第四章 假设测验PPT.ppt

第三章 假设检验;;第一节 单个样本平均数的显著性检验; 试验中所能获得的资料，通常都是样本的结果；而我们希望了解的却是样本所属总体的特征。因此，统计推断是科研工作中的一个十分重要的工具，对于试验设计也有指导作用。; 显著性检验—根据于某种实际需要，对未知的或不完全知道的统计总体提出一些假设（这些假设通常构成完全事件系）；然后由样本的实际结果，经过一定的计算，作出在概率的意义上应当接受哪种假设的检验。 ; 二、 举例说明显著性检验 [例4-1] 已知某品种玉米单穗重 ，即单穗重总体平均数 ，标准差 。在种植过程中喷洒了某种药剂的植株 中随机抽取9个果穗，测得平均单穗重 ，试问这种药剂对该品种玉 米单穗重有无真实影响？;已知;310，297，298， 312，315，310，310， 299，295，315; 资料分析： 1. 喷洒了药剂的植株总体可以看成是一个新总体, 该总体 未知, 可以认为 , 也未知，可以作无效假设 ： ，这个假设是否正确，有待验证。;一个样本; 2. 上述9个植株的单穗重构成新总体的一个样本, 其 , 。设想，还可以再随机取9株，得均数为 ，再再随机取9株，得均数 ，以至无穷，则 又构成一个总体，称作 总体。;311，312，305，…，313; 3. 我们把资料中的这个样本平均数 看作是从 总体中随机抽出的一个观测值，现将它折算成 值，看其是否落入（-1.96, 1.96)之外。; 这个u值落入了区间之外。已知从总体中随机抽取一观测值时，其折算u值落入区间 [-1.96，1.96]之外是一个小概率事件。现在，小概率事件在一次试验中竟然发生了，这是不合理的，不合理的根源在于当初的假设不对，应该否定这个假设。;推断:否定无效假设，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。 整个推理过程的基点是： ; 对于任一正态总体，你如果准确地知道， ， ，则从该总体随机抽取一个观测值时，其折算 U 值就有95%的可能性落入（1.96, +1.96)，如果不知道 ，假设了一个U 值，其折算 U 值就很玄。我们的准则是：如果折算 U 值落入了（1.96, +1.96)区间之内，就认为假设对；如果落在区间之外，就不合理了，就认为假设不对。; 整个推理过程，采用了概率性质的反证法。 反证法：先提出和定理中的结论相反的假定，然后从这个假定中得出和已知条件相矛盾的结果来，这样就否定了原来的假定，而肯定了定理。 显著性检验原理：平均数的抽样分布及“小概率的实际不可能性原理”。; 显著性检验步骤 1. 提出无效假设 和备择假设;2. 确定显著水平;3. 计算 值;对资料分析的说明： 为什么不是 而是 ? 显著 性检验考察的是样本而不是单个观测 值。 未知时, 如何求算? 进行 即可。 ; 未知时, 如何求算? 分两种情况: （1）当样本 时，用 估计 ，相应用 估计; （2）当样本 时，仍然用 估计 ，用 估计 ，但此时用 代替 引起的误差较大，因