第四章假设测验.pptVIP

一、假设检验的基本思想 假设检验的基本思想： 经过抽样获取一组数据，即一个来自总体的(随机)样本，如果根据样本计算的某个统计量表明在假设成立的条件下几乎是不可能发生的，就拒绝或否定这个假设，如果不然，则接受这个假设。 成对数据和成组数据平均数比较的不同: (1)成对数据和成组数据平均数比较所依据的条件不同。 前者是假定各个配对的差数来自差数的分布为正态的总体,具有N(0， )；而每一配对的两个供试单位是彼此相关的。 后者则是假定两个样本皆来自具有共同(或不同)方差的正态总体，而两个样本的各个供试单位都是彼此独立的。 (2)在实践上，如将成对数据按成组数据的方法比较，容易使统计推断发生第二类错误，即不能鉴别应属显著的差异。故在应用时需严格区别。 二、两个样本平均数相比较的假设测验 Section 4.3 Significance Tests for Proportion 百分数的假设测验 测验某一样本百分数 所属总体百分数与某一理论值或期望值p0的差异显著性。 由于样本百分数的标准误 为： 故由 即可测验H0 : p=p0 。 一、单个样本百分数(成数)的假设测验 [例4] 以紫花和白花的大豆品种杂交，在F2代共得289株，其中紫花208株，白花81株。如果花色受一对等位基因控制，则根据遗传学原理，F2代紫花株与白花株的分离比率应为3∶1，即紫花理论百分数p=0.75，白花理论百分数q=1－p =0.25。问该试验结果是否符合一对等位基因的遗传规律？ 一、单个样本百分数(成数)的假设测验 因为实得|u|u0.05，故P0.05。 推断：接受H0: p=0.75，即大豆花色遗传是符合一对等位基因的遗传规律的，紫花植株百分数 =0.72和p=0.75的相差系随机误差。如果测验H0: p=0.25，结果完全一样。 假设大豆花色遗传符合一对等位基因的分离规律，紫花植株的百分数是75%，即H0: p=0.75；对HA: p≠0.75。 显著水平 0.05，作两尾测验, u0.05=1.96。 测验计算： 一、单个样本百分数(成数)的假设测验 测验两个样本百分数和所属总体百分数p1和p2的差异显著性. 设两个样本某种属性个体的观察百分数分别为 和 ，而两样本总体该种属性的个体百分数分别为p1和 p2，则两样本百分数的差数标准差 为： 即可对 H0 : p1 = p2 作出假设测验。 故由 二、两个样本百分数(成数)的假设测验 [例5] 调查低洼地小麦378株(n1)，其中有锈病株355株( x1)，锈病率93.92%( )；调查高坡地小麦396株(n2)，其中有锈病346株( x2)，锈病率87.31%( )。试测验两块麦田的锈病率有无显著差异？ 假设H0：两块麦田的总体锈病率无差别，即 H0 : p1 = p2 ；对 HA : p1 ≠ p2 。取 ，两尾测验，u0.05=1.96。 测验计算： 二、两个样本百分数(成数)的假设测验 实得|u|u0.05，故P0.05， 推断：否定H0 : p1 = p2 接受HA : p1 ≠ p2 ，即两块麦田的锈病率有显著差异。 二、两个样本百分数(成数)的假设测验 Section 4.4 Estimating Confidence Interval 区间估计 所谓参数的区间估计,是指在一定的概率保证之下,估计出一个范围或区间以能够覆盖参数。 这个区间称置信区间( confidence interval )，区间的上、下限称为置信限( confidence limit )，区间的长度称为置信距。 一般以L1和L2分别表示置信下限和上限。 保证该区间能覆盖参数的概率以P=(1－ )表示，称为置信系数或置信度。 一、什么是区间估计 并有 在总体方差 为未知时 置信区间为： 上式中的 为置信度P=(1－ )时 t 分布的 t 临界值。 二、单一总体平均数的置信区间 [例6] 例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。 由附表查得 v =