假设测验说课.ppt

为合并样本百分数： （ 三）将u或uc的绝对值与1.96、2.58比较，作出统计推断 若 （或 ）1.96, p0.05，不能否定 ，表明两个样本百分数 、 差异不显著； [例] 调查两个番茄品种的抗青枯病能力，A品种200株中有35株发病，B品种150株中有30株感病。问两品种的抗病力是否有差异？ H0：P1=P2 HA：P1≠P2 α=0.05，u0.05=1.96 p1= x1/n1=35/200=0.175 p2= x2/n2=30/150=0.200 因 |u | =0.5952＜u0.05，故P＞0.05 所以，不能否定H0，即认为A、B两品种抗青枯病能力差异不显著。 例：研究马铃薯人工授粉和自由授粉的杂交结实率，自由授粉处理的n1=200朵花中结实为40果，（即为20%或0.2），人工授粉处理的n2=300朵中有90果（即为30%或0.3），测其差异显著性。 显然，此例属两个样本百分数或成数的假设测验。? 两个百分数假设测验的连续性矫正 - 若np或nq 小 于 5和 n小于30时，需作连续性矫正。 例：用敌百虫处理菜青虫20头，结果死亡15头，存活5头；用西维因处理25头，结果死亡21头，存活4头，问两种杀虫剂对菜青虫的杀虫效果是否存在显著差异？ uc=0.375 差异不显著 5np30.用u测验，需矫正; p=0.8；q=0.2 二、单个样本平均数的假设测验 测验某一样本 所属总体平均数是否和某一指定的总体平均数相同。 例：某一小麦种子千粒重μ0＝34g，现引进外地一高产品种，在8个小区种植，其千粒重（g）分别为：35.6，37.6，33.4，35.1，32.7，36.8，35.9，34.6，问新品种的千粒重与当地栽培品种有无显著差异？ 推断过程 统计假设： H0: 新引入的品种千粒重与当地栽培品种千粒重没有差别，即μ＝μ0＝34g; HA：μ≠μ0 显著水平：α=0.05 计算t和 S 统计推断 查附表4，可知：v=7, t0.05为2.365 t=2.069t0.05, 即p0.05,接受H0 在t表中，若v相同，则t越小，p越大；或p越小，t越大。因此在t假设测验时，计算出来的|t|≤t α时，则表明其属于随机误差的概率大于或等于规定的显著水平α，因此可以接受H0，反之否定H0,接受HA。 [又例] 某地杂交玉米在原种植规格下一般亩产350㎏，现为了间套作，需改成一种新种植规格,新规格下8个小区产量分别为360、340、345、352、370、361、358、354(㎏/亩)。问新规格与原规格下玉米产量差异是否显著？ H0： μ=μ0=350 ㎏ ， HA： μ≠μ0， α=0.05 测验计算 查附表3，t0.05,7 =2.365，t ＜ t0.05,7，故不能否定H0。认为改变种植规格后的玉米产量与原种植规格的玉米产量无显著差异 第三节 两个样本平均数的差异 显著性检验 在实际工作中还经常会遇到推断两个样本平均数差异是否显著的问题，以了解两样本所属总体的平均数是否相同。对于两样本平均数差异显著性检验，因试验设计不同，一般可分为两种情况： 一是非配对设计或成组设计两样本平均数差异显著性检；二是配对设计两样本平均数差异显著性检。 一、非配对设计两样本平均数的差异显著性检验 非配对设计或成组设计是指当进行只有两个处理的试验时，将试验单位完全随机地分成两个组，然后对两组随机施加一个处理。在这种设计中两组的试验单位相互独立，所得的二个样本相互独立，其含量不一定相等。非配对设计资料的一般形式见表5-1。 表5-1 非配对设计资料的一般形式 非配对设计两样本平均数差异显著性检验的基本步骤如下： （一）提出无效假设与备择假设 H0：μ1＝μ2 HA：μ1≠μ2 （二）计算t值 计算公式为： df=(n1-1)+(n2-1) 首先从样本变量求出样本平均数和方差，作为总体均方的估计值，求合并方差S2。 其次计算两样本平均数的差数标准误 和标准化离差t 最后根据自由度df=(n1-1)+(n2-1)和显著水平，查附表4，根据结果作出检验。 [例] 有一水稻施肥试验，处理为甲乙两种施