第三章 有限数据的统计与检验.ppt

第三章 有限数据的统计与检验;3.1 数学期望与方差;例3-1 甲在机床上生产某产品,若一等品能赚5元,二等品赚3元，次品亏2元.甲生产时一等品、二等品及次品的概率为0.6,0.3,0.1。问生产每件产品平均能创造多少财富?; (二)连续型随机变量的数学期望; 例3-2 计算在区间[a,b]上服从均匀分布的随机变量X的数学期望。;3.1 数学期望与方差;用样本研究总体时，样本均值x并不等于总体均值μ，但可以肯定，只要消除了系统误差，在某一置信度下，一定存在着一个以样本均值x为中心，包括总体均值μ在内的某一范围,称为平均值的置信区间。由t的定义式得：;式中 称为置信区间，其大小取决于测定的标准偏差、测定次数和置信度的选择，置信区间愈小平均值 愈接近总体平均值 μ。（ → μ ）;表示的意义：有68.3%把握认为本钢样磷含量的真值落在0.0087±0.0011（%）范围内。;磷含量的第二种报告;磷含量的第三种报告;1）置信度（P）：例中有68.3%把握、95.5%把握和99.7%把握均称为置信度也称置信水平； 2）显著性水平（ α ）：在上面三个区间外的概率称为显者性水平。;置信度（P）与显著性水平（α）的关系;3.3 假设检验;3.4 t 检验;1）t分布曲线随自由度 f 变化； 2）当f =∞时，t 分布则为正态分布。;t检验的基本原理; 能否仅凭这两个平均数的差值X1－X2=1.8头，立即得出白与黑两品种经产母猪产仔数不同的结论呢？ 统计学认为，这样得出的结论是不可靠的 。;总体与样本的关系; 表明样本平均数并非总体平均数，它还包含试验误差的成分。 对于接受不同处理的两个样本来说，则有：; 也就是说样本平均数的差 包含有试验误差，它只是试验的表面效应。因此，仅凭 就对总体平均数 μ1、μ2 是否相同下结论是不可靠的。只有 通过 显著性检验 才能获得结论。 对 进行显著性检验就是要分析： 试验的表面效应 主要由处理效应 引起的 ，还 是 主要 由试验误差 所造成。;这里我们做出如下假设：;下一张 ;饲料种类;由于; 方差分析; t 检验法适用于两样本平均数间的差异显著性检验， 但在生产和科学研究中经常会遇到比较 多个处理优劣的问题， 即需进行多个平均数间的差异显著性检验。这时，若仍采用t 检验法就不适宜了。这是因为： ; 1、检验过程烦琐 例如，一试验包含5个处理，采用t 检验法要进行 =10次两两平均数的差异显著性检验；若有k个处理，则要作 k(k-1)/2 次类似的检验。 ; 2、无统一的试验误差，误差估计的精确性和检验的灵敏性低 对同一试验的多个处理进行比较时，应该有一个统一的试验误差的估计值。若用 t 检验法作两两比较，由于每次比较需计算一个 ，故使得各次比较误差的估计不统一，同时没有充分利用资料所提供的信息而使误差估计的精确性降低，从而降低检验的灵敏性。; 3、推断的可靠性低，检验的 I 型错误率大 假设两个样本之间的I 型错误率为0.05，则如果有五个样本进行两两比较，共10次，则总犯I 型错误的概率 由于上述原因，多个平均数的差异显著性检验不宜用 t 检验，须采用方差分析法。 方差分析 (analysis of variance，ANOVA) 是由英国统计学家R.A.Fisher于1923年提出的。;例3-7 为了考察5个品系的小麦之间株高是否存在差别，进行随机取样后数据如下，试分析品系间株高是否存在差别？; F 值显著或极显著，表明试验中各处理平均数间存在显著或极显著差异，但并不意味着每两个处理平均数间的差异都显著或极显著，也不能具体说明哪些处理平均数间有显著或极显著差异，哪些差异不显著。; 因而，有必要进行两两处理平均数间的比较，以具体判断两两处理平均数间的差异显著性。 统计上把多个平均数两两间的相互比较称为多重比较(multiple comparisons)。 多重比较的方法甚多，常用的有最小显著差异法(LSD法)。; （1）最小显著差异法 (LSD法，least significant difference) 此法的基本作法是：在F 检验显著的前提下，先 计 算 出