田间试验与统计方法 第五章假设检验PPT.ppt

例：某商品卤虫休眠卵的保证孵化率为0.9，现随机取1000粒在适宜条件下进行孵化检验，结果有877粒卵成功孵化，问这批休眠卵是否合格？ 解：H0：p=p0=0.9，HA：pp0 显著性水平 α=0.05 p=877/1000=0.877 当u＞u0.05时，拒绝H0；因u0.05=1.645＜u，所以拒绝H0。 结论：这批卤虫休眠卵不合格。 两个样本频率的假设检验 假设有两个二项分布总体，分别具有参数φ1和φ2，从上述总体中抽取含量为n1和n2的两个样本，出现某一类别的个体数分别为x1和x2，p1=x1/n1，p2=x2/n2 ，判断p1和p2之间的差异显著与否？（要求： ） 检验步骤： 1、零假设: H0： φ1＝φ2 备择假设: HA： φ1 φ 2 ;φ1 φ 2 φ1 ≠ φ 2 2、显著性水平: α=0.05 3、检验统计量: 其中，φ以p1和p2的加权平均数代替，则 因上式的u为近似服从标准正态分布，需对数据做连续性矫正，因为二项分布的数据为离散型，因此用正态分布计算二项分布概率时应当计算随机变量落在某一区间的概率。此区间一般采用（[x1－x2]－0.5，[x1－x2]＋0.5）。经过连续性矫正后统计量u计算式（p80式5.19 ） 4、建立H0的拒绝域: ① u uα ② u －uα ③ |u| uα/2 5、得出结论并做出生物学解释。 例 调查了280名中学生发现有140名学生睡眠不足，在减轻学生作业负担后，调查120学生仍有40名睡眠不足，问减轻学生负担的效果是否显著？ 解：H0：φ1=φ2，HA： φ1φ2 　　 代入式5.19 查表u0.05=1.645,u u0.05落在拒绝域内。 结论：减轻学生负担后，学生的睡眠状况有了明显改善。 第五章 假设检验 概述 总体与样本之间的关系包括两个方面： 从总体到样本的研究； 由样本推断总体，它是以各种样本统计量的抽样分布为基础的，一般是正态分布、t分布、χ2分布和F分布 。 对总体做统计推断有两种途径，在实际应用时可互相参照使用 首先对所估计的总体做一假设，然后通过样本数据推断这个假设是否接受，这种途径称为统计假设检验(statistical test of hypothesis)； 通过样本统计量估计总体参数，称为总体参数估计 (estimation of population parameter)。 总体 样本 统计量 (X) 估计 检验 总 体 抽样 样 本 （实验结果） 检验 （抽样分布规律） 接受 拒绝 小概率事件 未 发 生 小概率事件 发 生 某种假设 统计假设检验图解 备择假设： ≠10.00g 总体 (零假设) ? ? ? ? Mean ?X =10.23 随机样本 ? ? 拒绝零假设! 接受备择！ ? 5.1 单个样本的统计假设检验 5.1.1 一般原理及两种类型的错误 基本思想 抽样分布 ? ? ? ? 小概率原理 小概率的事件是指在一次试验中，几乎是不会发生的，若根据一定的假设条件计算出来的该事件发生的概率很小，而在一次试验中它竟然发生了，则可认为原假设条件不正确，给予否定。 根据小概率原理所建立起来的检验方法称为显著性检验。在生物统计工作中，通常规定0.05或0.01以下为小概率，称为显著性水平，记为“α”。 检验统计量：u t χ2 F 等 单侧检验(one-sided test) 上尾检验：拒绝H0后，接受μμ0，如左图。 下尾检验：拒绝H0后，接受μμ0，如右图。 样本统计量 样本统计量 样本统计量 临界值 双侧检验 在生物学问题中，有时只要考虑μ是否等于μ0，并不关心究竟是大于还是小于μ0，这时 就要使用双侧检验。在α水平上，H0的拒绝域由P(∣U∣＞uα/2) =α 决定。拒绝域包括大于uα/2或小于－uα/2的区域，这两个尾区的曲线下面积之和为α。 由于单侧检验时利用了已知有一侧是不可能的这一条件，从而提高了它的辨别力，所以单侧检验比双侧检验的辨别力更强些。实际应用时，要尽量选用单侧检验，但也要根据实际情况而定。 两种类型的错误 Ⅰ型错误：假设是正确的，却错误地拒绝了它。犯Ⅰ型错误的概率不会大于α。（以真为假—— 弃真错误） Ⅱ型错误：当μ≠μ0但错误地接受了μ=μ0的假设时所犯的错误，其慨率为β称β错误。（以假为真—— 存伪错误） 关于两种类型