生物统计附试验设计第五章.ppt

“差异极显著”，对此结论有99%的把握，同时要冒1%下错结论的风险； “差异不显著”，是指在本次试验条件下，无效假设未被否定。 “差异不显著”并一定是“没有差异”。这有两种可能： ?或者这两个样本所在的总体确实没有差异； ?或者这两个样本所在总体平均数有差异而因为试验误差大被掩盖了。 因而不能仅凭统计推断就作出绝对肯定或绝对否定的结论。“有很大的可靠性，但有一定的错误率”，这是统计推断的基本特点。 四、两尾检验与一尾检验 （一）双侧检验 (two-sided test) 在显著性检验中，无效假设为 ，备择假设为 。此时备择假设包括了 或 两种可能。这个假设的目的在于判断有无差异，而不考虑谁大谁小。 此时，在α水平上否定域为两个，对称地分配在 分布曲线的两侧尾部。 这种利用两尾概率进行的检验叫双侧检验，也叫双尾检验。 一尾检验 两尾检验 (二）一尾检验 (one-sided test) ?无效假设应为 ，备择假设应为 ，这时的否定域在 分布曲线的右尾(如图A所示 ) 。 ?若无效假设为 ，备择假设为 ，此时的否定域在 分布曲线的左尾(如图B所示 )。 这种利用一尾概率进行的检验叫单侧检验也叫单尾检验。 若对同一资料进行双侧检验也进行单侧检验，所得的结论不一定相同。双侧检验显著，单侧检验一定显著；反之，单侧检验显著，双侧检验未必显著（？？）。 在α水平上单侧检验显著，相当于双侧检验在2α水平上显著。 （三）应用 选用单侧检验还是双侧检验应根据专业知识及问题的要求（分析的目的）在试验设计时就确定。 一般情况下，如不作特殊说明均指双侧检验 第二节 样本平均数与总体平均数 差异的显著性检验 检验一个样本均数 与已知总体均数 是否有显著差异， 即检验某一处理是否有效。 这里的 一般为一些公认的指标。如畜禽正常生产性能指标、经大量调查所得的平均值、经验数或规定的某种指标值。 检验的基本步骤： （1）建立假设 其中μ为样本所在总体均值。 （2）在无效假设成立的条件下，计算t 值 其中，n为样本含量， 为样本标准误。 （3）根据计算出的自由度，查得临界值： 。将计算所得t 值的绝对值与其比较，作出推断。 ?若 ，则P＞0.05，不能否定H0，表明样本均数与总体均数差异不显著； ?若 ，则0.01＜P≤0.05否定H0 ，接受HA ，表明样本均数与总体均数差异显著； ?若 ，则P≤0.01，否定H0 ，接受HA ,表明样本均数与总体均数差异极显著 【例】在鱼塘中10个点取水样，测定水中含氧量，得数据：4.33，4.62，3.89，4.14，4.78，4.64，4.52，4.48，4.55，4.26(mg/l)，能否认为该鱼塘中平均含氧量为4.50(mg/l)。 显然，本例应进行双侧t检验。 1.建立假设 2．计算t值 经计算得： =4.421，S=0.267， 所以 3．查临界t值，并作出推断 由df=10-1=9查t值表(附表3)得， =2.262。因为 ，P＞0.05，故不能否定 ，可以认为该鱼塘中平均含氧量为4.50(mg/l). 第三节 两样本均数的差异显著性检验 对于两样本均数的显著性检验，因条件或试验设计不同，一般可分为两种情况。 —一是完全随机设计（非配对设计）两样本平均数的比较（成组数据的平均数比较）； —二是配对设计两样本平均数的比较（成对数据的平均数比较）。 一、非配对设计两样本均数的差异显著性检验 （1）概念 非配对设计或成组设计是指当进行只有二个处理的试验时，将试验单位完全随机地分成两个组，然后对两组随机施加一个处理。 在这种设计中两组的试验单位相互独立，所得到的两个样本相互独立，其含量不一定相等。 表5-2 非配对设计资料的一般形式 （2）步骤 ?建立假设； ?计算t值