统计学课件-统计推断.pptVIP

2、当 5 np 或 nq 30，需进行连续性矫正， 如果n 30 ,用t检验： 在H0: p1 = p2下， 例：研究地势对小麦锈病发病的影响 比较两块麦田锈病发病率是否有显著性差异。 低洼地麦田378株，其中锈病株342株 高坡地麦田396株，其中锈病株313株 （3）事先不知两块麦田的锈病发病率孰高孰低， 用双尾检验。 分　析 （1）2个样本频率的假设检验； （2） np 和 nq 30 ，无需连续矫正，用u检验； （１）假设 （2）水平 （3）检验 H0: p1=p2　即两块麦田锈病发病率没有显著差异。 HA: p1 ≠ p2 选取显著水平α＝0.01 在0.01显著水平上，否定H0，接受HA； 认为两块麦田锈病发病率有极显著差异，即地势对小麦锈病的发生有极显著影响作用，低洼地小麦锈病的发病率极显著高于高坡地。 （4）推断 u2.58，P0.01 例：某鱼场发生了药物中毒， 检验甲、乙两池发生药物中毒以后，鱼的死亡率是否有显著性差异。 抽查甲池中的29尾鱼，有20尾死亡 抽查乙池中的28尾鱼，有21尾死亡 （3）事先不知两池鱼的死亡率孰高孰低，用双尾检验。 分　析 （1）2个样本频率的假设检验； （2） 5 np 和 nq 30 ，需进行连续矫正， 因n130，n230，用t检验； （１）假设 （2）水平 （3）检验 H0: p1=p2　即甲乙两池鱼的死亡率没有显著差异 HA: p1 ≠ p2 选取显著水平α＝0.05 df=29+28-2=55 在0.05显著水平上，接受H0，否定HA； 认为发生药物中毒后，甲、乙两鱼池鱼的死亡率没有显著差异。 （4）推断 t 0.05(55) = 2.004， t c t 0.05(55) 第四节：参数的区间估计与点估计 一、参数区间估计与点估计的原理 三、两个总体平均数差数的区间估计与点估计 二、总体平均数的区间估计与点估计 四、总体频率、两个总体频率差数的区间估计与点估计 一、参数区间估计与点估计的原理 参数的区间估计与点估计是建立在一定理论基础上的一种方法。 由中心极限定理和大数定律，只要抽样为大样本，不论其总体是否为正态分布，其样本平均数都近似服从正态分布N(μ，σ2/n)。 ?0 0.95（接受区） 0.025 0.025 临界值 接受区 ?0-1.96?x ?0+1.96?x uα：正态分布下置信度P=1- α时的u临界值 1- α：置信水平 知道 x ，但不知道μ 1- α置信区间、置信距 用样本平均数 x 对总体平均数μ的置信度为P=1-α的区间估计。 用样本平均数 x 对总体平均数μ的置信度为P=1-α的点估计。 分　析 （１）σ12和σ22未知，且不相等，都小样本， 且n1=n2 ,用df=n-1的t检验。 （２）事先不知道两个品种千粒重孰高孰低， 故而用双尾检验。 （１）假设 （2）水平 （3）检验 H0:μ1＝ μ2，即认为两品种千粒重无显著差异。 HA: μ1 ≠ μ2 选取显著水平α＝0.05 （4）推断 在0.05显著水平上，否定H0，接受HA； 认为两品种千粒重存在明显差异，即品种甲的千粒重显著高于品种乙。 t 0.05(9) =2.262 P0.05 df=n-1＝9 3 σ12≠σ22，n1 ≠ n2，采用近似地t检验，即 Aspin-Welch检验法。 检验两品种小麦蛋白质含量是否有显著差异？ 分　析 n1 ≠ n2 ，用近似的t分布，使用双尾检验。 测定农大193的蛋白质含量（％）5次，x2=11.7，s22=0.135 测定东方红3号的蛋白质含量（％）10次，x1=14.3，s12=1.621 （１）假设 （2）水平 （3）检验 H0:σ12=σ22=σ2 HA: σ12 ≠ σ22 （4）推断 两样本方差有显著不同。 选取显著水平α＝0.05 例： （１）假设 （2）水平 （3）检验 H0:μ1＝μ2，即两品种蛋白质含量没有显著差别。 HA: μ1 ≠ μ2 选取显著水平α＝0.01 （4）推断 在0.01显著水平上，否定H0，接受HA； 认为两品种蛋白质含量有极显著差异，东方红3号小麦蛋白质含量极显著的高于农大193。 t 0.01(12) = 3.056 P0.01 成对数据平均数的比较 将性质相同的两个样本（供试单位）配偶成对，每一对除随机地给予不同处理外，其他试验条件应尽量一致，以检验处理的效果，所得的观测值称为成对数据。 x1 x2 样本1 样本2 …… n对 样本差数的平均数等于样本平均数的差数 H0: μd=0 df = n-1 样本差数的方差 样本差数平均数的标准误 t