试验统计方法,.pptVIP

大多数计算题,都需要用样本的平均数、标准差、标准误进行解题。 假设测验的一般原理: 第一步:提出无效假设和备择假设 第二步:在无效假设成立的条件下,计算无效假设成立的概率. 第三步:根据“小概率事件实际上不可能发生”原理接受或否定假设 当一事件的概率很小时可认为该事件在一次试验中几乎是不可能事件。 这是一切统计检验的理论基础。 概率0.05, 我们就认为是小概率事件 如果无效假设成立,那么概率应该是多少呢???????? 概率0.05, 说明无效假设不成立. “概率性质的反证法” 对试验样本所属总体所作的无效假设的统计推断。 无效假设:H0, 假设没有差异 备择假设:HA, 假设有本质差异 平均数的假设检验小结： 单个样本平均数的检验 1、总体方差已知或样本为大样本时用u检验 |u|uα时否定H0 uα=1.96, uα=2.58 2、总体方差未知，样本为小样本时用t检验 非配对资料两样本平均数的检验 1、两总体方差已知或样本为大样本时用u检验 合并方差的公式 合并方差的公式 当n1=n2=n时， 3、配对资料的检验t检验 d=x1i-x2i,否定域同前。 表示第i个处理n个观测值的和； 表示全部观测值的总和； 表示第i个处理的平均数； 表示全部观测值的总平均数； SSＴ反映了所有测量值之间总的变异程度， SSＴ=各测量值yij与总均数 差值的平方和 SS组间反映了各组均数 　　间的变异程度 组间变异＝①随机误差+②处理因素效应 在同一处理组内，虽然每个受试对象接受的处理相同，但测量值仍各不相同，这种变异称为组内变异。SS组内仅仅反映了随机误差的影响。也称SS误差 在单因素试验结果的方差分析中，无效假设为H0：μ1=μ2=…=μk，备择假设为 HA：各 μi不全相等，或H0 ： ai =0,HA: ai ≠0； F=MSt/MSe，也就是要判断处理间均方是否显著大于处理内(误差)均方。 如果结论是肯定的，我们将否定H0；反之，不否定H0。 F=MSt/MSe 若F＜ 　　　，即P＞0.05， 不 能 否定H0，统计学上，把这一检验结果表述为：各处理间差异不显著，在F值的右上方标记“ns” 若 　　　≤ F ＜ 　， 即 0.01＜P≤0.05，否定H0，接受HA， 统计学上，把这一检验结果表述为：各处理间差异显著，在F值的右上方标记“*”； 若F≥ 　　　，即P≤0.01，否定H0，接受HA，统计学上，把这一检验结果表述为：各处理间差异极显著，在 F 值 的 右上方标记“**”。 F值显著或极显著，否定了无效假设HO F值显著或极显著，否定了无效假设HO ，表明试验的总变异主要来源于处理间的变异，试验中各处理平均数间存在显著或极显著差异，但并不意味着每两个处理平均数间的差异都显著或极显著，也不能具体说明哪些处理平均数间有显著或极显著差异，哪些差异不显著。 必要进行两两处理平均数间的比较，以具体判断两两处理平均数间的差异显著性。 统计上把多个平均数两两间的相互比较称为多重比较(multiple compαrisons)。 最小显著差数法 最小显著极差法 (LSR法 ) 1、q检验法(q test) 将各极差与相应的最小显著极差LSR0.05,k, LSR0.01,k比较，作出统计推断。极差LSRα时，则 与 在α水平上差异显著；反之，则在α水平上差异不显著。 2、新复极差法(SSR法) 将各极差与相应的最小显著极差LSR0.05,k, LSR0.01,k比较，作出统计推断。极差LSRα时，则 与 在α水平上差异显著；反之，则在α水平上差异不显著。 最后: 把多重比较的结果表示出来 ?2检验 一、适合性检验 判断实际观察的属性类别分配是否符合已知属性类别分配理论或学说的假设检验称为适合性检验。 无效假设为H0：实际观察的属性类别 分配符合已知属性类别分配的理论或学说 备择假设为HA：实际观察的属性类别 分 配 不符合已知属性类别 分配的理论或学说。 理论次数T=总实际观察次数*理论比例(分布比例) 若?2 (或?2c)＜?20.05，表明实际观察次数与