第四章显著性检验题库.pptVIP

= = ＝29.255（g） =2.587(g) = = =0.862(g) 所以t值为： = =2.036 统计推断:由df=9-1=8查临界t值，得： ，计算所得的 ，故p＞0.05，不能否定 ，表明新育成品种千粒重与当地良种汕优63的千粒重差异不显著，可以认为新育成品种千粒重与当地良种汕优63的千粒重相同。 湖南大学研究生院隆平分院 中南大学研究生院隆平分院 第四章 显著性检验 进行田间试验的目的是用所获得的样本资料来推断总体特征。由样本推断总体的过程称为统计推断，包括假设检验和参数估计。 统计推断：把试验表面效应与误差大小相比较，并由表面效应可能属于误差的概率而作出推论的方法。也就是从一个样本或一系列样本所得结果去推断其总体结果，包括参数估计和假设测验。参数估计又分为点估计和区间估计。 显著性检验：先作处理无效的假设（无效假设），再根据获得该假设的概率大小来决定接受或否定该假设的过程。 一、统计学相关基础知识 二、显著性检验的基本原理 显著性检验的意义： 一个试验相当于一个样本，样本平均数可用来估计总体平均数。但样本平均数是因不同样本而变化的，即样本平均数存在抽样误差。用存在误差的样本平均数来推断总体，其结论并不是绝对正确的。 试验研究中，试验因素或处理对所研究的性状的作用， 称之为效应。试验所得的结果属于表面效应，包括处理效应 和误差效应。处理效应是表面效应中试验因素所占的部分， 误差效应即表面效应中非试验因素所占的部分。 当处理效应比误差效应大、且大到一定程度时， 即表面 效应是属于因试验误差所造成的为小概率事件时，才能认为 处理效应是真实存在的，其差异是处理因素带来的。 例如，某地水稻良种的常年平均产量为550kg /667m2（总体），若一个新品种多点试验结果为600kg/667m2(样本)，试问新品种的产量是否显著高于当地良种？ 新品种产量比当地良种高50kg/667m2，这个差数50kg是表面效应，可能是新品种产量潜力高所致，也可能是试验误差造成。如何去判断呢？方法就是就表面效应与试验误差进行比较，看误差在表面效应中占有多大份量，若误差效应小，则说明是品种的真实效应，新品种显著优于当地良种。 具体方法是根据抽样分布理论计算出抽样误差的概率，并由“小概率事件的实际不可能性”原理作出推断。 统计推断自始至终都是针对试验误差来进行的。 三、显著性检验的步骤 举例来介绍显著性检验的基本步骤。 例：已知某玉米品种单穗重x～N(300，9.52)，即单穗重总体 平均数μ0＝300g，标准差σ＝9.5g。 在种植过程中喷洒了某 种农药的植株中随机抽取9个果穗，测得平均单穗重为308g， 试问这种农药对该玉米单穗重有无真实影响？ 检验方法是先按研究目的提出一个假设，然后通过试验 或调查，取得样本资料进行统计分析，检查其资料结果是否 与所做假设相符合。若两者甚相符合，则接受假设；如果两 者不符，就予以否定，作出推断。怎样推断两者是否相等？ 用什么做标准呢，即怎样确定是否符合的界限呢？ 1、提出假设 统计假设——关于某一总体参数的假设。而利用样本以测验假设是否正确的过程，就称为一个假设正确性的统计证明——亦称之为统计假设测验。通过测验发现试验结果与假设相符，就接受该假设，反之就否定该假设。 统计假设可分为无效假设和备择假设。 统计假设的提出： 对单个平均数的假设：一个样本是从一个具有平均数μ的总体中随机抽出的，记作 H0：μ=μ0。 本例中，可假设喷洒农药对玉米果穗重无效，即喷洒农药果穗重（μ）与不喷洒农药的果穗重（μ0）相同。 对两个平均数相比较的假设：两个样本是从两个具有相等平均数的总体中随机抽出的，记为H0：μ1=μ2或H0：μ1- μ2 =0。 例如：甲乙两种肥料的肥效相等，两个新品种的产量相等，……。 提出无效假设的目的 目的在于可以从假设的总体里推论其平均数的随机抽样分布，可以算出某一样本平均数指定值出现的概率，研究样本和总体的关系，作为假设测验的理论依据。故假设测验时直接测验的是无效假设。 如果首先提出的是两者有显著差异，即两者不是来自同一个总体，就建立不起一定的关系，无从计算样本平均数来自其总体的概率。 2、计算概率 在Ho为正确的条件下，获