农学第五章统计假设测验总汇.ppt

上章主要讨论了从总体到样本的关系，本章将讨论逆命题—从样本到总体的问题，即统计推断问题。 统计假设测验又叫显著性测验，是统计学中的一个重要内容。统计假设测验的方法很多，常用的有u测验、t测验和 测验等。 第一节 统计假设测验的基本原理 统计假设测验的意义 统计假设测验的步骤 两类错误 两尾测验与一尾测验 一、统计假设测验的意义 例如，根据国家标准，大豆籽粒蛋白质含量高于45%的品种为高蛋白品种。某种子公司对一大豆新品种随机抽取5个样品进行测定，得平均蛋白质含量为46.5%。我们能否据此认为该大豆品种就是高蛋白品种？ 专家组将攻关片所有田块进行编号，随机抽取了2号、5号、8号共3块示范田。经实打实收后，3块示范田的亩产分别为901.1公斤、938.2公斤、940.5公斤，百亩片平均亩产为926.6公斤。 假设测验的意义 统计假设测验的目的在于判明，试验的表面差异主要是试验的真实差异造成的，还是试验误差造成的，从而得到可靠的结论。 如何判断造成这种差异的原因？ 权衡的尺度如何掌握呢？ 只要设定一概率标准，表面效应属于误差的概率不大于这一标准，便可推论表面效应不大可能属误差所致，而是新品种优越。 统计假设检验的基本原理 小概率事件不可能发生原理 小概率事件在一次试验中几乎不会发生 如果某事件在一次试验中发生了，我们可认为它不是一个小概率事件 如果在某个假设下应当是小概率的事件在一次试验中发生了，可认为该假设不能成立 统计假设测验的基本思想 统计假设测验： 根据某种实际需要，对未知的或不完全知道的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，做出在一定概率意义上应当接受哪种假设的测验。 从正态总体抽取的样本，无论样本容量多大，其样本平均数 的抽样分布必成正态分布，具有： 在总体方差σ2 已知时，可以直接计算： t 分布 当样本容量不太大(n30)而 σ2 为未知时，如以样本均方s2 估计 σ2 ，则其标准化离差 的分布不呈正态，而作 t 分布，具有自由度DF=n-1。 单个样本平均数的假设测验 测验某一样本 所属总体平均数是否和某一指定的总体平均数相同。 u测验 适用范围： 1. 总体方差已知 2. 总体方差未知，但样本容量很大 t测验 适用范围：总体方差未知，而样本容量又很小 测验步骤如下： （1）提出假设： H0：μ= μ0= 300㎏，即新品种的产量与原当地品种的产量相等； 对HA： μ≠ μ0 ，即新品种的产量与原当地品种的产量不相等。 田忌赛马 [例5.2] 据以往资料，已知某小麦品种每平方米产量的 ，今在该品种的一块地上用A、B两法取样，Ａ法取12个样点，得每平方米产量 =1.2(kg)；B法取8个样点，得 =1.4(kg)。试比较A、B两法的每平方米产量是否有显著差异？ [例5.3] 调查某农场每亩30万苗和35万苗的稻田各5块，得亩产量(单位：kg)于表5.2，试测验两种密度亩产量的差异显著性。 [例5.4] 研究矮壮素使玉米矮化的效果，在抽穗期测定喷矮壮素小区8株、对照区玉米9株，其株高结果如表5.3。试作假设测验。 [例5.5] 测定冬小麦品种东方红3号的蛋白质含量(%)10次，得 =14.3， =1.621；测定农大139号的蛋白质含量5次，得 =11.7， =0.135。试测验两品种蛋白质含量的差异显著性。 于是得到在置信度P=(1-α)时，对μ的置信区间为： 由于对应于(1-α )置信度的临界值uα或t α皆随置信度的增大而 ， 因而以(1- α)估计总体参数的置信区间时，取大的置信度，必然置信区间 ，而其估计的准确度也就 。 如欲使置信度大，同时也使估计准确度较大，则必须 或 。 二、 总体平均数μ的置信限 （一）在总体方差σ2为已知，或总体方差未知但为大样本时 [例5.13] 某棉花株行圃36个单行的皮棉平均产量为 kg，已知 =0.3kg，求99%置信度下该株行圃单行皮棉产量 的置信区间。 （二）、在总体方差σ2为未知时 [例5.14] 例5.1已算得某春小麦良种在8个小区的千粒重平均数 ， 。试估计在置信度为95%时该品种的千粒重范围。 三、两总体平