首页农学农艺学田间试验与统计分析 03 第2章 统计假设测验及T检测1.1.ppt

03 第2章 统计假设测验及T检测1.1.ppt

页数:47页文件大小:1.54 MB来源: 田间试验与统计分析ppt课件

本课件对应第二章第一节,从140个水稻产量观测值的次数分布表入手,说明概率与理论分布的关系,依次讲解二项式分布的组合公式与盲椿象受害概率计算、泊松分布的适用条件与棉铃虫产卵例题、正态分布的曲线特点与标准化概率计算,最后进入抽样分布、两个独立样本平均数差数的分布与中心极限定理。

第二章统计假设测验及T测验章节封面,列出理论分布、统计假设测验与平均数假设检验等五节安排
第一节理论分布与抽样分布目录,列出二项式分布、泊松分布、正态分布与抽样分布
水稻产量连续性资料原始数据表,列出140个小区以g/120cm为单位的产量观测值
查看本课件的文字版(共 47 页,供检索与复制)

第1页:第二章 统计假设测验及T测验

第二章统计假设测验及T测验第一节理论分布与抽样分布Sampling distributions第二节统计假设测验Test of statistical hypothesis第三节平均数的假设检验Test of mean hypothesis第四节二项资料的百分数假设检验Test of percenthypothesis第五节参数的区间估计Estimate of confidence interval

第2页:第一节 理论分布与抽样分布

第一节理论分布与抽样分布Sampling Distributions1. 二项式分布Binomial distribution2. 泊松分布Poisson distribution3. 正态分布Normal Distribution4. 抽样分布Sampling distribution

第3页:水稻产量原始数据

连续性资料的数据分布1772151979712315924511911913114915216710416121412517521911819217617595136199116165214951588313780138151187126196134206137989712914317917415916513610810114114816816317610219414517375130149150161155111158131189911421491541521631232051491551312091839711981149187131215111186118150155197116254239160172179151198124179135164168169173181188211197175122151171166175143190213192231163159158159177147194227141169124159水稻产量g/120cm

第4页:水稻产量次数分布表

整理结果

水稻产量(g/120cm)次数分布表
分组数列组中点值次数(f)
67.5 ~82.5752
82.5 ~97.5907
97.5 ~112.51057
112.5 ~127.512013
127.5 ~142.513515
142.5 ~157.515020
157.5 ~172.516525
172.5 ~187.518021
187.5 ~202.519513
202.5 ~217.52109
217.5 ~232.52253
232.5 ~247.52402
247.5 ~262.52551
总次数(n)—140

说明:源文件该页组限与次数以点线连接且数字粘连,本表按组距15、自67.5起逐组切分,各组次数之和140与原文总次数一致。

第5页:

第6页:水稻产量观测数据(续)

1772151979712315924511911913114915216710416121412517521911819217617595136199116165214951588313780138151187126196134206137989712914317917415916513610810114114816816317610219414517375130149150161155111158131189911421491541521631232051491551312091839711981149187131215111186118150155197116254239160172179151198124179135164168169173181188211197175122151171166175143190213192231163159158159177147194227141169124159

第7页:

第8页:概率与理论分布

概率一般而论,当计算或计量一系列观察个体时,不论周围条件控制得如何严格,这些观察值总是表现出一定的变异类型,服从一些有规律的法则。从科学试验可以看到,这些变异类型多数表现以平均数为中心,次数最多,离平均数愈远,次数愈少,向两极端值作对称的分布;但也有各种不同程度的非对称分布称或偏斜分布。由于变数的次数分布有各种类型,因之相应地有其各种理论分布或法则。这些理论法则乃科学试验的实际变异类型的数学模型,是统计理论的基础。

第9页:二项式分布

1、二项式分布(binomial distribution)

第10页:二项式分布的组合公式

1、二项式分布binomial distribution计算二项式的组合公式:n相当于样本数,x相当于具有某个特性的个体数。这一分布也称贝努里分布,并有二项分布

第11页:盲椿象受害概率例题

调查2000株棉花,盲椿象的受害率为35%(p=0.35),则未受害的概率为q=1-0.35=0.65。若每次调查5株(n=5),则受害1、2、3、4、5株的概率各是多少?其累计函数为:受害i次的概率为:二项分布

第12页:盲椿象受害概率计算表

2000株棉花,盲椿象受害概率的计算结果(每次抽5株,抽N=400次,NP(x)=P(x)×400)

盲椿象受害株数的概率与累计概率(n=5,p=0.35,q=0.65)
受害株数x概率函数P(y)P(x)F(x)NP(x)
0C05×0.350×0.6550.11600.116046.4
1C15×0.351×0.6540.31240.4284124.96
2C25×0.352×0.6530.33640.7648134.56
3C35×0.353×0.6520.18110.945972.44
4C45×0.354×0.6510.04880.994719.52
5C55×0.355×0.6500.00531.00002.12

