培训课件--章 t检验.pptVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
* 例7-4 两组小白鼠分别饲以高蛋白和低蛋白饲料,4周后记录小白鼠体重增加量(g)如表7-3所示,问两组动物体重增加量的均数是否相等? * H0:?12=?22,即高蛋白与低蛋白饲料喂养后小白鼠体重增加量的总体方差相同; H1:?12≠?22,即高蛋白与低蛋白饲料喂养后小白鼠体重增加量的总体方差不同; ?=0.05。 计算检验统计量,对表的数据计算可得: * 按公式计算 确定P值,作出统计推论。查附表3的F界值表, F0.05(11,12) = 3.34 ,F F0.05(11,12) ,P 0.05,认为两组体重增加量的总体方差不等。 * 二、 检验   当两总体方差不等(方差不齐)时,两独立样本均数的比较,可采用 检验,主要有Satterthwaite法近似t检验、Welch法近似t检验和Cochran Cox法近似t检验。其中Cochran Cox法是对临界值校正 ;而Satterthwaite法和Welch法是对自由度进行校正。 * 检验的统计量的计算公式为 Cochran Cox法校正临界值 的公式为 式中 , t’-test * Satterthwaite法是统计软件中普遍使用的方法,其自由度校正公式为 根据自由度查t界值表,作出推断结论。 t’-test * 对例7-4资料进行检验 H0:?1??2,即两种饲料小白鼠增重总体均数相同; H1:?1??2,即两种饲料小白鼠增重总体均数不相同; ??0.05 两总体方差不同,应选用t’ 检验 t’-test * 确定P值,作出推断结论 按Satterthwaite法计算校正自由度,得 查t界值表得t0.05,12=2.179, t t0.05,12, P 0.05 ,差异有统计学意义,可认为两种饲料饲养后小白鼠增重的均数不同。 t’-test * 按Cochran Cox法计算校正界值,先查t界值表 得t0.05,11=2.201,t0.05,12=2.179,再按公式计算 , P 0.05,结论同前。 t’-test * 第六节 t 检验中的注意事项 1.假设检验结论正确的前提 作假设检验用的样本资料,必须能代表相应的总体,同时各对比组具有良好的组间均衡性,才能得出有意义的统计结论和有价值的专业结论。 2.检验方法的选用及其适用条件 应根据分析目的、研究设计、资料类型、样本量大小等选用适当的检验方法。 * 3、单侧检验和双侧检验 需根据研究目的和专业知识来选择。 * 4、检验结论不能绝对化 假设检验统计结论的正确性是以概率作保证的,作统计结论时不能绝对化。 P≤?, 差异有统计学意义, 这种差异不太可能是偶然的。 statistically significant; If the data are not consistent with the null hypothesis, the difference is said to be statistically significant. P?, 差异无统计学意义,这种差异不排除偶然性。 No statistical significance. 统计的立场是中性的 * 5、正确理解P值的统计意义 P值是指在H0成立的前提下,重复抽样,所观察到的等于或大于现有统计量值的概率。 P值的含义:拒绝H0接受H1时所冒的风险;如果P值越小,则表明拒绝拒绝H0所冒的风险越小,那么研究者就越愿意做这样的结论。P值越小,并不是说明两个总体间的差别越大。 只是表明越有理由拒绝H0接受H1,而不是表明差别越大; P值在0.05附近时要慎下结论; * 6、假设检验和可信区间的关系 假设检验:样本是否来自于同一总体? 可信区间:总体参数在哪里? 在相同的α之下,若假设检验拒绝H0(p= α),那么可信度为(1- α)的可信区间必然不包括总体参数; 反之成立。 可信区间和假设检验是对同一问题所作的不同结论,效果等价。 * 第七节 假设检验中的两类错误 假设检验的核心是推断H0: 当H0是真实的,拒绝H0就是错误的; 当H0是不真实的,不拒绝H0则是错误的。 * (1)H0成立,但由于样本的随机性,拒绝了原本正确的H0所犯的错误称第一类错误或Ⅰ型错误或拒真错误。犯第一类错误的概率记作α(0.05) (漏诊) (2)H0不成立,但由于样本的随机性,不拒绝原本错误的H0所犯的错误称第二类错误或Ⅱ型错误或受伪错误。犯第二类错误的概率记作β (误诊) I 型错误和 II 型错误 * ?0 I 型错误和 II 型错误图示 界

文档评论(0)

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档