数理统计方法的正确使用-修改稿.pptVIP

6重要的数理统计学常识 2）正态分布检验 目的：检验样本是否来自正态分布的总体 原假设：样本来自正态分布的总体 分布检验只能使用非参数方法（只有分布形式已知时才能使用参数方法）。 不同的统计软件给出了不同的检验方法。 * 正态分布检验 在SAS中，提供了Shapiro-Wilk(适用于样本量小于50的情形)检验法。此检验无单尾、双尾之分。 在 SPSS 中提供了卡方检验（Chi-Square Test）和单样本的 Kolmogorov-Smirnov (柯尔莫哥洛夫-斯米尔诺夫，简称K-S)检验。后者比前者精确一些，建议采用。 * 正态分布检验 单样本的 Kolmogorov-Smirnov(柯尔莫哥洛夫-斯米尔诺夫，简称K-S)检验属于双侧检验，计算检验统计量（Z）的双尾概率。 * 6 重要的数理统计学常识 3) 均值比较 a)将样本均值与某一特定值相比：t-检验（参数检验） 原假设：总体均值与特定值无显著差异 前提：样本来自正态分布的总体 双侧检验：是否等于。 单侧检验：已知不可能大于（或不可能小于），检验是否等于。 * b)比较2个独立样本均值： t-检验（参数检验） 原假设：2个样本所代表的2个总体的均值无显著差异 用于对2个来自正态分布总体的样本的大小进行比较，且2个样本相互独立（无相关关系）。 改检验有单侧和双侧之分。 均值比较 5 重要的数理统计学常识 3)均值比较 c) 比较2个独立总体大小的非参数检验 适用于对2个顺序变量的大小进行比较或对2个不服从正态分布的数值变量的大小进行比较 “Mann-Whitney U” 检验：适合样本量较大的样本。 “Wilcoxon秩和”检验：与“Mann-Whitney U” 检验在本质上完全等价。 Kolmogorov单侧检验：适用于样本量较小的样本。 * 5 重要的数理统计学常识 3)均值比较 d)比较多个来自正态分布总体的样本均值的检验方法：单因子方差分析（single-factor anova）。 对于将因子作为固定处理（而不是随机变量）的情形，即模型1单因子方差分析，实际上可以看作比较2个总体均值的t-检验的直接推广。该方法属于参数检验。 有关假定：多个样本相互独立、样本均服从正态分布、方差同质性（各个样本的方差大小没有显著差异）等。 原假设：各样本的均值间无显著差异，即某影响因子的不同取值（等级）对各样本的大小没有影响。 * 5 重要的数理统计学常识 3)均值比较 d)比较多个来自非正态分布总体的样本均值的检验方法： Kruskal-Wallis检验：该方法基于顺序变量设计，用于检验3个以上独立样本是否来自大小相同的总体，是应用最广泛的非参数检验方法。 推广的中位数检验：用于检验3个以上的独立样本是否来自中位数无显著差异的样本。该方法检验功效低，不推荐采用。原假设：各独立样本所代表的总体的中位数无显著差异。 Friedman秩方差分析：用于检验3个以上相关样本是否来自大小相同的总体。 * 案例1 2.4 Cd、Pb之间的交互作用 如表4所示，三种花卉植物各部位对重金属Cd、Pb的积累量与培养溶液中所投加的Cd、Pb量之间，可以很恰当地被各多元回归方程表示出来，它们之间呈极显著相关关系（P0.01），并且各部位的Cd、Pb积累量与溶液中所投加的该种重金属浓度之间也呈极显著相关关系，各对应偏相关系数的差异性显著标准值P都小于0.01。 * 对于凤仙花，其地上部积累Cd量与所投加的Pb量呈显著正相关，而根部却与所投加的Pb量呈负相关，但这种作用是不显著的，因此可认为根部积累Cd量与所投加的Pb量无关，地上部和根部积累的Pb量与所投加的Cd量都呈负相关，只不过对于前者是极显著的，对于后者不显著，因此可认为，Pb对凤仙花地上部积累Cd有显著的促进作用，而Cd对凤仙花地上部积累Pb有极显著的抑制作用，两种情况下对于根部却都没有明显影响。 案例1 对于金盏菊，其地上部和根部积累Cd量与所投加的Pb量呈负相关，但只对根部是显著的，而对于地上部Pb积累量与所投加的Cd量之间呈显著负相关，对于根部Pb积累量反而成显著正相关。总之，Pb对金盏菊根部积累Cd有抑制作用，而Cd对金盏菊地上部吸收Pb有抑制作用，对根部积累Pb有促进作用。 案例1 案例1中隐含的相关性的判定标准 有相关性，但不显著（p0.05）; 有相关性，显著（0.05p0.01）; 有相关性，极显著（p0.01）. * 案例2 在下表中，作者将回归方程的可决系数误称为“相关系数”。 * 案例3 2.10 相关性分析 所有相关数据分析，通过SPSS10.0软件分析完成,采用t测验法检验相关系数的显著性。 * 案例3（续） 表2：喷洒菌株与TSNA与硝酸盐、亚硝酸盐的相关性及显著性分析 Table2: The c