说明:源文件该页数字与栏目粘连,本表按二项分布公式还原,并已核对P(x)、累计F(x)与NP(x)=P(x)×400均与原文数值一致。

第13页:概率函数图与累计函数图

盲椿象受害的概率函数图和累计概率函数图

盲椿象受害株数的概率函数P(x)与累计函数F(x)
受害株数P(0)P(1)P(2)P(3)P(4)P(5)
P(x)0.11600.31240.33640.18110.04880.0053
F(x)0.11600.42840.76480.94590.99471.0000

第14页:p=q与p≠q时的二项分布

若盲椿象的受害率为p=1/2,则未受害的概率q=1-p=1/2,此时受害概率的分布为p=q的形式。P=q=0.5p=0.35, q=0.65当n很大时,既是p≠q,概率函数也会呈对称分布。二项分布

第15页:泊松分布

2、泊松分布—二项分布的一种极限分布(Poisson distribution)

第16页:泊松分布的定义与条件

2、泊松分布—二项分布的一种极限分布Poisson distribution而n又相当大(50),足以使np或nq为一个适当大的值,例如界乎0与10之间,这样二项分布即为一种极限事例,称泊松概率分布,或简称泊松分布。Poisson distribution应用二项分布时,当概率p或q很小,例如小于0.1,泊松分布

第17页:泊松分布的概率函数

如果将np = m,接近分布为:式中,x=1,2,…, ∞,为任意项的项数。m以平均数估计。凡观察次数n(相当大),某事件出现的平均次数却很少,则该事件符合泊松分布。泊松分布的平均数、方差、标准差为:泊松分布

第18页:棉铃虫产卵的泊松分布

在棉铃虫产卵盛期调查2000株棉花,数据如下表,按照泊松分布计算各分布概率(m=0.0995)。

棉铃虫产卵数的泊松分布计算
每株卵数x观察次数F概率Px理论次数FN
018520.90531810.6
11090.09008180.16
2280.004488.96
3100.0001480.296
410.00000360.0072

说明:源文件该页数字连排,本表按泊松分布m=0.0995还原,观察次数合计2000,m=(0×1852+1×109+2×28+3×10+4×1)÷2000=0.0995,与原文一致。

第19页:正态分布

3、正态分布(Normal Distribution,二项分布的极限)

第20页:研究正态分布的意义

研究正态分布的意义:1.客观世界的许多现象的数据是服从正态分布规律的。2.在适当条件下,正态分布可以用来作二项分布及其它间断性变数或连续性变数分布的近似分布。3.虽然某些总体不作正态分布,但从总体中随机抽出的样本平均数及其它一些统计数的分布,在样本容量适当大时仍然趋于正态分布。正态分布

第21页:正态分布图

正态分布图正态分布

第22页:正态分布曲线的特点

正态分布曲线的特点:1.曲线以平均数为对称轴,左右对称;2.算术平均数、中数、众数三位合一;3.正态分布曲线是以平均数和标准差的不同而表现为一系列曲线;4.正态分布资料的次数分布表现为多数次数集中在算是平均数附近,距之俞远,次数俞少;5.正态分布曲线在离开平均数一个标准差处有拐点,且曲线是以x轴为渐进线;6.正态分布曲线与x轴间的面积为1,任何两个x定值间的面积或概率由平均数和标准差确定。正态分布

第23页:正态分布系列曲线

以平均数和标准差不同的正态分布系列曲线

第24页:正态区间面积或概率

正态分布常用区间的面积或概率
区间面积或概率
μ±1δ0.6827
μ±2δ0.9545
μ±3δ0.9973
μ±1.960δ0.9500
μ±2.576δ0.9900

第25页:区间概率的计算方法

正态分布曲线区间面积或概率的计算方法:正态分布曲线区间(x<a)面积或概率的计算方法:正态分布

第26页:标准化正态离差U

为了简化,一般以一个新数U代替x,即将x离开其平均数的差数以标准差为单位进行转换,U称为正态离差,经转换后的分布为具有平均数µ=0,标准差δ=1的标准化正态分布。转换后的正态分布曲线为:正态分布

第27页:正态概率计算例题

例:假定x为一随机数且具有正态分布特性,平均数µ为30,标准差δ为5,请计算x<26, x<40, 26<x<40, x>40时的概率值。解:查附表2可得:当U=-0.8时,FN(x)=0.2119即x≤26的概率为0.2119。计算x ≤40时得概率值。同理:x≤40时,当U=2时,查表得FN(x)= =0. 9773 即x≤40时的概率为0. 9773。正态分布

第28页:正态分布曲线

正态分布(本页源文件仅提取到标题文字,建议对照原课件图片补充图形内容)

第29页:区间概率的计算结果

计算:26<x≤40时的概率值。P(x)=P(26<x≤40)=FN(40)-FN(26)=0.9773-0.2119=0.7654计算:P(x>40)时的概率值。P(x>40)= 1-P(x≤40)=1-0.9773=0.0227正态分布

第30页:抽样分布

4. 抽样分布Sampling distribution统计数或统计量的分布称为抽样分布。目的: 从样本推断总体。

第31页:总体与样本的两个研究方向

(1)从总体到样本的方向:其目的是研究从总体中抽出所有可能样本统计量的分布及其与原总体的关系。(2)从样本到总体的方向:用样本对总体作出推断。研究总体和样本之间的关系可从两个方向进行:

