显著性差异重点.ppt

显著性检验 刘上元 2015年10月8日 2 01 02 03 04 含义 原理 技术标准 常用检验 CONTENT 03 01 PART ONE 含义 显著性检验 significancetest 05 即用于实验处理组与对照组或两种不同处理的效应之间是否有差异，以及这种差异是否显著的方法。 就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设（原假设）是否合理，即判断总体的真实情况与原假设是否有显著性差异。 02 原理 PART TWO 2.原理 显著性检验是针对我们对总体所做的假设做检验，其原理就是“小概率事件实际不可能性原理”来接受或否定假设。 抽样实验会产生抽样误差，对实验资料进行比较分析时，不能仅凭两个结果（平均数或率）的不同就作出结论，而是要进行统计学分析，鉴别出两者差异是抽样误差引起的，还是由特定的实验处理引起的。 小概率事件 抽样误差 实验处理 实际不可能性 7 原理 提出“无效假设”和检验“无效假设”成立的机率 （P）水平的选择。 significancetest 08 *无效假设 经统计学分析后，如发现两组间差异是抽样引起的，则“无效假设”成立，可认为这种差异为不显著（即实验处理无效）。 若两组间差异不是由抽样引起的，则“无效假设”不成立，可认为这种差异是显著的（即实验处理有效）。 原理 significancetest 09 *“无效假设”成立的机率水平 检验“无效假设”成立的机率水平一般定为5%，其含义是将同一实验重复100次，两者结果间的差异有5次以上是由抽样误差造成的，则“无效假设”成立，可认为两组间的差异为不显著，常记为p0.05。 若两者结果间的差异5次以下是由抽样误差造成的，则“无效假设”不成立，可认为两组间的差异为显著，常记为p≤0.05。如果p≤0.01，则认为两组间的差异为非常显著。 03 技术标准 PART THREE 技术标准 significancetest 11 常把一个要检验的假设记作0,称为原假设（或零假设） (null hypothesis) ，与0对立的假设记作1，称为备择假设(alternative hypothesis) 。 ⑴ 在原假设为真时，决定放弃原假设，称为第一类错误，其出现的概率通常记作α； ⑵ 在原假设不真时，决定接受原假设，称为第二类错误，其出现的概率通常记作β。 技术标准 significancetest 12 通常只限定犯第一类错误的最大概率α， 不考虑犯第二类错误的概率β。这样的假设 检验又称为显著性检验，概率α称为显著性水平。 最常用的α值为0.01、0.05、0.10等。一般情况下，根据研究的问题，如果放弃真假设损失大，为减少这类错误，α取值小些 ，反之，α取值大些。 13 3.技术标准 原假设 备假设 α β 如果我们是检验某实验（Hypothesis Test）中测得的数据，那么当数据之间具备了显著性差异，实验的 虚无假设（Null Hypothesis）就可被推翻， 对立假设（Alternative Hypothesis）得到支持； 反之若数据之间不具备显著性差异，则实验的备则假设可以被推翻，虚无假设得到支持。 通常情况下，实验结果达到0.05水平或0.01水平，才可以说数据之间具备了差异显著或是极显著。在作结论时，应确实描述方向性。 14 15 毕业设计第二次汇报，段公子，西北工业大学航空学院 sig值达到0.05水平或0.01水平 虚无假设为真，被推翻 对立假设得到支持 P0.05 不显著 实验结果 NULL P0.05 不显著 0.01P0.05 表示差异性显著； P0.01表示差异性极显著。 17 04 常用检验 PART FOUR 4.常用检验 适用于计量资料、正态分布、方差具有齐性的两组间小样本比较。包括配对资料间、样本与均数间、两样本均数间比较三种，三者的计算公式不能混淆。（处理时不用判断分布类型就可以使用t检验） t检验 17 应用条件与t检验大致相同，但t′检验用于两组间方差不齐时，t′检验的计算公式实际上是方差不齐时t检验的校正公式。 t检验 应用条件与t检验基本一致，只是当大样本时用U检验，而小样本时则用t检验，t检验可以代替U检验。 U检验 4.常用检验 用于正态分布、方差齐性的多组间计量比较。常见的有单因素分组的多样本均数比较及双因素分组的多个样本均数的比较，方差分析首先是比较各组间总的差异，如总差异有显著性，再进行组间的两两比较，组间比较用q检验或LST检验等。 方差分析 18 是计数资料主要的显著性检验方法。用于两个或多个百分比(率)的比较。常见以下几种情况：四格表资料、配对资料、多于2行*2列资料及组内分组X2检验。 X2