《生物统计学与田间试验设计》第四章 统计假设检验6.ppt

第四章 统计假设检验Test of statistical hypothesis 本章主要内容 由样本的结果如何来推断总体 假设检验 参数估计 分析误差产生的原因 确定差异的性质 排除误差干扰 对总体特征做出正确判断 第一节 假设检验的原理与方法 一、假设检验的概念 假设检验就是根据总体的理论分布和小概率原理，对未知或不完全知道的总体提出两种彼此对立的假设，然后由样本的实际结果，经过一定的计算，作出在一定概率意义上应该接受的那种假设的推断。 如果抽样结果使小概率发生，则拒绝假设，如抽样结果没有使小概率发生，则接受假设。 二、假设检验的步骤 在进行假设检验时，一般应包括以下4个步骤： （一）提出假设 假设检验首先要对总体提出假设(statistical hypothesis) 一般应作两个假设： 无效假设(null hypothesis)是直接检验的假设，是对总体提出的一个假想目标。 所谓“无效”意指处理效应与总体参数之间没有真实的差异，试验结果中的差异乃误差所致。 备择假设(alternative hypothesis)是和无效假设相反的一种假设，即认为试验结果中的差异是由于总体参数不同所引起的。 确定无效假设必须遵循两个原则： ①无效假设是有意义的； ②据此可算出因抽样误差而获得样本结果的概率。 (二) 确定显著水平 在进行无效假设和备择假设后，要确定一个否定H0的概率标准，这个概率标准叫显著水平，记作α。α是人为规定的小概率界限，生物统计学中常取α＝0.05和α＝0.0l两个显著水平。 (三) 计算概率 在假设H0正确的前提下，根据样本平均数的抽样分布计算出由抽样误差造成的概率。对于上面一个样本平均数的例子，在H0 ：μ＝μ0的前提下，根据式3．27可求得： 查附表2，P(|u|＞1.581)＝2×0.057l＝0.1142，即在N(126，240)的总体中，以n＝6进行随机抽样，所得平均数 ＝136与126相差为10以上的概率为0.1142 注意：检验所计算的并不是实得差异本身的概率，而是超过实得差异的概率。概率的大小，是推断H0是否正确的依据。在H0假设下，由于 有可能大于μ，也有可能小于μ，因此需要考虑差异的正和负两个方面，所以一般计算的都是双尾概率。 (四)推断是否接受假设 根据小概率原理作出是否接受H0 :小概率原理指出：如果假设一些条件，并在假设的条件下能够准确地算出事件A出现的概率α为很小，则在假设条件下的n次独立重复试验中，事件A将按预定的概率发生，而在一次试验中则几乎不可能发生(“小概率事件实际上不可能发生”）。 统计学中，常把概率小于0．05或0.01作为小概率。 如果计算的概率大于0.05或0.01，则认为不是小概率事件；H0的假设可能是正确的，应该接受，同时否定HA ； 反之，所计算的概率小于0.05或0.01，则否定H0，接受HA 。 通常把概率等于或小于0.05叫做差异显著标准，或差异显著水平(significance level) ；等于或小于0.01叫做差异极显著标准，或差异极显著水平。 一般差异达到显著水平，则在资料的右上方标以“*”，差异达到极显著水平，则在资料右上方标以“**”。 上例中，所计算的概率为0.1142，大于0.05的显著水平，应接受H0 ，可以推断治疗前后的血红蛋白含量未发现有显著差异，其差值10(mg·L-1)应归于误差所致。 在实际检验时，可将上述计算简化。由例3．10已知P(|u|＞1.96)＝0.05，P(|u|＞2.58)＝0.01，因此，在用u分布进行检验时，如果算得|u|＞1.96，就是在α＝0.05的水平上达到显著，如果|u|＞2.58，就是在α＝0.0l的水平上达到显著，即达到极显著水平，勿须再计算u值的概率。 样本频率、变异数以及多个平均数的假设检验，都应根据试验目的提出无效假设和备择假设。 提出无效假设的目的：可从假设的总体中推论其平均数的随机抽样分布，从而可以算出某一样本平均数指定值出现的概率，这样就可以根据样本与总体的关系，作为假设检验的理论依据。 综上所述，假设检验的步骤可概括为： (1)对样本所属总体提出无效假设H0和备择HA ； (2)确定检验的显著水平α； (3)在H0正确的前提下，根据抽样分布的统计数，进行假设检验的概率计算； (4)根据显著水平α的u值临界值，进行差异是否显著的推断。 三、双尾检验与单尾检验Two-tailed test and one-tailed test 进行假设检验时，需要提出无效假设和备择假设。提出的这种假设，其总体平均数μ可能大于μ0，也可能小于μ0。 在样本平均数的抽样分布中，对于α＝0.05时，落在区间(μ-1.96 ，μ+ 1.9