生物统计学教案第五章统计推断.docVIP

PAGE PAGE 55 生物统计学教案 第五章 统计推断 教学时间：5学时 教学方法：课堂板书讲授 教学目的：重点掌握两个样本的差异显著性检验，掌握一个样本的差异显著性检验，了解二项分布的显著性检验。 讲授难点：一个、两个样本的差异显著性检验 统计假设检验：首先对总体参数提出一个假设，通过样本数据推断这个假设是否可以接受，如果可以接受，样本很可能抽自这个总体，否则拒绝该假设，样本抽自另外总体。 参数估计：通过样本统计量估计总体参数。 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 例： 已知动物体重服从正态分布N(μ，σ2)，实验要求动物体重μ＝10.00g。已知总体标准差σ＝0.40g，总体平均数μ未知，为了得出对总体平均数μ的推断，以便决定是否接受这批动物，随机抽取含量为n的样本，通过样本平均数，推断μ。 1、假设： H0: μ=μ0 或 H0: μ－μ0＝0 HA: μμ0 μμ0 μ≠μ0 三种情况中的一种。 本例的μ0＝10.00g，因此 H0: μ=10.00 HA: μ10.00 或 μ10.00或 μ≠10.00 2、小概率原理 小概率的事件，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，则可以认为假设的条件不正确，从而拒绝假设。 从动物群体中抽出含量为n的样本，计算样本平均数，假设该样本是从N(10.00，0.402)中抽取的，标准化的样本平均数 服从N(0,1)分布，可以从正态分布表中查出样本抽自平均数为μ的总体的概率，即P(Uu), P(U－u), 以及P(|U|u)的概率。如果得到的值很小，则抽自平均数为μ0的总体的事件是一个小概率事件，它在一次试验中几乎是不会发生的，但实际上它发生了，说明假设的条件不正确，从而拒绝零假设，接受备择假设。 显著性检验：根据小概率原理建立起来的检验方法。 显著性水平：拒绝零假设时的概率值，记为α。通常采用α＝0.05和α＝0.01两个水平，当P 0.05时称为差异显著，P 0.01时称为差异极显著。 3、临界值 例 从上述动物群体中抽出含量n＝10的样本，计算出＝10.23g，并已知该批动物的总体平均数μ绝不会小于10.00g，规定的显著水平α＝0.05。根据以上条件进行统计推断。 H0: μ=10.00 HA: μ10.00 根据备择假设，为了得到落在上侧尾区的概率P(U u)，将标准化，求出u值。 P(U 1.82)＝0.03438，P 0.05，拒绝H0，接受 HA。 在实际应用中，并不直接求出概率值，而是建立在α水平上H0的拒绝域。从正态分布上侧临界值表中查出P(U uα)= α时的uα值，U uα的区域称为在α水平上的H0拒绝域，而U uα的区域称为接受域。接受域的端点一般称为临界值。本例的u＝1.82，从附表3可以查出u0.05=1.645, u uα，落在拒绝域内，拒绝H0而接受HA。 4、单侧检验和双侧检验 上尾单侧检验：上例中的HA:μμ0，相应的拒绝域为U uα。对应于HA:μμ0时的检验称为上尾单侧检验。 下尾单侧检验：对应于HA:μμ0时的检验称为下尾单侧检验。 其拒绝域为U －uα。 双侧检验：对应于HA:μ≠μ0时的检验称为双侧检验。双侧检验的拒绝域为|U| uα/2 。 5、单侧检验和双侧检验的效率：在样本含量和显著水平相同的情况下，单侧检验的效率高于双侧检验。这是因为在做单侧检验 利用了已知有一侧是不可能这一条件，从而提高了它的辨别力。所以，在可能的条件下尽量做单侧检验。 例 上例已经计算出u =1.82，上尾单侧检验的临界值u9，0.05＝1.645，u uα,结论是拒绝零假设。在做双侧检验时u仍然等于1.82，双侧检验的临界值为u9, 0.05/2 =1.96, |u|u0.025, 不能拒绝零假设。 6、两种类型的错误 （1）I型错误，犯I型错误的概率记为α α＝P（I型错误）＝P（拒绝H0|H0是正确的，μ＝μ0） （2）II型错误，犯II型错误的概率记为β βμ1＝P（II型错误）＝P（接受H0|H0是错误的，μ＝μ1） 例 继续上例，抽出n＝10的样本，＝10.20g，检验假设 H0：μ＝10.00g HA：μ 10.00g 标准化的样本平均数 临界值u0.05 =1.645，u u0.05， P 0.05。结论是不能拒绝H0。 以样本平均数表示的临界值，可由下式得出 在下图中的位置已用竖线标出。犯I型错误的概率α，由竖线右侧μ0＝10.0