第四章显著性检验.ppt

;第四章 显著性检验;第一节 显著性检验基本原理 第二节 单个样本平均数的显著性检验 第三节 两个样本平均数差异的显著性检验 第四节 百分数资料的显著性检验 率五节 参数的区间估计;本章主要内容及难点;第一节 显著性检验的基本原理; 例如，大豆籽粒蛋白质含量高于45%(记为μ0)的品种为高蛋白品种。某种子公司对一大豆新品种随机抽取5个样品进行测定，得平均蛋白质含量为 ， 。我们能否根据1.5%就认定该大豆新品种就是高蛋白品种？ ———不一定。;真实差异; 虽然真实差异（ μ－μ0）不能计算，但表面差异（ －μ0）可以计算，试验误差也可以用数理统计方法估计。所以可将表面差异与试验误差比较间接推断真实差异是否存在。 如果（ μ－μ0）=0，我们就说真实差异不存在； 如果（ μ－μ0）≠0，我们就说真实差异存在。这就是显著性检验的基本思想。; 又如，某地做了两个水稻品种对比试验，在相同条件下，两个水稻品种分别种植10个小区，获得两个水稻品种的平均产量为 =510㎏/666.7㎡、 =500㎏/666.7㎡。 =10㎏/666.7㎡。仅凭这个表面差值我们照样不能判断两个水稻品种生产潜力本质上不同。 ;于是; 同样真实差异（ μ1－μ2）不能计算，但表面差异（ ）可以计算，试验误差也可以用数理统计方法估计。所以可将表面差异与试验误差比较间接推断真实差异是否存在。 如果（ μ1－μ2）=0，我们就说真实差异不存在； 如果（ μ1－μ2）≠0，我们就说真实差异存在。;统计假设测验的意义用简式表示为 （ －μ0） μ－μ0＝0？ 由 推断 （ ） μ1－μ2＝0？; 二、显著性检验的步骤; （一）提出假设 对样本所在总体作一个假设。假设喷洒增产素的玉米单穗重总体平均数μ与原玉米单穗重总体平均数μ0之间没有真实差异，记为H0： 或 。也就是假设表面差异（ ）全由抽样误差造成。这个假设叫无效假设（null hypothesis）。 ; 与此对应的还有一个备择假设(alternative hypothesis)。备择假设是在无效假设被否定时，准备接受的假设，记为 HA??? 或 。 具体到这个例子，备择假设意味着喷洒增产素的玉米单穗重总体平均数μ与原来的玉米单穗重总体平均数μ0之间存在真实差异。 ; （二）计算概率 在无效假设成立前提下，根据所检验的统计数的抽样分布规律，计算表面差异（ ）全由抽样误差造成的概率有多大。也就是计算无效假设成立这个事件的概率有多大。 ; 本例是在无效假设H0： 成立的前提下，研究从N（300，9.52）总体中以n=9抽样所得样本平均数 的分布。由抽样分布结论知：;本例;因为 (u0.05=1.96)＜(u＝2.526)＜(u0.01=2.58) ; （三）统计推断 根据小概率原理作出否定或不能否定无效假设的推断。 ; 如果把0.05作为判定小概率事件的标准，那么本例所作的无效假设是一个小概率事件。它在一次抽样中实际不可能发生，因而否定H0：μ=μ0，接受HA：μ≠μ0，认为这个样本所在的总体与原总体存在真实差异。即喷施增产素对这个玉米品种的平均单穗重有真实影响，它能使玉米的穗重增加。 这种利用u分布计算概率进行的假设检验称为u检验。 ;三、显著水平与两类错误; 对u检验，若∣u∣＜1.96，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。统计学上把这一检验结果表述为：“总体平均数μ与μ0差异不显著”； ; 若1.96≤|u|＜2.58，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。统计学上把这一检验结果表述为：“总体平均数μ与μ0差异显著”，u值右上方标记 *； ; 若|u|≥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。统计上把这一检验结果表述为：“总体平均数μ与μ0差异极显著”，U值右上方标记**。 ;假设检验的几何意义： ;