第四章显著性检验幻灯片资料.ppt

第四章 显著性检验;小概率事件实际不可能性原理;1.1.3 统计假设检验的基本原理及步骤; 3. 计算概率;根据小概率事件实际不可能原理，当试验的表面效应是试验误差的概率小于0.05时，认为在一次试验中试验表面效应是试验误差实际上是不可能的，因而否定H0，接受HA，即认为试验的处理效应是存在的。;三、显著水平与两种类型的错误 (一)显著水平 ; 对于上述例子　的检验来说，若∣u∣＜1.96 ，则说明试验的表面差异属于试验误差的概率p＞0.05，即表面差异属于试验误差的可能性大，不能否定　　　　　。统计学上把这一检验结果表述为：“总体平均数　与　　差异不显著”，在计算所得的u 值的右上方标记“　　”或不标记符号；; 　　若　　≤|　|＜　　，则说明试验的表面差异属于试验误差的概率p在0.01—0.05之间，即0.01＜p≤0.05，表面差异 属 于 试 验误差的可能性较小，应否定H0：　　　，接受HA：　　　。统计学上把这一检验结果表述为：“总体平均数　与 　 差异显著 ”，在计算所得的　值的右上方标记“*”；;　　若|　|≥2.58，则说明试验的表面差异属于试验误差的概率p不超过0.01，即p ≤0.01，表面差异属于试验误差的可能性更小，应否定H0：　　　，接受HA：　　　。统计学上把这一检验结果表述为：“总体平均数　与　　差异极显著 ”，在计算所得的 值的右上方标记“* *”。; 可以看到，是否否定无效假设 ，是用实际计算出的检验统计数　的绝对值与显著水平　对应的临界　值　　比较： 若|　|≥　　，则在 水平上否定 若|　| ＜ ，则 不 能 在 水 平 上 否定 。; ; 因为在显著性检验中，否定或接受无效假设的依据是“小概率事件实际不可能性原理”，所以我们下的结论不可能有百分之百的把握。; 例如，经检 验获得“差异显著”的结论，我们有95%的把握否定无效假设H0，同时要冒5%下错结论的风险；经 检验获得“差异极显著”的结论，我们有99%的把握否定无效假设H0，同时要冒1%下错结论的风险；而经 检验获得“差异不显著”的结论，在统计学上是指“没有理由”否定无效假设H0，同样也要冒下错结论的风险。; 显著性检验可能出现两种类型的错误：; 　Ⅱ型错误又称为　错误，就是把真实的差异错判为是非真实的差异，即实际上HA正确，检验结果却未能否定H0。 犯Ⅱ类型错误的可能性记为　，一般是随着　　　的减小或试验误差的增大而增大，所以　　　越小或试验误差越大，就越容易将试验的真实差异错判为试验误差。; 　 因此，如果经　 检验获得“差异显著”或“差异极显著”，我们有95%或99%的把握认为，这两个样本所在的总体平均数不相同， 判断错误的可能性不超过5%或1%；若经　 检验获得“差异不显著”， 我们只能认为在本次试验条件下， 这两个样本所在的总体平均数没有差异的假设 H0：　　 未被否定，这有两种可能存在： 或者是这两个总体平均数确实没有差异， 或者是这两个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简单地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。; 显著性检验的两类错误归纳如下：; 为了降低犯两类错误的概率，一般从选取适当的显著水平　和增加试验重复次数　来考虑。因为选取数值小的显著水平　值可以降低犯Ⅰ类型错误的概率，但与此同时也增大了犯Ⅱ型错误的概率，所以显著水平　值的选用要同时考虑到犯两类错误的概率的大小。;对于田间试验，由于试验条件不容易控制完全一致，试验误差较大， 为了降低犯Ⅱ型错误的概率，也有选取显著水平　为0.10或0.20。 通常采用适当增加试验处理的重复次数（即样本容量）， 以降低试验误差，提高试验的精确度， 降低犯Ⅱ型错误的概率。; 　 在【例4·1】中，对应于无效假设 H0：　　　　 　　　的备择假设为HA：　　　。 HA实际上包含了　　　或　　　这两种情况。此时，在　水平上否定域为　　　　和　　　　，对称地分配在　分布曲线的两侧尾部，每侧尾部的概率为　 。这种利用两尾概率进行的检验叫两尾检验.　 为　 水平两尾检验的临界　值。;双侧检验时H0的接受域和否定域;一尾检验; 两尾检验的目的在于判断 与 有无差异，而不考虑 与 谁大谁小。; 例如，目前我国大豆育种工作者认为，大豆籽粒蛋白质含量超过45%（ ）的品种为高蛋白品种。如果进行样品含量检测 ，我们关心的是 所在的总体平均数 大于 。