第四篇 章 显著性检验 《生物统计学》课件.ppt

第四章 显著性检验; 显著性检验又叫假设检验是统计学中的一个重要内容 。 显著性检验的方法很多 ，常用的有u检验、t检验、F检验和?2检验等。尽管这些检验方法的使用条件及用途不同，但检验的基本原理是相同的。 ;第一节 显著性检验的 基本原理 ;下一张 ; 　　因为两个水稻品种平均产量 　 、　都是从试验种植的10个小区获得，仅是两个品种有关总体平均数　　　 的估计值。由于存在试验误差 ，样本平均数并不等于总体平均数 ，样本平均数包含总体平均数与试验误差二部分，即; 显著性检验的目的在于判明，试验的表面 差异 主要是由试验的真实差异 造成的，还是由试验误差 造成的，从而得到可靠的结论。;二、显著性检验的步骤; （一）提出假设 ; 这种假设通常称为无效假设或零假设，记为 　　　。无效假设是待检验的假设，它有可能被接受，也有可能被否定。 相应地还要有一个对应假设， 称为备择假设。备择假设是在无效假设被否定时 ，准备接受的假设，记为 　　　 或 。　　　 通过检验，若否定无效假设，我们就接受备择假设。; （二）计算概率 ; 第三章已述及，若 ，则样本平均数 ， ， ，将其标准化，得; 下面估计|u|≥2.526的两尾概率，即估计P（|u |≥2.526）是多少？ 我们知道，两尾概率为0.05的临界值为 =1.96，两尾概率为0.01的临界 值为 =2.58，即：; P（| |＞2.58） = P（ ＞2.58）+ P（ ＜-2.58） =0.01 ; 所以，| |≥2.526的概率P介于0.01和0.05之间，即 0.01 ＜ p ＜ 0.05 说明假定表面差异（ ）是由抽样误差造成的概率在0.01—0.05之间。; (三)统计推断 ; 根据这一原理 ，当表面差异是抽样误差的概率小于0.05时 ，可以认为在一次抽样中表面差异是抽样误差实际上是不可能的，因而否定原先所作的无效假设H0： ，接受备择假设HA： ， 即认为存在真实差异。 当表面差异是抽样误差的概率大于0.05时，说明无效假设H0： 成立的可能性大，不能被否定，因而也就不能接受备择假设HA： 。; 显著性检验的结果表明： 本例的样本平均数与原总体平均数之间的表面差异（ ） 除包含抽样误差外，还包含真实差异（ ） ， 即喷洒了药剂的玉米单穗重总体平均数 与原来的玉米单穗重总体平均数 不同。; 综上所述，显著性检验，从提出无效假设与备择假设，到根据小概率事件实际不可能性原理来否定或接受无效假设，这一过程实际上是应用所谓“概率性质的反证法”对样本所属总体所作的无效假设的统计推断。;三、显著水平与两种类型的错误 (一)显著水平 ; 对于上述例子　的检验来说，若∣u∣＜1.96 ，则说明试验的表面差异属于试验误差的概率p＞0.05，即表面差异属于试验误差的可能性大，不能否定　　　　　。统计学上把这一检验结果表述为： “总体平均数　 与　　差异不显著”，在计算所得的 u 值的右上方标记“　　”或不标记符号；; 　　若　　≤|　|＜　　，则说明试验的表面差异属于试验误差的概率p在0.01—0.05之间，即0.01＜p≤0.05，表面差异 属 于 试 验误差的可能性较小，应否定H0：　　　，接受HA：　　　。统计学上把这一检验结果表述为：“总体平均数　与 　 差异显著 ”，在计算所得的　值的右上方标记“*”；;　　若|　|≥2.58，则说明试验的表面差异属于试验误差的概率 p 不超过 0.01 ，即 p ≤0.01 ，表面差异属于试验误差的可能性更小，应否定H0：　　　，接受HA：　　　。统计学上把这一检验结果表述为： “总体平均数　与　　差异极显著 ” ， 在计算所得的 值的右上方标记“* *”。; 可以看到，是否否定无效假设 ，是用实际计算出的检验统计数　的绝对值与显著水平　对应的临界　值　　比较： 若|　|≥　　，则在 水平上否定