第四章统计假设检验.pptVIP

第二节 样本平均数的假设检验 魏玉清 一、大样本平均数的假设检验--u检验 1、u检验的基本原理 2、u检验的适用条件－抽样分布为正态分布 3、一个样本平均数的检验 解: 二、小样本平均数的假设检验-t 检验 当总体的分布情况以及总体的方差未知，且样本容量很小(n30)时，只有用样本算出的均方s2来估计总体的方差，此时， 1、t 分布的提出 2、u分布与t分布的比较 3、t分布的概率估计 4、t 检验 T检验通过比较t值与tα的大小关系来判断否定还是接受H0 tα可以通过查附表3获得（注意是两尾的临界值） 一尾检验的t临界值tα(1)通过查附表中的相应自由度下对应2α的t2α(2)获得 t表中，ν相同时，P越大，t值越小，反之亦然 因此，当计算所得|t|大于或等于表中所查tα时，说明，其属于随机误差的概率小于或等于规定的显著性水平，即t位于否定区内，则否定H0，否则接受H0 5、单个样本平均数的假设检验 这是检验某一样本所属的总体平均数是否和某一指定的总体平均数相同。 例：某春小麦良种的千粒重μ0 =34g，现自外地引入一高产品种，在8个小区种植，得其千粒重(g)为：35.6,37.6,33.4,35.1,32.7,36.8,35.9,34.6,问新引入品种的千粒重与当地良种有无显著差异？ 检验步骤为： H0：新引入品种千粒重与当地良种千粒重指定值相同，即μ =μ0 =34g；对HA： μ ≠34g 查附表3，ν=7时，t 0.05=2.365。现实得|t|＜tα=2.365，故P＞0.05。 推断：接受H0： μ=34g，即新引入品种千粒重与当地良种千粒重指定值无显著差异。 6、 两个样本平均数的假设检验 这是由两个样本平均数的相差，以检验这两个样本所属的总体平均数有无显著差异。检验的方法因试验设计的不同而分为成组数据的平均数比较和成对数据的比较两种。 （1）成组数据的平均数比较 如果两个处理为完全随机设计，各供试单位彼此独立，不论两个处理的样本容量是否相同，所得数据皆称为成组数据，以组平均数作为相互比较的标准。 对HA：μ1≠μ2，α=0.05 的加权平均值，即： 当n1=n2=n 时，则上式变为： （2）成对数据的比较 若试验设计是将性质相同的两个供试单位配成对，并设有多个配对，然后对每一配对的两个供试单位分别随机地给予不同处理，则所得观察值为成对数据。 成对数据，由于同一配对内两个供试单位的试验条件很是接近，而不同配对间的条件差异又可通过同一配对的差数予以消除，因而可以控制试验误差，具有较高的精确度。 设两个样本的观察值分别为y1和y2，共配成n对，各个对的差数为d=y1-y2，差数的平均数为 它具有ν=n-1。若假设H0：μd=0,则上式改成： 例：选生长期、发育进度、植株大小和其它方面皆比较一致的两株番茄构成一组，共得7组，每组中一株接种A处理病毒，另一株接种B处理病毒，以研究不同处理方法的纯化的病毒效果，表中结果为 作业： 教材第 73页 4.1 —— 4.11 -7 20 20 6 -12 18 6 7 -7 27 20 5 -12 15 3 4 -6 14 8 3 1 12 13 2 -15 25 10 1 d y2(B法) y1(A法) 组别 病毒在番茄上产生的病痕数目，试检验两种处理方法的差异显著性。 假设：两种处理对纯化病毒无不同效果，即： H0：μd=0 ；对HA：μd≠0。显著水平α=0.01。 检验计算： 查附表4， ν=7-1=6时，t0.01=3.707。实得|t|＞ t0.01,故P＜0.01。 推断：否定H0：μd=0，接受HA：μd≠0，即A、B两法对纯化病毒的效应有极显著差异。 第三节 样本频率的假设检验 许多生物试验的结果是用百分数或成数表示的，称为样本频率，如结实率、发芽率等，这些百分数系由计数某一属性的个体数目求得，属间断性的计数资料。 在理论上，这类百分数的假设检验应按二项分布进行，即从二项式(p+q)n的展开式中求出某项属性个体百分数 的概率。 但是，如样本容量n 较大，p较小，而np和nq又均不小于5时, (p+q)n的分布趋近于正态。因而可以将百分数资料作正态分布处理，从而作出近似的检验。 适于用u检验所需的二项样本容量n见下表。 1400 70 0.05 600 60 0.10 200 40 0.20 80 24 0.30 50 20 0.40 30 15 0.50 n (样本容量) (较小组次数) (样本百分数) 表4.1 适于用正态离差检验的二项样本的 和n值表 一、一个样本频率的假设检验 检验某一样本