T检验与非参数检验.docxVIP

4. T检验与非参数检验 4.1常用统计概念简介 ? 4.1.1 常用统计概念 ? 4.1.2概率、概率分布 4.1.3 二项分布 4.1.4 泊松分布 4.1.5 正态分布 正态概率分布有以下重要特征：（见图4-2） （1）正态分布是对称分布，对称轴是x=μ。 （2）当x=μ时，正态概率密度最大。 （3）正态分布的图形由μ和σ决定。 （4）当σ为定值时，μ的变化引起正态概率密度曲线在横轴上平行移动。 （5）当μ为定值时，σ的变化将引起正态概率密度曲线的形状变得尖峭或偏平。 注：正态曲线1的μ=2.4，σ=0.8； 正态曲线2的μ=3.4，σ=0.8； 正态曲线3的μ=3.4，σ=1.2。 正态分布与二项分布的主要区别： 正态分布是连续的，而二项分布是离散的。象所有连续随机变量一样，正态随机变量任意一个确定值的概率为0，非0概率只有在确定区间内才能得到。 二项分布与正态分布存在渐近关系。二项分布的参数是n和p。则概率P(aXb)可以被正态分布N(np，npq)曲线下从(a-1/2)到(b+1/2)的面积所近似。这一规则隐含有：当a=b时，二项概率P(X=a)可以用正态曲线下的从(a-1/2)到(b+1/2)间的面积近似。唯一例外的是P（X=0）及P（X=n）分别被正态曲线下1/2左边的面积及n-1/2右边的面积所近似。 二项分布对正态分布的近似有一个很重要的统计定理的特例，称为中心极限定理。 4.1.6 极限定理 4.1.7 样本平均数的分布 4.1.8 t分布 4.1.9 分布 图4-4 不同自由度的χ2分布曲线 4.1.10 F分布 4.2 统计检验的基本原理与方法 ? 4.2.1 假设检验的基本概念 1．问题的提出 2．假设检验的步骤 一个完整的假设检验过程，通常包括以下四个步骤： 1）提出原假设（Null Hypothesis）和备择假设（Alternative Hypothesis）； 2）确定适当的检验统计量并计算检验统计量的值； 3）规定显著性水平α； 4）做出统计决策。 4． p值的进一步说明 5．实际显著性 性和常识进行综合考虑，作出最后的判断。 6．关于实际显著性和统计显著性的重要一点 7. 参数方法与非参数方法 4.2.2 样本平均数的检验——u检验与t检验 SAS程序 Ttest4_1.sas 查看t检验输出结果和方法： t检验时SAS系统输出是按照①②③顺序，进行结论分析应按照③②①倒序查看。先看③，判断数据是否来自同一方差总体，如果PrF的值大于0.05，说明来自同一方差总体，可以使用t检验方法进行分析，否则应采用非参数检验。然后看②中的Equal一行，判断两组均值是否相等，如果不等且PrF值小于0.05，说明两组均值有显著差异，否则无差异。然后查看①中Mean列，根据专业知识及两组均值的大小，判断是大的好还是小的好。 例4.2 将20个样本随机分为两组，分别用两种培养基进行培养试验，测得有效成份如下，问两组的平均值有无差别。 treat1：a培养基（11）10，20，40，40，40，80，80，160，160，160，320 treat2：b培养基（9人）10，10，10，20，20，20，20，40，40 Ho： 两组均值相等μ1=μ2 ，Ha： 两组均值不等μ1≠μ2 ，显著水平α=0.05 。 由于数据面倍数关系，所以先将两组数据分别取对数，以对数作为新变量进行比较。 用变换后的数据再代入以上公式计算t值。 SAS程序Ttest4_2.sas 4.2.3 双尾检验与单尾检验 4.2.4 非参数检验 1． Χ2 检验 2．符号检验 3．秩和检验法 4.3 TTEST过程—比较t检验 ? 4.3.1 TEST过程简介 1．TEST过程简介 TTEST过程在一些假设条件下计算t统计量，用以检验“两组观测值均值相等”这个原假设。假设条件有以下两点： 1）两组观测方差相等。 2）在每个组内，各个观测独立，且服从相同的正态分布。 4.3 TTEST过程—比较t检验 如果两组观测方差不等，则计算近似的t统计量，同时用Satterhwaire方法计算其近似自由度，又可以要求用Cochran和Cox方法近似计算t检验的概率水平。计算F’（Folded）统计量用于检验两个方差是否相等。TTEST过程不是为成对数据比较设计的，对成对数据，可用MEANS过程或UNIVERATE过程检验成对数据的差值是否为零，以判断成对数据均值是否相等。 4.3.2 TTEST过程举例说明 例4.3 为了解某乡粮田土壤肥力的变化情况，1998年和1999年连续两年对9个监测点进行取土样化验有机质含量。y1代表1998年化验结果，该年土壤有机质平均含量为1.21%，y2代表1999年化验结果，