第三章 spss 生物统计学PPT.ppt

第三章 统计推断; 尽管这些检验方法的用途及使用条件不同，但其检验的基本原理是相同的。 本章以平均数的差异显著性检验为例阐明显著性检验的原理，介绍几种t检验的方法， 然后介绍总体均数的区间估计。 ;第一节 显著性检验的基本原理 第二节 样本均数与总体均数的差异显著 性检验 第三节 两样本平均数的差异显著性检验 第四节 显著性检验中应注意的问题 第五节 总体均数的区间估计;第一节 显著性检验的基本原理;一、显著性检验的意义; （二）检验对象 ; ?样本平均数是总体均数的无偏估计值，; （三）基本思想; 样本平均数的差 包含有试验误差，; 所以，可从试验的表面效应与试验误差的权衡比较中间接地推断处理效应是否存在，这就是显著性检验的基本思想。; （四）基本前提 ;小结： （一）显著性检验要解决的问题——如何通过样本来推断估计总体。 （二）检验的对象及其依据——样本平均数（根据有三条）。 （三）显著性检验的基本思想——从试验的表面效应与试验误差的权衡比较中间接地推断处理效应是否存在。 （四）通过检验获得可靠结论的基本前提——收集到正确、完整而又足够的资料。;二、显著性检验的基本步骤; 备择假设是在无效假设被否定时准备接受的假设。; 其中 ; 于是 ;所以，|t|≥2.234的概率P介于0.01和0.05; 在生物学研究中常以0.05和0.01两个概率作为 ;小结（显著性检验的基本步骤）： ?首先对试验样本所在的总体作假设（无效假设和备择假设）。 ?在无效假设成立的前提下，构造合适的统计量，并研究试验所得统计量的抽样分布。（得出无效假设成立的概率） ?根据“小概率事件实际不可能性原理”否定或接受无效假设。（在一定的概率保证下，对无效假设是否成立作出判断） ; 综上所述，显著性检验，从建立假设到最后依概率的大小来决定接受还是否定假设，这一过程实际上应用所谓“概率性质的反证法”对试验样本所属总体所作假设的统计证明。 对于各种显著性检验的方法，除明确其应用条件，掌握有关统计运算方法外，正确的逻辑推理是不可忽视的。; 三、显著水平与两类???误; 这时称“差异不显著”，记为“ns”或不标记；; （三）两类错误; ?第二类错误是 实际不成立，却接受了它，; 因此，在检验选用显著水平时，应考虑到这两种错误推断后果的严重性大小，还应考虑到试验的难易，试验结果的重要程度。; 若一个试验耗费大，可靠性要求高，不允许; 两 类 错 误 的 关 系 ;小结： 因为显著性检验是根据“小概率事件实际不可能性原理”来否定或接受无效假设的，所以不论是接受还是否定无效假设，都没有100％的把握。 若经t检验“差异显著”，对此结论有95%的把握，同时要冒5%下错结论的风险； “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”不一定是“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、双侧检验与单侧检验;; (二）单侧检验 (one-sided test) ; 在α水平上， 的否定域为[ ，+∞]，右侧; 若对同一资料进行双侧检验也进行单侧检验，; 一般若事先不知道所比较的两个处理效果谁好谁坏，分析的目的在于推断两个处理效果有无差别，则选用双侧检验； 若根据理论知识或实践经验判断甲处理的效果不会比乙处理的效果差( 或相反)，分析的目的在于推断甲处理是否比乙处理好(或差)，则用单侧检验。 一般情况下，如不作特殊说明均指双侧检验。;第二节 样本均数与总体均数的差异显著性检验——t检验;，其中μ为样本所在总体均值。;否定 ，接受 ，表明样本均数 与总体均数; 2．计算t值 ;第三节 两样本均数差异显著性检验;一、 非配对设计两样本平均数差异显著性检验——t检验; ?计算均数差异标准误、t值和自由度。;?根据df=(n1-1)+(n2-1)或2(n-1)，查表得临界; 1．建立假设 ; 3.查临界t值，作出推断;二、 配对设计两样本平均数的差异显著性检验——t检验; （一）配对设计的概念和分类; 1.自身配对 指同一试验单位?在二个不同时间;然后对配对的两个个体随机地实施不同处理。