4.1 统计假设检验.pptVIP

食 品 试 验 设 计 赵胜娟 zshj-114@163.com 河南科技大学食品与生物工程学院 第三章 统计假设检验 §1 统计假设检验(显著性检验)概述 1.1 统计假设检验的意义 Question: 表面上看，新曲种醋酸含量与原生产标准的总体平均数有2.24%的差异（称为试验的表面效应），能否说明采用新曲种后醋酸含量有所改变？ ⑴ 如果处理效应不存在，则表面效应仅由误差造成。此时说明采用新曲种酿造的醋的醋酸含量与原曲种无显著差异. ⑵ 在无效假设H0成立的前提下，构造合适的统计量，并由该统计量的抽样分布计算样本统计量的概率。 在试验研究中常用的显著水平有0.05和0.01两个。还有0.001,0.10,0.20,0.25等。 第一类错误（Ⅰ型）： 又称α错误。 要使犯第一类错误的概率小一些，可将显著水平α定得小一点。 第二类错误（Ⅱ型）：又称β错误。 β的大小通常难以确切估计，但与一些因素有关。一般与显著水平α、原总体的标准差σ、样本含量n、 以及相互比较的两样本所属总体平均数之差μ1-μ2等因素有关。样本含量及 μ1-μ2越大、均数标准误σ越小， β值越小。 α错误与β错误的互变关系： 在其它因素确定时，α值越小，β值越大；反之，α值越大， β值越小。 由于 值的大小与α值的大小有关，所以在选用检验的显著水平时应考虑到犯Ⅰ、Ⅱ型错误所产生后果严重性的大小，还应考虑到试验的难易及试验结果的重要程度。 在提高显著水平，即减小α值时，为了减小犯Ⅱ型错误的概率，往往通过严密的试验设计、严格的试验操作和增大样本容量n来降低均数标准误，从而降低 。 【例3-3】用山楂加工果冻，传统工艺平均每100g山楂出果冻500g。现采用一种新工艺进行加工，测定了16次，得知每100g山楂出果冻平均数 =520g，标准差S=12g。问新工艺每100g山楂出果冻量与传统工艺有无显著差异? (单尾还是双尾？) 本 节 小 结 1.1 统计假设检验的意义 1.2 统计假设检验的原理（理解） 1.3 统计假设检验的步骤（掌握） 1.4 统计假设检验的两类错误 1.5 双尾检验和单尾检验 Answer: 统计学认为，仅由表面效应下结论是不可靠的。 ？ 处理效应 （曲种更换） 表面效应 （醋酸含量2.24%的差异） 试验误差 （抽样误差） 不可避免 由此可见，解决问题的关键是判断处理效应是否存在。 ⑵ 如果处理效应存在，则表面效应不仅由误差造成，更主要由处理效应造成。此时说明采用新曲种酿造的醋的醋酸含量与原曲种不同。 1.2 统计假设检验的基本原理 首先假设该表面效应是由误差引起，在此假设下构造合适的统计量，并由该统计量的抽样分布来估计样本统计量的概率，根据概率值的大小做出接受或否定假设的推断。 ⑴ 对研究总体提出假设 无效假设（null hypothesis） 假设被检验的两个总体均值相等。 内容与H0相对立。 备择假设（alternative hypothesis） H0: μ=μ0=9.75%，即假设由新曲种酿造的醋的醋酸含量与原生产标准条件下的醋酸含量相等。 HA: μ≠μ0=9.75%，即两种曲种酿出的醋的醋酸含量总体均值不相等。其含义表明试验的处理效应存在。 当无效假设H0成立时，表明试验表面效应纯属试验误差引起，处理效应不存在。此时，也可把试验中获得的样本看作是从μ0总体中随机抽取的，该样本平均数的分布则呈正态分布N(μ0 ， ) 。 求出U值后，根据标准正态分布表估计出其对应概率值P。 ～ N（0，1） 对前例，计算统计量u值 由正态分布双侧分位数（uа）可知 即 本试验的表面效应 ＝0.0224完全由试验误差造成的概率在0.01-0.05之间。 0.01 0.05 本例计算出的统计量u＝2.315，1.96 2.58，所以可推知其概率 ⑶ 根据估计出的样本统计量的概率值的大小，做出接受或否定无效假设的推断。 如果估计出的统计量的概率非常小，说明无效假设H0认为的表面效应纯属误差造成的情况为小概率事件。根据小概率事件实际不可能性原理应否定H0。 如果估计出来的概率不很小，说明表面效应纯属误差造成的情况有较大可能出现，此时的无效假设H0很可能是正确的，则不能被否定。 统计学上把决定接受或否定H0的小概率标准叫显著水平。常用α来表示。 p≤0.01，差异极显著，拒绝H0 p＞0.05，差异不显著，接受H0 0.01＜p≤0.05，差异显著，拒绝