试验设计和分析(园艺)第三章 统计推断.ppt

第三章 统计推断;;第一节 参数估计;一、参数的点估计 ;（2） 评价估计量优劣的标准 无偏性：如果 的数学期望值存在，且等于待估参数?， 就是?的无偏估计。 有效性：如果 和 都是?的无偏估计，但 的方差小于 的方差，我们就说 比 有效。 一致性：对任意小的正数ε， 成立，则称 是参数?的一致估计量。;二、参数的区间估计;（2）区间估计相关概念 区间估计：在一定概率保证下给出总体参数的可能范围 置信区间：所给出的可能范围 置信限：置信区间的上、下限，用L1和L2表示 置信距：置信区间的长度 置信度：所给出的概率保证，也称置信概率，用P=（1－α）表示;（3）区间估计的原理 置信度1－α反映了区间估计的可信度，常取0.90、0.95和0.99。 置信距反映了区间估计的精确度。 在保证置信度1－α的前提下，置信区间越短越好。 ;（4）进行区间估计的一般步骤： 首先，构造一个与待估计参数?有关的统计量 ； 其次，找出统计量 的分布，在一定的置信度下，给出临界值； 最后，计算总体参数?的置信区间。;三、正态总体平均数μ的置信区间 ;应用举例;置信度P=(1－α)＝0.99，α＝0.01，则u0.01＝2.58 由于 置信区间为(4.1－2.58×0.05)≤μ≤(4.1＋2.58× 0.05)，即3.971≤μ≤4.229 推断：该株行圃皮棉平均产量在3.971～4.229kg之间，此估计值的可靠度有99%。 α＝0.05时，平均产量在4.002～4.198kg之间 ;（2）总体方差σ2未知但为大样本时， 用样本方差s2 代替σ2 ，μ的置信区间为 （3）总体方差σ2未知且为小样本时， 用样本方差s2 估计σ2 ，μ的置信区间为 其中，tα为t分布下置信度为1－α时t的临界值。 ;t 分布;应用举例;四、两总体平均数差数(μ1－μ2)的 置信区间 ;应用举例;由附表3查得置信度为95%时，u0.05=1.96，并且 95%置信度下的置信区间为 [(15－12)－1.96×0.36]≤μ1－μ2≤[(15－12)＋1.96×0.36]，即2.29≤μ1－μ2 ≤3.71。因此，第一个品种比第二个品种的单株平均产量多2.29× 50g～3.71×50g，这个估计有95%的把握。;（2）两总体方差未知且为小样本时 ① 如果两总体方差相等，即σ12＝σ22 ＝σ2 。μ1－μ2在1－α置信度下的置信区间为： 其中，df=n1+n2-2;应用举例;由附表5查得df＝8时置信度为99%时，t0.01＝3.355 99%置信度下的置信区间为[(428－440)－3.355× 11.136]≤μ1－μ2≤[(428－440)＋3.355×11.136]，即－49.4≤μ1－μ2≤25.4。 结果说明：第一种密度的平均亩产量可以比第二种密度少收49.4kg到多收25.4kg，波动很大。 因此，这个例子说明μ1＝μ2的。;当 μ1＝μ2时，意味着两总体平均数相等，因此，可用两样本平均数的加权平均数 作为对μ的估计：; ② 如果两总体方差不相等，即σ12≠σ22 。μ1－μ2在1－α置信度下的置信区间为： 其中 取其整数部分;第二节 统计假设测验的原理;一、统计假设测验的概念;如：某地区主栽水稻品种的亩产量为550kg（总体），一新品种的多点试验结果为600kg的亩产量，试问这一新品种的亩产量是否真正高于主栽品种？（其它举例见教材P75） 该新品种的亩产量比主栽品种高600－550=50kg，这是试验的表面效应，造成这种差异的可能原因有两个： 一是新品种确实优于主栽品种 二是试验误差;（2）如何进行假设测验 那么如何判断是哪一种原因？方法是将表面效应与误差作比较。 如果表面效应并不大于误差，则无充分证据说明新品种确实优于主栽品种，表面效应是由试验误差造成的。 如果表面效应大于误差，表面效应不完全是由试验误差造成的，说明新品种确实优于主栽品种。 ;表面效应是否大于试验误差这个度怎么把握？ 我们可以根据抽样误差出现的概率而利用抽样分布来计算。 只要设定一定的概率标准，如5%或1%，如果表面效应属于误差的概率不超过这个标准，我们就可以认为表面效应不完全是由试验误差造成的。;（3）相关概念 统计推断：把试验的表面效应与误差大小相比较并由表面效应可能属于误差的概率而作出推论的方法。 统计假设测验：计算表面效应由误差造成的概率首先必须假设表面效应是由误差造成的（如假定新品种并不优于主栽品种）。有了这个事先的假设，才能计算概率。这种先作处理无效的假设（无效假设）再依据该假