第三节 样本频率的假设检验..pptx

第三节 假设检验 在生物学试验和研究中，当进行检验一种试验方法的效果、一个品种的优劣、一种药品的疗效等试验时，所得的试验数据往往存在着一定的差异，这种差异是由随机误差引起的，还是由试验处理的效应所造成的呢？例如：同一种饲养条件下，饲养肉鸡各20只，饲料分别为A\B；在二月龄测得的平均体重分别为1.5kg和1.4kg，差值0.1kg的产生是由A\B处理的效应产生的还是由随机误差造成的？ 必须通过概率计算，采用假设检验的方法，才能做出正确的判断。假设检验（Hypothesis）概念：又称为显著性检验，就是根据总体的理论分布和小概率原理，对未知的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，做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事件发生，则拒绝假设；如果抽样结果没有使小概率事件发生，则接受假设。 生物统计学里，一般认为等于或小于0.05或0.01的概率为小概率。假设检验的基本原理：某种猪场场长对客户称该猪场种猪在100kg体重时的平均背膘厚为9mm，场长的态度导致4种可能：诚实 确实为9mm不知道 估计值，低于或高于9mm谨慎 保守说法，实际低于9mm，吹牛 夸大说法，实际高于9mm，假设检验（Hypothesis）第一种假设分别与第二、三、四种假设是对立的，即有三对对立的假设，对假设进行判断，就要进行假设检验假设检验（Hypothesis）如何进行检验：总体均数样本平均数推断随机抽样总体样本例如：假设我们从某种猪场随机抽取了10头猪，其平均背膘厚为8.7mm，已知该猪场100kg体重时的平均背膘厚服从N（9，2.52），试问该场长宣称的9mm是否可信？假设检验的基本步骤1、提出假设（成对的） H0：无效假设、原假设或零假设，被直接检验的假设，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。 否定或接受（null hypothesis） HA：备择假设，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。 一旦否定原假设就接受备择假设。 （alternative hypothesis）假设检验的基本步骤2、构造并计算检验统计量（test statistic） 利用原假设所提供的信息，而且其抽样分布已知-1.961.96假设检验的基本步骤3、确定显著水平，确定否定域（临界值） 根据小概率事件原理，比较检验统计量和临界值的关系，确定其落在否定域还是接收域。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 a 。a 是人为规定的小概率界限生物统计学中常取 a = 0·05 和 a = 0·01 两个显著水平。接受区域 95%否定区域 2.5%否定区域 2.5%02.58-2.58假设检验的基本步骤4、对假设进行统计推断 推断是否接受假设的原理：小概率原理 一般来说，一个小概率事件在一次观测中是不应出现的，而现在它竟然出现了，一个合理的解释就是它实际上不是一个小概率事件，我们把它当作一个小概率事件是因为我们的统计假设不对，因此所算出来的它出现的概率也不对。在这种情况下，我们就应拒绝统计假设。 统计学中，常把概率小于 0.05 或 0.01 作为小概率。 所以根据小概率原理作出是否接受 H0 。 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H0 ，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 。 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； 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- 3.16，小于 0.05 的显著水平，应接受H。，可以推断有显著差异，其差值 0.3不是误差所致。 假设检验的基本步骤4、对假设进行统计推断 显著水平：0.01；0.05 （1）差异不显著：接受原假设 （2）差异显著：在 0.05 水平下，否定原假设， 接受备择假设 （3）差异极显著：在 0.01 水平下，否定原假 设，接受备择假设结论：否定原假设，接受备择假设在实际检验时，可将上述计算简化:已知P（︱u︱＞1．96）= 0·05 P（ ︱u︱ ＞2．58）= 0.01u分布进行检验时if︱u︱＞1.96，在 a = 0.05 的水平上达到显著if ︱u︱＞2.58，在 a= 0.01 的水平上达到极显著水平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