第4章节 统计推断.ppt

* 先承认无效假设，从已知总体中抽取样本容量为n=25的样本，该样本平均数的抽样分布具正态分布形状，平均数 =300(kg)，标准误 =15(kg)。如果新品种的平均产量很接近300 kg，应接受H0。 * 两尾检验的目的在于判断μ与μ0有无差异。 * * 因为在假设检验上，无效假设否定与否的依据是“小概率事件实际不可能原理”所以我们下的结论不能百分百正确。例如，经检验我们获得“差异显著”的结论，我们有95%的把握否定无效假设，同时也要冒着5%下错误结论的风险； 若试验设计是将性质相同的两个供试单位配成一对，并设有多个配对，然后对每一配对的两个供试单位分别随机地给予不同处理，则所得观察值为成对数据。 成对数据，由于同一配对内两个供试单位的试验条件很是接近，而不同配对间的条件差异又可通过同一配对的差数予以消除，因而可以控制试验误差，具有较高的精确度。 * * 已知普通水稻单株产量符合正态分布N（250, 2.782）。现测得10株杂交水稻单株产量分别为272、200、268、247、267、246、363、216、206、256。问杂交稻单株产量与普通水稻单株产量是否有差异？ 两尾测验与一尾测验 假设 双尾测验 左尾测验 右尾测验 H0 μ=μ0 μ≥μ0 μ≤μ0 HA μ≠μ0 μμ0 μμ0 H0 抽样分布 接收区 样本均值 1-α 拒绝区 拒绝区 H0 抽样分布 接收区 样本均值 1-α 拒绝区 临界值 假设测验的两类错误 客观实际 检验结果 错误名称 犯错误概率 H0正确 拒绝H0 弃真错误 I型 ? H0错误 接受H0 纳伪错误II型 ? (1)选取适当的α值：选取数值小的α值，如从5%变为1%，可以降低犯I型错误的概率，但是将增大第二类错误的概率。 (2)增加试验重复次数：如果显著水平α已固定下来，则改进试验技术和增加样本容量，提高试验的精确度，可以有效地降低犯第二类错误的概率。 (3)对于田间试验，由于试验条件不容易控制，试验误差较大，应选取较高α值，以降低犯II型错误的概率。 关于两类错误的讨论可总结如下： 由两个样本平均数的相差，以测验这两个样本所属的总体平均数有无显著差异。 测验方法 成组数据的平均数比较 成对数据的比较 第三节 两个样本平均数的假设测验 表1 朱顶红小花直径测量值 单位cm 大花直径 4 4 3.87 3.57 3.78 3.95 3.9 3.6 3.85 3.95 黄花直径 3.63 3.75 3.77 4.05 3.98 3.9 4.25 3.92 4.2 4.12 表2 两种栽培方法的地瓜产量 单位（kg/亩） 有机 2722.2 2866.7 2675.9 2169.2 2253.9 2315.1 标准 951.4 1417 1275.3 2228.5 2462.6 2715.4 (一) 成组数据的平均数比较 1. u检验 两个样本总体方差已知，或总体方差未知，但为大样本时采用 例1 已知早稻佳辐品种σ2=1.35，用A、B两种方法取样，A取15个样点，平均产量x1=7.69；B法取9个样点，平均产量x2=8.77。检验两种取样法测得的小区产量是否有差异？ 2. t检验 在两个样本的总体方差未知（σ12= σ22= σ2 ），且为小样本时，用t检验 在两个样本的总体方差未知（σ12≠σ22 ≠ σ2 ），且为小样本时，用近似t检验 两个总体方差的检验——F检验 对于来自于两个总体的样本，其总体方差分别为σ12和σ22，从两个总体中独立抽取容量为n1和n2的样本，对应样本的方差分别为S12与S22。 该统计量服从分子自由度为n1-1，分母自由度n2-1的F分布。 1、它是一种非对称分布，取值范围是（0，+∞）； 2、它有两个自由度，求F时，将数值大的均方放在分子，数值小的均方放在分母； 3、F分布是随自由度变化的一簇偏态，不同的自由度决定了F 分布的形状。 例，某厂家从两个供货商进货，分别是货物A和货物B。已经列出两种货物的样本数据，如表所示。问货物A的重量波动是否明显高于货物B。 货物A重量 114 116 104 100 97 118 83 115 94 108 128 93 97 107 108 107 98 83 105 93 111 107 88 98 76 115 118 112 116 121 97 126 98 122 97 104 109 111 111 104 货物B重量 131 102 87 129 143 117 107 96 116 140 120 122 113 117 137 123 131 119 113 132 128 117 110 110 129 125 96