常用的显著性检验方法解析.pptxVIP

常用的显著性检验方法解析;1.1 可疑值和异常值 可疑值：当对同一样品进行重复测定时，一组数据中有一、两个测定值明显地偏大或偏小，称之为可疑值； eg.酸碱滴定检测中，获得下列数据： 5.38, 5.38, 5.39, 5.40，5.41, 5.51 可疑值的处理: 1. 经分析,是属于技术上的失误,不论是否属于可疑值,均应舍弃; 2. 若不能确定是技术上的失误,则应进行统计假设检验.;1.2 几种常用可疑值的检出方法 1. 利用算术平均误差δ检查 除去可疑值后,求出δ 计算可疑值与平均值之差d =| - | 若d≥2.5 δ时, 可疑值舍去;反之,保留.;2 拉衣达准则 对于实验数据x1，x2，…xn，先计算出平均值 和标准差s， 若某个可疑值的离均差满足|di|=|xi - |＞3s(或 2s)， 3s (或2s) 作为极限误差，则认为xi是异常数据，予以剔除。 选择 3s 还是 2s 作为极限误差,取决于检验的显著性水平α, 或者可信度1- α. 3s相当于显著性水平α=0.01, 2s相当于显著性水平α=0.05. 注:计算平均值和标准差时可疑值包括在内.;;;例1：某一酿造厂新引进一种酿醋曲种，以原曲种为对照进行试验。已知原曲种酿出的食醋醋酸含量平均为μ0＝9.75％，其标准差为σ＝5.30％。现采用新曲种酿醋，得到30个醋样，测得其醋酸含量平均为 ＝ 11.99％。试问，能否由这30个醋样的平均数 判断新曲种好于原曲种？;例2：A，B两种肥料，在相同条件下各施用于5个小区的水稻上，水稻产量平均分别为 ,二者相差20kg. 那么20kg差异究竟是由于两种肥料的不同而造成的还是由试验的随机误差造成的？; 以上这几种问题的判断均是由样本去推断总体的，属于统计假设检验问题，均是来判断数据差异、分布差异是由处理引起，还是仅仅由于随机误差引起的。; 通过试验测定得到的每个观测值 ，既由被测个体所属总体的特征决定，又受其它诸多无法控制的随机因素的影响。所以观测值 由两部分组成，即 = + 总体平均数 反映了总体特征， 表示试验误差。 若样本含量为n ，则样本平均数: ;试验表面效应为: ;小概率事件实际不可能性原理;;无效假设:; 如前例，原假设H0： ，即假设由新曲种酿造出的食醋的醋酸含量与原菌种酿造的食醋醋酸含量相等，这个假设表明: 采用新曲种酿造食醋对提高醋酸含量是无效的，试验的表面效应是随机误差引起的。; 对前例分析，无效假设H0：　　 成立，试验的表面效应是随机误差引起的。那么，可以把试验中所获得的　 看成是从　 总体中抽取的一个样本平均数，由样本平均数的抽样分布理论可知，; 由样本值计算统计量u值，; 本例计算出的统计量u＝2.315， 1.96 2.58，所以可推知其概率;当试验的表面效应是试验误差的概率大于0.05时，即P0.05, 则说明无效假设成立的可能性大，不能被否定，因而接受无效假设。 当试验的表面效应是试验误差的概率小于0.05时 ，即P《0.05，可以认为 　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， 　因而否定原先所作的无效假设H0，接受备择假设HA，即认为 　试验的处理效应是存在的。; 在统计假设检验中，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”。用来确定否定或接受无效假设的概率标准叫显著性水平（significance level），记作α。 在试验研究中常取α=0.05或α=0.01。 ;差异测验显著水平的确定;究竟选用那个显著性水平呢?; 统计假设检验的步骤; 在上述显著性检验中，对应于无效假设 的备择假设为 。它包含了 或 两种可能。 因而有两个否定域，分别位于分布曲线的两尾。对两尾进行检验的方法称为双尾检验. ; 这样，在α水平上否定域有两个 和 ，对称地分配在u分布曲线的两侧尾部，每侧的概率为α/2，如下图所示。这种利用两尾概率进行的检验叫 双侧检验（two-sided test），也叫双尾检验（two-t