第32页:抽样方式与抽样试验方法

抽样方式:(1)复置抽样(2)不复置抽样抽样试验方法:(1)直接研究法:从一个总体抽取样本而计算其统计数。(2)Monte-Carlo研究法:当N或n很大时,直接法研究有困难,可采用从已知概率分布的总体中按拟定样本容量,用随机方法抽出相当多的样本,从这些样本计算统计数,列出其次数分布表。这些抽样分布结果也可以大概证实总体的参数和分布律。抽样分布

第33页:样本平均数的抽样分布

样本总体与母体的关系1. 样本平均数的抽样分布平均数和方差的推导

第34页:不同样本容量的抽样分布

不同样本容量的样本平均数的抽样分布

总体N=3(观察值2、4、6),样本容量n=1、2、4、8;各样本容量的样本平均数分布均数均为4,方差依次为8/3、4/3、2/3、1/3。

本页源文件为图片,抽取文字后数据严重粘连,无法安全切分为规范表格,建议对照原课件图片核对。

第35页:样本总和数的抽样分布

2. 样本总和数的抽样分布

  • 抽样分布的平均数与母总体平均数的关系正态总体抽样的分布
  • 抽样分布的方差与母总体方差的关系

第36页:两样本平均数差数的抽样分布

  • 正态总体抽样的分布3. 两个独立随机样本平均数差数的抽样分布该抽样分布的平均数与母体的平均数相等。若两个总体各作正态分布,则其样本平均数差数准确地遵循正态分布,无论样本容量大或小。
  • 该抽样分布的方差与母体方差的关系为:两个独立的样本平均数的差数分布的方差等于两个总体的样本平均数的方差总和:两个独立随机样本平均数差数的抽样分布

第37页:两总体抽样例题

例题:第一个总体有三个观察值2、4、6 (N1=3),样本容量为(n1=2),全部样本数为Nn=32=9,总体平均数µ1=4 ,总体方差=8/3 第二个总体有两个观察值3、6 (N2=2),样本容量为(n2=3),全部样本数为Nn=23=8,总体平均数µ2=4.5 ,总体方差两个独立随机样本平均数差数的抽样分布

第38页:样本平均数的次数分布

从两个总体抽出样本平均数的次数分布

第一个总体:2、4、6(N1=3,n1=2);第二个总体:3、6(N2=2,n2=3)。

本页源文件为图片,抽取文字后样本观察值与次数严重粘连,无法安全切分为规范表格,建议对照原课件图片核对。

第39页:样本平均数差数的次数分布

样本平均数差数的次数分布

差数x1-x2取值由-4到3,总次数72,差数之和-36,据此计算平均数与方差。

本页源文件为图片,抽取文字后各列数字严重粘连,无法安全切分为规范表格,建议对照原课件图片核对。

第40页:两种方差算法比较

两种方法计算结果相同两个独立随机样本平均数差数的抽样分布平均数差数的方差算法1平均数差数的方差算法2平均数差数

第41页:中心极限定理

中心极限定理(Central Limit Theorem)从正态总体抽取样本,无论样本容量大与小,其样本平均数的抽样分布必呈正态分布,具有平均数和方差分别为:平均数的分布一般记为:当总体不是正态分布的,但它具有δ2和μ,那么,当样本容量n增大时,从该总体抽出的样本平均数的抽样分布亦必趋近正态分布,具有平均数μ和方差δ2/n,在实际应用时,当n>30时,就可以应用这一定理。

第42页:二项总体抽样的分布

二项总体抽样的分布(1). 二项总体的分布参数(2). 样本平均数抽样分布(3). 样本综合数的抽样分布

第43页:二项总体的分布参数

(1) 二项总体的分布参数

例:一个总体内有5个个体,分别为0、1、0、1、1。

  • μ=(0+1+0+1+1)÷5=0.6,所以 μ=p
  • σ2=[(0-0.6)2+(1-0.6)2+……+(0-0.6)2]÷5=0.24

第44页:样本平均数抽样分布(二项总体)

(2). 样本平均数抽样分布

  • 平均数,
  • 方差,
  • 标准误,(每次取一个样,即: n =1)

第45页:样本总和数的抽样分布

(3) 样本总和数的抽样分布(本页源文件仅提取到标题,建议对照原课件图片补充公式内容)

第46页:二项总体抽样分布小结

二项总体抽样的分布二项总体的平均数μ=p,方差σ2 =p(1-p)=pq标准差为样本平均数抽样分布平均数,方差,标准误,

第47页:部分希腊字母读音表

部分希腊字母的读音

常用希腊字母与英语读音对照表
字母英语读音字母英语读音字母英语读音
αAlphaκkappaρRho
βBetaλlambdaσSigma
γGammaμMuτTau
δDeltaνNuυUpsilou
εepsilonξXiφPhi
ζZetaοOmicronχKai
ηetaπpiωomega

说明:源文件该页为三栏排版,本表按栏序还原为三列;原文未列出θ(theta),此处依原文保留。

顶部目录