第四章 t-检验分析.pptVIP

第四章 t-检验 * 百分率资料的假设检验 小样本均数的假设检验 统计假设检验的基本原理 统计假设检验又称为显著性检验，是生物统计学的核心内容，是统计推断的主要组成部分 第一节 统计假设检验的基本原理 统计推断（statistical inference）就是通过样本特征（统计量）来推断相应总体特征（参数）的方法 参数估计（parametric estimate） 通过样本统计量估计总体参数的方法 ◇ 点估计（point estimate） ◇ 区间估计（interval estimate） 直接用样本统计量的数值估计出相应总体参数具体值的方法 在一定的概率保证下（一般为95%或99%），根据样本统计量的分布，计算出总体参数出现的数值范围或区间，用该区间来估计总体参数的方法 ■ 参数估计是对总体参数的定量分析 统计假设检验（hypothesis test） 根据某种实际需要，对未知的或不完全知道的总体参数提出一些假设，然后根据样本观测值和统计量的分布，通过一定的计算，再作出在一定概率意义上应当接受哪种假设的方法 统计假设检验的假设是对总体提出的，最后检验的结论只有两种：要比较的总体参数间要么存在显著差异，要么不存在显著差异 ■ 统计假设检验是对总体参数的定性分析 1. 统计假设检验的意义 以两个平均数之间差异的显著性检验—— t-检验为例 现随机挑选10名中国美女和10名韩国美女，请世界选美大赛评委和观众进行评分，试比较哪个国家美女更美？ 9.99 9.85 9.99 9.95 9.98 9.97 9.95 9.95 中国美女的平均得分9.98 韩国美女的平均得分9.91 两个国家美女的平均得分并不相等，其差值（表面效应）为： 根据两个样本平均数的差值0.07，是否可以给两个样本所在总体的总体平均数下这样的结论： 中国美女总体的平均得分高于韩国美女总体的平均得分 中国美女比韩国美女漂亮 ◆ 如果从经典数学的角度来看，答案应该是肯定 ◆ 如果从生物统计学的角度来看，在未经过统计假设检验以前，只能说“不一定” 事实上，仅仅凭借样本平均数之差不等于0就得出其所属的总体平均数不相等是不可靠的 实际上，进行试验研究的目的并不在于了解样本的结果，而是要通过样本了解总体，通过样本来推断总体，从而对总体给出一个全面的结论 在统计学中，一般用样本平均数 、 作为统计假设检验的对象 、 以样本平均数差数的大小来对样本所在的总体平均数μ1与μ2是否相同作出统计推断 以样本平均数作为检验对象的依据： ◇ 离均差平方和为最小，说明样本平均数与样本中各个观测值之间相差最小，因此，平均数是一个样本资料的最好代表值 ◇ 样本平均数是总体平均数的无偏估计值 ◇ 根据中心极限定理，样本平均数服从或逼近正态分布 实际上，每个观测值（数据）都只是试验的表面效应，而表面效应一般由两部分组成： 试验的处理效应 试验的随机误差 样本中每一观测值xi可以被分解成两部分： 处理效应： 用总体平均数μ表示 误差效应： 用随机误差ε表示 样本平均数为： 总体平均数 样本平均数的差数也可分解成2部分： 误差平均数 表面 效应 处理效应 抽样误差 2. 统计假设检验的步骤 统计假设检验的基本原理和思路： ■ 首先根据具体试验目的提出一个假设 ■ 然后在假定该假设成立（或正确）的前提下进行试验，并取得数据，接着对这些资料进行统计分析，获得该假设成立的概率 ■ 最后根据所获得的概率值的大小来判断假设是否成立 如果所得概率较大，就表明我们没有足够的理由来否定所作假设，即必须接受这一假设 如果所得概率较小，就表明这一假设不大可能成立，应予否定，从而接受其对立假设 例4-1：通过以往的大规模调查，已知某地成年黑白花奶牛产奶量为52.3，标准差为5.38，现测得10头黑白花奶牛产奶量分别为53.6，55.3，46.4，57.2，46.0，43.2，48.1，51.1，49.9，44.5； =49.53。试问这批黑白花奶牛是否来自于某地黑白花奶牛总体？ （1）对所研究的总体提出假设 研究某一随机样本所在的总体（用μ表示）和一已知总体（用μ0表示）是否为同一总体，也就是研究这一随机样本是否来自于已知总体 假设： 两个总体为同一个总体（即两个总体的总体平均数相等） 无效假设（null hypothesis） 用H0表示 即H0：μ=μ0 无效假设的含义： 无效假设就是假设两总体的平均数相等，即H0： 假设样本平均数 与已知总体平均数 由抽样误差引起的，并不是两总体之间的真实差异 两总体之间的差异是由抽样误差所引起的 为了在无效假设被否定后有可以被接受的假设，因此应