统计假设检验试验结果直观分析及存在问题.pptVIP

Review 中心极限定理：不论原变量x是连续还是离散，是何种分布，只要每次试验的样本容量大于30，就可认为样本平均数的分布式正态的。 样本平均数---- 第二章 统计假设检验 样本推断总体叫统计推断 ---根据样本和假定模型对总体做出的以概率形式表述的推断。 包括：假设检验和参数估计 假设检验—显著性检验（test of significance) u检验、t检验、F检验和? 2检验 第一节 试验结果直观分析及存在问题 一、试验结果直观分析及存在问题 ５种生长调节剂浓度对小麦株高影响试验结果 直观分析结论： 浓度４浓度３浓度２浓度１浓度５ 直观分析存在问题： 处理平均数间变异:（处理效应+误差） 　 Max./Min=7/3=2.33(倍) 相同处理重复间变异：(误差） Max./Min=9/3=3 (倍) 二、试验数据波动原因 1.处理效应—试验处理（条件）不同造成的试验数据波动 ——表现为处理平均数间的变异； 2.试验误差—试验过程中的未控因素及偶然因素造成的试验数据波动 　——表现在处理内部观测值间的变异 表现在处理平均数间 三、统计假设检验的任务 判别处理效应是否存在——显著性 第二节统计假设检验的原理与方法 一、统计假设检验的原理——小概率原理 小概率原理：小概率事件在一次试验中几乎不会发生。 例1 据历年资料已知某小麦品种千粒重平均为36g, 标准差为2g。若在生育后期进行KH2PO4根外追肥，收获后测得9个样品的千粒重平均为37g，问根外追肥对提高小麦千粒重是否有效？ 直观判断：37-36=1g KH2PO4根外追肥提高小麦千粒重1克。 抽样分布情形： n=9 =37 μ=36 σ=2 =2/3 P(-1.96 Z 1.96)=0.95 P(μ-1.96 μ+1.96 )=0.95 P(34.69 37.31)=0.95 =37 属于供试小麦品种的大概率样本平均数 推断： KH2PO4根外追肥提高小麦千粒重的效果不显著； 样本平均数与总体平均数的1克之差属于抽样误差。 二、统计假设检验的一般步骤 1.提出无效假设H0及备择假设HA 2.确定显著性水平? 3.计算实得结果属随机误差的概率P 4.根据小概率原理作出统计推断 Pα 接受H0 否定HA Pα 接受HA 否定H0 无效假设H0：试验实得差异系随机误差，处理效应为0 备择假设HA：跟无效假设H0对立，当H0被否定时准备接受的假设 例：H0：μ=36，HA：μ≠36 H0：μ1=μ2，HA：μ1≠μ2 显著性水平：判定无效假设能否成立的临界小概率水准，记作? ? =0.05(显著 *) ?=0.01（极显著 **） 三、统计假设检验的几何意义 接受区间——统计数分布的大概率范围 否定区间——统计数分布的小概率范围 （由显著性水平划定） 两尾检验：否定区间在统计数分布的两侧 ——用于检验处理是否有效 H0：μ1=μ2，HA：μ1≠μ2 一尾检验： 否定区间在统计数分布的一侧 左尾检验：否定区间位于统计数分布的左侧 ——用于检验处理是否使指标值降低 H0：μ1≥μ2，HA：μ1μ2 右尾检验：否定区间位于统计数分布的右侧 ——用于检验处理是否使指标值增加 H0：μ1≤μ2，HA：μ1μ2  四、统计假设检验的两类错误 统计推断结论——不完全性 1.弃真错误（α错误）：统计推断犯否定正确H0 的错误— 弃真错误的概率为α 2.存伪错误（β错误）：统计推断犯接受不正确H0 的错误— 存伪错误的概率为β 减少两类错误的途径： 减少弃真错误—提高显著性水平（?取值小） 减少存伪错误—a.降低显著性水平（ ?取值大） b.增加