第4章 统推断.pptVIP

第四章 统计推断 假设检验 （ test of hypothesis） 参数估计（parametric estimation） 第一节 显著性检验的基本原理 一、显著性检验的意义 随机抽测10头长白猪和10头大白猪经产母猪的产仔数，资料如下： 长白：11，11，9，12，10，13，13，8，10，13 大白： 8， 11，12，10，9， 8 ，8， 9，10，7 经计算，长白:平均数 =11头，标准差S1=1.76头； 大白:平均数 =9.2头， 标准差S2=1.549头。 一是品种造成的差异，即长白猪与大白猪本质不同所致； 另一可能是试验误差（或抽样误差）。 二、显著性检验的基本步骤 （一）提出假设 无效假设H0 备择假设HA “无效”指处理效应与总体参数之间没有真实的差异，试验结果中的差异由误差所致。 H0 和HA是对立事件。 H0： 即用克矽平治疗后患者血红蛋白含量与治疗前血红蛋白含量相同. HA： 对一个样本平均数的假设 对两个样本平均数的假设 （二）确定显著水平 确定一个否定H0的概率标准，记作ɑ。 ɑ是人为规定的小概率界限，常取0.05和0.01。 （三）计算概率 在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， U检验 总体方差已知 总体方差未知，但n30 （四）推断是否接受假设 若P0.05，H0成立，差异不显著 若P0.05，HA成立，差异显著 P值是在假设的条件下事件H0出现的可能性，即在假设条件下的n次独立重复试验中，事件H0将按预定的概率发生。 综上所述，显著性检验，从提出无效假设与备择假设到根据小概率事件实际不可能性原理来否定或接受无效假设，其基本步骤如下： 1、对样本所属总体提出无效假设H0和备择假设HA ； 2、确定检验的显著水平ɑ； 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ɑ的U或t值临界值进行差异是否显著的推断 三、显著水平与两种类型的错误 在统计推断时可能犯两类错误： Ⅰ型错误：H0成立，却否定了它，犯了“弃真”错误。把非真实差异错判为真实差异，即 为真，却接受 。 Ⅱ型错误：H0不成立，却接受了它，犯了“纳伪”错误。把真实差异错判为非真实差异，即 为真，却未能否定 。 表4-1 两类错误的关系 四、双侧检验与单侧检验 检验目的不同（HA不同）： ɑ的否定域不同 如:采用某种新的配套技术措施以期提高鸡的产蛋 量，已知此种配套技术的实施不会降低产蛋量。 若进行新技术与常规技术的比较试验，则无效假设应为 ，即假设新技术与常规技术产蛋量是相同的 ，备择假设应 ，即新配套技术的实施使产蛋量有所提高。 检验的目的在于推断实施新技术是否提高了产蛋量，这时H0的否定域在t分布曲线的右尾。在α水平上否定域为 ,右侧的概率为α。 这种利用一尾概率进行的检验叫单侧检验也叫单尾检验。此时tα为单侧检验的临界t值。显然，单侧检验的tα=双侧检验的t2ɑ。 若在α水平上单侧检验显著，只相当于双侧检验在2α水平上显著。所以，同一资料双侧检验与单侧检验所得的结论不一定相同。 双侧检验显著，单侧检验一定显著；但单侧检验显著，双侧检验未必显著。 1 选用的显著性检验方法应符合其应用条件 由于研究变量的类型、问题的性质、条件、试验设计方法、样本大小等的不同，所用的显著性检验方法也不同，因而在选用检验方法时，应认真考虑其适用条件。 2 合理建立统计假设 ，正确计算检验统计量 确定单尾检验还是双尾检验 选用正确的统计量，U检验或t检验 3 正确理解差异显著或极显著的统计意义 结论中的“差异显著”或“差异极显著”不要误解为相差很大或非常大，也不能认为在专业上一定就有重要或很重要的价值。 “显著”或“极显著”指表面上如此差别的不同样本来自同一总体的可能性小于0.05或0.01，已达到了可以认为它们有实质性差异的显著水平。 有些试验结果虽然差别大，但由于试验误差大，也许还不能得出“差异显著”的结论，而有些试验的结果间的差异虽小，但由于试验误差小，反而可能推断为“差异显著”