试验资料的统计假设测验.pptVIP

第七章试验资料的统计假设测验统计学的目的不只是为了研究样本，而是要通过样本的结果来推断其所属总体的特征。即统计推断问题。所谓统计推断,就是根据抽样分布律和概率理论，由样本结果（统计数）对总体特征（参数）进行推论。试验研究所获得的资料，通常是从样本得到的结果，而我们的目的是希望知道样本所属总体的情况。因此，统计推断是科研工作中的一个十分重要的工具。统计推断的基本内容有两个方面，一个是进行统计假设测验，也叫差异显著性测验;另一个是参数估计。第一节概率的基本知识假定在同一组条件下重复进行同一类试验或调查，随机事件A在若干试验中出现的次数称为频数（a）,频数与所进行试验总次数（n）之比称为频率（a/n），则当试验或调查的次数n逐渐增大时，随机事件A的频率（a/n）将稳定地在某一数值P附近摆动，而且当n愈增大时这种摆动的幅度愈变愈小（即频率的稳定性），则定义随机事件A的概率为P，并记为：P（A）=P在通常情况下，由于P是一个理论值，实际中P不可能准确获得的，所以人们常用n充分大时事件A的频率作为该事件概率P的近似值，即P（A）=P～(a/n)而且：0?P(A)?1随机事件的概率表现了事件的客观统计规律，反映事件在一次试验中发生的可能性大小。P(A)愈大，事件A就愈容易发生。如P(A)=1，那么，事件A是必然事件；相反，P(A)愈小，事件A就愈不容易发生，当P(A)=0时，表示事件A根本不可能发生，成为不可能事件。若事件A发生的概率很小，如小于0.05或0.01，表示事件A在一次试验中出现的可能性很小，以至实际上不可能出现，这称为“小概率事件实际不可能性”原理。概率论的“小概率事件实际不可能性”原理是统计假设性测验的基本原理。在生物统计上，常把事件发生的概率小于5%叫做小概率事件。概率计算法则：1.若事件A与事件B是互斥事件，其概率分别为P(A)和P(B)，则事件A与B的和事件的概率等于事件A的概率与事件B的概率之和，即：P(A+B)=P(A)+P(B)若事件A的概率为P(A)，那么其对立事件B的概率为：P(B)=1-P(A)若事件A1、A2、A3、…、An构成试验的完全事件系，则：P（A1+A2+A3+…+An）=12.若事件A的发生与否并不影响事件B发生的可能性，那么就称事件A和事件B相互独立。设事件A和事件B的概率分别为P（A）和P（B），则事件A和事件B同时发生或相继发生的事件概率等于两个独立事件的概率之乘积。即：P（AB）=P（A）?P（B）概率的乘法定理可扩及到多个独立事件的运算。第二节二项分布与正态分布一、二项分布（一）、二项总体在生物科学研究中，有些总体的各个个体的某种性状，只能发生非此即彼的两种结果，即观察值只有两类，用0，1表示，0和1为对立事件（有时虽然在实际上并不是只是“此”“彼”两种事件，但在一定意义上可以看作只有此”“彼”两种事件），这种由非此即彼事件构成的总体称为二项总体，又称为0、1总体。为研究方便，将二项总体中的“此”事件以变量“1”表示，其概率用p表示；将“彼”事件用变量“0”表示，其概率用q表示，其概率显然有或的关系。二项总体的参数：?=pσ2=pq(二)、二项分布1.二项分布是一种最重要的非连续性随机变量的分布，是一种与重复试验相联系的概率分布。假设从二项总体中独立抽取n个个体，把这n个个体作为一个样本，则可以抽得n+1个样本，将每一样本的n个观察值加起来得到样本总和数，那么，这n+1个样本的总和数又构成一个新总体，这个新总体就称为二项总体的样本总和数总体，样本总和数总体的概率分布就叫二项概率分布，简称二项分布。二项分布中任何一项概率的通式为:P(x=K)=Cnkpkqn-k显然有：ΣCnkpkqn-k=（p+q)n=12.二项分布的形状与参数二项分布的参数为：?=npσ2=npq二项分布的图形形状取决于n和p。所以如果变数x服从二项分布，可记为：x—B（n，p）第三节平均数的抽样分布第四节统计假设测验的步骤及原理第五节平均数的假设测验第六节参数的区间估