田间试验与统计分析第四章假设测验和区间估计.pptVIP

第四章 假设测验和区间估计 第一节　统计假设测验的基本原理 第二节　平均数的假设测验 第三节　百分数资料的假设测验 学习要求 理解统计假设测验的基本原理 掌握统计假设测验的基本步骤 掌握平均数、百分数资料假设测验的方法 了解参数区间估计的原理和方法 第一节 统计假设测验的基本原理 由一个样本或一系列样本所得的结果去推断总体，即统计推断。 统计推断的基本理论依据是小概率事件实际不可能性原理和样本统计数的抽样分布律。 统计推断包括假设测验和参数估计两个方面。 统计推断的过程 统计假设测验：根据试验目的对试验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，作出在概率意义上应接受哪种假设的推断。由于此种测验法首先对总体提出假设，所以称为统计假设测验。 判断某一假设是否成立的统计假设测验又叫显著性测验。 显著性测验方法常用的有u测验、t测验、F测验和X2测验等 意义：区分随机误差和真实差异。 参数估计：是指由样本结果对总体参数作出点估计或区间估计。 统计假设测验步骤p75-77 1.提出假设 2.规定显著水平 3.计算概率 4.统计推断 基本概念 一尾测验与两尾测验的推理方法是相同的，只是在具体测验时，一尾测验的显著水平α取0.05时，其临界值就是两尾测验α取0.1所对应的临界值。因此，一尾测验比两尾测验更容易否定H0。如当α 0.05时，两尾测验临界的 1.96，而一尾测验 1.645。 第二节 平均数的假设测验 （一）单个样本平均数的假设测验 （二）两个样本平均数相比较的假设测验 （一）单个样本平均数的假设测验 测验某一样本平均数与已知总体平均数间的差异是否显著 步骤： 第一步：提出假设，规定显著水平 第二步：计算样本平均数标准差和u值/t值 第三步：推断 分为总体方差σ2已知或未知两种情况： （1）总体方差σ2已知或σ2未知但样本容量相当大时，用u测验： （2）σ2未知且为小样本 n﹤30 ，用t测验： t测验： 总体平均数的区间估计p92 参数估计：用样本统计数来估计总体参数，有点估计和区间估计 。 将样本统计数直接作为总体相应参数的估计值叫点估计 。 区间估计是在一定概率保证下给出总体参数的可能范围，所给出的可能范围叫置信区间，给出的概率保证称为置信度或置信概率，以P （1-α）表示 。 总体方差已知或大样本资料总体平均数的区间估计 例１： 由长期的经验和资料分析，某苗圃的某种苗高服从正态分布，且σ2 8.3。现从该批苗木中随机抽得20株，并算得这20 株苗木的平均株高为58.2cm，问该批苗木的平均高可否认为已达到60cm的标准要求？ 例2： 某一棉花品种的纤维长度平均为29.8mm，现从一棉花新品系中以n 100抽样，测得其纤维平均长度 30.1mm，标准差s 1.5mm，问此结果可否认为这一新品系的纤维长度不同于原棉花品种? 例3： 林场内造了一块杨树丰产林，5年后调查其树高，从中重复抽得50株，得平均高为10.8m，s 2.2m，问:是否可以认为该丰产林的平均树高 （1）与10 米无显著差异？ （2）有超过10米的可能性？ （3 试用95%的可靠度估计杨树林的总体平均株高。 例4： 作杨树育苗试验，经过一定生长阶段后，从株距为20cm的苗木中随机抽取了12 株，苗高数据为：221，244，240，243，288，233，226，210，258，245，264，200（cm）。问能否认为该批杨树苗高达到了240 cm的标准？ 239.3cm s 24.035cm 例5： 为防治某种害虫而将666粉施入土中，规定经三年后土壤中如有5ppm以上浓度时，认为有残效。现在施药区内分别抽取10个土样进行分析，测得浓度分别为4.8、3.2、2.6、6.0、5.4、7.6、2.1、3.1、 3.5 ppm 。问666经三年后在该地是否有残效？ 4.08 s 1.7956 （二）两个样本平均数相比较的假设测验 测验两个样本平均数所属的总体平均数是否有显著差异 分为：成组数据的平均数比较、成对数据的平均数比较 两个样本的各个观察值是从各自总体中抽取的，两个样本是彼此独立的。这种情况下，无论两样本的容量是否相同，所得数据皆称为成组数据。 试验设计时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，则所得观察值为成对数据。 （1）成组数据的平均数比较 ①　两个样本的总体方差已知或大样本，用u 测验。 ②　两个样本的总体方差未知，但可假设σ12 ＝ σ22＝σ2 ，且两个样本为小样本时，用t 测验。 ③　两个样本的总体方差未知，但不能假设σ12 ＝σ22 ，用近似t 测验。 总体方差已知或大样本的两样本平均数差