第二章 生物统计基础知识 3 假设检验剖析.pptx

统计假设检验;统计假设检验 Statistical hypothesis testing;一、统计假设 Statistical hypothesis;假设的种类 Types of hypothesis;二者是对立事件，一起构成完全事件系。 H0 成立，则否定 HA，称为差异不显著； H0 被否定，则接受 HA，称为差异显著。;;显著水平 significance level ;假设方法 Method of hypothesis;随机抽测10株油松苗木和10株樟子松苗木的高度（cm），数据见下表 ;;;; 对于上述例子，研究在无效假设H0： = 成立的前提下，统计量（ - ）的抽样分布。经统计学研究，得到一个统计量t： 其中： = 叫做平均数的标准差；n1、n2为两样本的含量。 ; 所得的统计量 t服从自由度 df =（n1-1）+(n2-1)的t分布。 根据两个样本的数据，计算得： - =11-9.2=1.8；; 我们需进一步估计出 |t| ≥2.426的两侧概率，即估计P（|t|≥2.426）是多少？ 查附表3，在 df =(n1-1)+ (n2-1) =(10-1)+(10-1)=18时，两侧概率为0.05的临界值： = 2.101， P(|t|2.101)= P(t2.101)+ P(t -2.101)=0.05 两侧概率为0.01的临界t值: =2.878， 即： P(|t|2.878)= P(t2.878) + P(t-2.878)=0.01 ;;小概率原理 统计学上把发生概率小于5%的事件成为小概率事件，小概率事件在一次试验中是几乎不可能发生的。 根据这一原理，当试验的表面效应是试验误差的概率小于0.05时，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。;;;t 检验——主要用于检验两个处理平均数差异是否显著； 方差分析——主要用于检验多个处理平均数间差异是否显著； ;二、统计假设检验的基本方法 ; 中心极限定律证明：当样本容量 n 很大时，不论原总体是否属于正态分布，样本平均数 都遵从正态分布。;;第2步：假定 H0 正确，计算检验所用统计量的值。;;;;一、u 检验 u-test;;;例3 ;第2步：计算 u 值;二、 t 检验 t-test;;;;t 检验方法步骤 ;例;;例 对水稻进行等氮量的硫铵，硝铵化肥品种肥效试验，目的在于了解二者有无差异。试验设计和结果见表; 对于上述例子，研究在无效假设H0： = 成立的前提下统计量（ - ）的抽样分布。经统计学研究，得到一个统计量t： 其中： 叫做平均数的标准差；n1、n2为两样本的含量。 ; 所得的统计量 t服从自由度 df =（n1-1）+(n2-1)的t分布。 根据两个样本的数据，计算得： - =511.2-478.4=32.8；; 我们需进一步估计出 |t| ≥2.426的两侧概率，即估计P（|t|≥2.426）是多少？ 查附表3，在 df =(n1-1)+ (n2-1) =(10-1)+(10-1)=18时，两侧概率为0.05的临界值： = 2.101， P(|t|2.101)= P(t2.101)+ P(t -2.101)=0.05 两侧概率为0.01的临界t值: =2.878， 即： P(|t|2.878)= P(t2.878) + P(t-2.878)=0.01 ;;;SPSS应用—均值分析;;SPSS应用—独立样本的T检验;;;;总结：显著性检验中应注意的问题 上面我们已详细阐明了显著性检验的意义及原理。进行显著性检验还应注意以下几个问题： 1、为了保证试验结果的可靠及正确， 要有严密合理的试验或抽样设计，保证各样本是从相应同质总体中随机抽取的。并且处理间要有可比性，即除比较的处理外，其它影响因素应尽可能控制相同或基本相近。否则，任何显著性检验的方法都不能保证结果的正确性。 ; 2、选用的显著性检验方法应符合其应用条件 。 由于研究变量的类型、问题的性质、条件、试验设计方法、样本大小等的不同，所用的显著性检验方法也不同，因而在选用检验方法时 ， 应认真考虑其适用条件，不能滥用。 ;