植物营养研究方法第六章第二节统计假设测验.ppt

1、单个样本百分数假设测验的连续性矫正 【例】 解: \接受H0，即观察结果与理论百分数分布相符 2、两个样本百分数假设测验的连续性矫正 【例】 解: 用新配方农药处理25头棉铃虫，结果死亡15头，存活10头；用乐果处理24头，结果死亡9头，存活15头。问两种处理的沙虫效果是否有显著差异？ \接受H0，两种药对棉铃虫的防治效果没有明显差异。 第四个问题 参数的区间估计 参数估计 点估计：以样本统计数估计总体的参数 区间估计：在一定概率保证下，估计出参数可能在内的一个范围或区间 置信系数/置信度（1-α） 置信区间/置信距/置信阈[ L1 , L2 ]－置信限 一、区间估计的基本原理 不可说成总体平均数落在区间[L1,L2]的概率为1－α 二、两尾测验的总体平均数及其差数的区间估计 1、单个样本平均数 【例】 已知 μ0=34g，新品种xi= 35.6, 37.6, 33.4, 35.1, 32.7, 36.8, 35.9, 34.6(g)，n=8，问新引进品种的千粒重与当地良种有无显著差异？ 解: 计算所得平均数置信区间[33.8,36.6]有95%的可能覆盖了总体的平均数，所以接受H0，即新引进品种与当地良种在千粒重上没有显著差异。 2、两总体平均数差数的区间估计 三、一尾测验的总体平均数及其差数的区间估计 1、单个样本平均数 2、两个样本平均数差数 四、二项百分数的区间估计 1、单个二项百分数的区间估计 2、两个二项总体百分数差数的区间估计 ， ， 五、总结：置信区间与假设测验 1.两个置信限同正或同负，否定H0，接受HA 2.两个置信限异号，区间包括0，接受H0 3.两个置信限同正，则有一个参数大于另一参数的结论成立 4.两个置信限同负，则有一个参数小于另一参数的结论成立 例 840 850 890 920 890 870 880 840 900 800 35 万苗产 量 30 万苗产 量 840 850 890 920 890 870 880 840 900 800 35 万苗产 量 30 万苗产 量 有两种密度稻田（30万苗和35万苗），每种密度下各取5块测产（单位为斤/亩），结果如下表，问两种密度稻田的产量是否存在显著差异？ 解: 总体标准差未知，小样本（n=8），用t 测验；样本来自同一品种，可假定其总体方差相等。 \接受H0，即m1=m2。实际意义即两种密度下这个品种的亩产量没有显著差异。 【例】 x 1 (喷矮壮素) x 2 (对照) 160 170 160 270 200 180 160 250 200 270 170 290 150 270 210 230 170 研究矮壮素使玉米的矮化效果，在抽穗期测定喷矮壮素小区8株，对照区玉米9株，其株高结果如下表，试分析此矮壮素对矮化玉米植株有无效果？ 解: 由此可以得出结论，喷施这种矮壮素对于降低玉米株高的效果显著。 差异显著，所以否定H0，接受HA ，即m1m2。 （3）两个样本的总体方差?12和?22为未知，而?12≠ ?22，且为小样本时，可用t测验 由于?12和?22为未知，且不相等，因此，只有用样本的均方s12和s22分别来估计?12和?22 ，并依此估计值来计算平均数差数的标准误，即 ta查表所用 ν 转换方法如下: 注意：ta查表所用ν 如果n1=n2=n，则ν = n-1 如果n1≠n2，ν需要经过转换 【例】 解： 样本来自不同品种，方差可能不等，所以只能以两个样本的均方来分别估计两个总体的方差。 自由度转换： \否定 H0，接受HA ，即这两个品种的蛋白质含量差异极显著。 2、成对数据的平均数比较 成对设计：将性质相同的两个供试单位配成一对，并设有多个配对，然后对每一配对的两个供试单位分别随机地给予不同处理，即为成对设计；成对设计所得观察值称为成对数据 成对设计的优点： 精确度高（严格采用了局部控制原则） 不受?12和?22 的干扰（不必考虑两个样本所属总体的方差是否已知或相等，只要假定两个样本总体差数的平均数为0，即md=0，即可） X1 X2 d x11 x21 d1 x12 x22 d2 : : : x1n x2n dn 【例】 选生长期、发育进度、植株大小和其他方面皆比较一致的两株番茄构成一组，共得7组，每组中一株接种A法钝化处理的病毒，另一株接种B法钝化处理的病毒，目的为研究不同钝化方法处理对病毒的钝化效果，考察指标为接种后番茄植株上所产生的病斑数目，结果见下表，试分析两种处理方法的差异显著性。 组别 x 1 (A法) x 2 (B法) d 1 10 25 -15 2 13 12 1 3 8 14 -6 4 3 15 -12 5 5 12 -7 6 20 27 -7 7 6 18