实验数据处理与第四章探究.ppt

[例1]某一酿造厂新引进一种酿醋曲种，以原曲种为对照进行试验。已知原曲种酿出的食醋醋酸含量平均为9.75％，其标准差为5.30％。现采用新曲种酿醋，得到30个醋样，测得其醋酸含量平均为11.99％。问新曲种和原曲种有无差异？ [例3]：意大利对进口谷物六六六(丙怀)农药残留限量为0.5mg/kg，现我国某地区出口大米抽样检验所得10个试样的检验结果，0.51、0.48、0.43、0.56、0.53、0.52、0.49、0.51、0.50、0.47，问能否放行？ 第四章 统计假设检验 本章主要内容 统计假设检验概述 样本平均数的假设检验 二项百分率的假设检验 统计假设检验中应注意的问题 参数的区间估计 从试验的表面效应与试验误差的权衡比较中间接地推断处理效应是否存在，这就是显著性检验的基本思想。 [例1]某一酿造厂新引进一种酿醋曲种，以原曲种为对照进行试验。已知原曲种酿出的食醋醋酸含量平均为9.75％，其标准差为5.30％。现采用新曲种酿醋，得到30个醋样，测得其醋酸含量平均为11.99％。问新曲种是否好于原曲种？ 显著水平 在统计假设检验中，否定或接受无效假设的依据是“小概率事件实际不可能性原理”。用来确定否定或接受无效假设的概率标准 叫显著水平（significance level），记作α。 在试验研究中常取α=0.05或α=0.01。 假设检验时选用的显著水平，除α=0.05和0.01为常用外，也可选α= 0.10或α=0.001等等。到底选哪种显著水平，应根据试验的要求或试验结论的重要性而定。 因为在显著性检验中，否定或接受无效假设的依据是“小概率事件实际不可能性原理”，所以我们下的结论不可能有百分之百的把握。 显著性检验可能出现两种类型的错误： 　Ⅱ型错误又称为　错误，就是把真实的差异错判为是非真实的差异，即实际上HA正确，检验结果却未能否定H0。 犯Ⅱ类型错误的可能性记为　，一般是随着　　　的减小或试验误差的增大而增大，所以　　　越小或试验误差越大，就越容易将试验的真实差异错判为试验误差。 显著性检验的两类错误归纳如下： 　　因而，不能仅凭统计推断就简单地作出绝对肯定或绝对否定的结论。 “有很大的可靠性，但有一定的错误率” 这是统计推断的基本特点。 某罐头厂生产肉类罐头，其自动装罐机在正常工作时每罐净重服从正态分布N（500，64）（单位，g）。某日随机抽查10瓶罐头，得净重为：505，512，497，493，508，515，502，495，490，510。问装罐机当日工作是否正常？ 为了降低犯两类错误的概率，一般从选取适当的显著水平　和增加试验重复次数　来考虑。因为选取数值小的显著水平　值可以降低犯Ⅰ类型错误的概率，但与此同时也增大了犯Ⅱ型错误的概率，所以显著水平　值的选用要同时考虑到犯两类错误的概率的大小。 某罐头厂生产肉类罐头，其自动装罐机在正常工作时每罐净重服从正态分布N（500，64）（单位，g）。某日随机抽查10瓶罐头，得净重为：505，512，497，493，508，515，502，495，490，510。问装罐机当日工作是否正常？ 这样，在α水平上否定域有两个 和 ，对称地分配在u分布曲线的两侧尾部，每侧的概率为α/2，如图4-3所示。这种利用两尾概率进行的检验叫 双侧检验（two-sided test），也叫双尾检验（two-tailed test）， 为双侧检验的临界u值。 如酿醋厂的企业标准规定，曲种酿造醋的醋酸含量应保持在12％以上（μ0），如果进行抽样检验，样本平均数 ， 该批醋为合格产品，但如果 时，可能是一批不合格产品。对这样的问题，我们关心的是 所在总体平均数μ是否小于已知总体平均数数μ0（即产品是否不合格）。此时，无效假设应为 （产品合格），备择假设则应为HA： （产品不合格） 。这样，只有一个否定域，并且位于分布曲线的左尾，为左尾检验，如图4-3B所示，左侧的概率为α 。 利用一尾概率进行的检验叫单侧检验（one-sided test），也叫单尾检验（one-tailed test）。此时uα为单侧检验的临界u值。 单侧检验的uα=双侧检验的u2α。 在食品分析中，常遇到两个平均值的比较问题，如测定平均值和已知值的比较，不同分析人员，不同实验室，或不同分析方法测定的平均值的比较，对比性试验研究等。这些问题都属于显著性检验问题。