第5章节 假设测验.ppt

第5章 假设测验 Tests of Significance Section 5.1Principle of Significance Tests假设测验的基本原理 一、假设测验的理论基础 某人宣称自由球命中率有80%。 命中率有80%的射手，实地投射只有8/20命中率的机会不大。 实地投射结果显示投20球中8球。 结论：命中率有80%的宣称不可信。 命中率有80%的自由球射手投20球命中的次数应服从二项分布B(20, 0.8)。 命中的次数小于或等于8的概率约为 0.0001。 即重复实地投射20球10,000次只中8球以下的情形约只发生一次。 Section 5.2 Significance Tests for Means平均数的假设测验 Section 5.3 Significance Tests for Proportion 百分数的假设测验 Section 5.4 Estimating Confidence Interval 区间估计 Section 5.5 Relation between Confidence Interval and Significance Tests 区间估计与假设测验的关系 (一) 成组数据的平均数比较 如果两个处理为完全随机设计的两个处理，各供试单位彼此独立，不论两个处理的样本容量是否相同，所得数据皆称为成组数据，以组(处理)平均数作为相互比较的标准。 在两个样本的总体方差 和 为未知，但可假定 ，而两个样本又为小样本时，用t 测验。 三、两个样本平均数相比较的假设测验 从样本变异算出平均数差数的均方 ， 其两样本平均数的差数标准误为： 于是有： 由于假设 故 自由度 三、两个样本平均数相比较的假设测验 [例2] 调查某农场每亩30万苗和35万苗的稻田各5块，得亩产量(单位：kg)于表1，试测验两种密度亩产量的差异显著性。 表1 两种密度的稻田亩产(kg) 420 425 445 460 445 435 440 420 450 400 y2(35万苗) y1(30万苗) 假设H0:两种密度的总体产量没有差异，即 对 显著水平 =0.05 测验计算： =428kg =440kg SS1=1930 SS2=550 故 三、两个样本平均数相比较的假设测验 查附表，v=4+4=8时, t0.05=2.306。 现实得|t|=1.08t0.05，故P0.05。 推断：接受假设 ，两种密度的亩产量没有显著差异。 三、两个样本平均数相比较的假设测验 (二) 成对数据的比较 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。 在分析试验结果时，只要假设两样本的总体差数的平均数 ，而不必假定两样本的总体方差 和 相同。 三、两个样本平均数相比较的假设测验 设两个样本的观察值分别为x1和 x2 ，共配成n对，各个对的差数为 d =x1－x2，差数的平均数为 ，则差数平均数的标准误 为： 它具有 v =n－1。若假设 ，则上式改为： 即可测验 三、两个样本平均数相比较的假设测验 [例3] 选生长期、发育进度、植株大小和其他方面皆比较一致的两株番茄构成一组，共得7组，每组中一株接种A处理病毒，另一株接种B处理病毒，以研究不同处理方法的饨化病毒效果，表2结果为病毒在番茄上产生的病痕数目，试测验两种处理方法的差异显著性。 表2 A、B两法 处理 的病毒在番茄上产生的病痕数 －12 18 6 7 －7 27 20 6 －7 12 5 5 －12 15 3 4 －6 14 8 3 1 12 13 2 －