2）确定显著水平α。 3）在 H0下，依统计数的抽样分布，计算假设正确的概率。 4）统计推断：将α与算得的概率相比较，根据小概率事件实际不可能性原理作出是否定或接受H0的推断。 通俗地讲，假设测验方法是先按照研究目的提出一个假设，然后通过试验或调查取得样本资料，最后根据统计原理检查这些资料结果，看看是否与无效假设所提出的有关总体参数大小相符合。 根据“小概率不可能事件原理”，如果两者之间的可能性不是很小，则接受这个无效假设，否则则接受备择假设。 二．统计假设检验的确定 1．据检验目的提出无效假设H0：由于检验的目的不同，H0的形式和同内容可以多种多样。 　无效假设（null hypothesis）：零值假设或解消假设，含义是假定被比较的两个样本的统计值来自同一个总体，它们之间无质上的差异，其真差应等于零。即H0：μ=μ0——差异不显著。(或Ho:u1=u2) 　备择假设（alternative hypothesis）：与无效假设相对应，是当零值假设被否定后，所采用的相反的假设。HA表示——差异显著。(或HA:u1≠u2) 2．在H0为正确的假设下，根据检验所用统计量的概率分布，算出绝对值大于实得统计量绝对值的概率。 　　　大样本 μ检验 　　　小样本 t 检验 　　　多个样本 F 检验 　　3．确定显著水平α，划出置信区间与否定区间，判断无效假设H0是否成立。 样本值在置信区间内——假设成立，差异不显著(如,aa0.05或tt0.05) 样本值在否定区间内——假设被否定，差异显著(如aa0.05或 tt0.05) 例 某梨树在常规施肥下的历年产量μ0＝1500 kg/亩, 标准差σ= 400 kg/亩。现用某新肥在30个小区进行试验，得 ＝1600kg/亩（此时μ末知），问施新肥后梨树产量是否得到显著提高？ 1、统计假设 假设施新肥后梨树产量没有得到显著提高，即H0: μ=μ0；备择假设为施新肥后梨树产量得到显著提高，即 HA: μ≠μ0 3、计算假设正确的概率 承认无效假设的前提下，那么本例就可以从统计方面作这样的理解：既在总体（总体参数μ0＝1500 kg/亩, 标准差σ= 400 kg/亩）中抽取样本容量为n=30的样本,该样本平均数的抽样分布具有正态分布形状，即： 解：假设H0:u=u0.05 w0.05=1.96 ww0.05 H0否定，表示后期叶面喷磷对小麦千粒重有作用。 双尾检验和单尾检验 双尾检验（Two-tailed test）:在提出一个统计假设（H0）时必有一个对应的备择假设（ HA ），HA为否定时必然要接受的另一个假设。 H0：μ=μ0 则HA：μ≠μ0。 HA存在两种可能，μμ0和μμ0，即具有两个否定区域。这类测验就称之为双尾检验。 比如：施新肥量对梨产量的影响，可能增产（大于1500kg/亩），也可能减产（1500kg/亩）。 单尾检验 one-tailed test 如果统计假设H0：μ≤μ0 则HA：μμ0；或H0：μμ0 则HA：μ≤μ0。此时对应的备择假设只有一种可能性，即只有一个否定区域。这类测验称之为单尾检验。 例如某种农药的规定杀虫效果达90％方才达标，则其假设统计为H0：μ≤90％， 则HA：μ90％ 选用一尾或两尾测验需要根据实际情况和专业决定 单尾检验时须将一尾概率×2，再查附表3获得u值； 当α=0.05，双尾检验的临界正态离差| u |大于一尾测验的正态离差| u | 假设测验的两类误差 第一类错误（?错误）：如果假设是正确的，但通过试验结果的测定却否定了它就造成所谓的第一类错误，即?错误 第二类错误（?错误）：如果假设是错误的，而通过试验结果的测验后却接受了它，这就造成所谓的第二类错误，即?错误。 在样本容量n固定的条件下，提高显著水平?（ ?值较小），将增大犯第2类错误的概率 在n和显著水平?相同的条件下，真总体平均数μ和假设平均数μ 0的相差愈大，则犯第2类错误的概率愈小。 为了降低犯两类错误的概率，需采用一个较低的显著水平（ ? =0.05），适当增加样本容量，或适当减少总体方差σ2，或两者兼有之。 在显著水平?固定的情况下，改进实验技术和增加样本容量