第四章显著性检验1016.pptxVIP

第四章显著性检验;小概率事件实际不可能性原理;;一般情况下α=0.05

;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。; 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。

此时的无效假设仍为H0：，但备择假设则为HA：。这时否定域位于分布曲线的右尾，即。

例如当=0.05时，否定域为。; 又如，国家规定稻米中某种农药成分的残留物含量应低于0.1%（）。在抽检中，我们关心的是所在的总体平