首页农学农艺学田间试验与统计分析 04 第2章 统计假设测验及T检测2.2.ppt

04 第2章 统计假设测验及T检测2.2.ppt

页数:32页文件大小:6.67 MB来源: 田间试验与统计分析ppt课件

本课件讲解统计假设测验,先给出样本、表面效应、统计假设与统计推断等概念,再按提出无效假设、确定显著水平、计算概率、依据小概率原理作出推断四步展开;随后以小麦新品种产量和13岁男孩身高两个完整例题演示两尾测验与一尾测验的判断过程,最后分析弃真与纳伪两类错误及其控制途径。

第二节统计假设测验目录页,列出基本步骤、两尾测验与一尾测验、两类错误三部分
统计假设与统计假设测验的概念,说明统计推断是比较表面效应与误差大小的方法
统计假设测验的前两步,提出无效假设与备择假设并确定显著水平α值
查看本课件的文字版(共 32 页,供检索与复制)

第1页:第二节 统计假设测验

第二节统计假设测验Test of statistical hypothesis1、统计假设测验的基本步骤2、两尾测验与一尾测验3、假设测验的两类错误

第2页:统计假设测验的概念

问题的提出:试验结果能否反映实际情况?

  • 概念:样本:试验研究的一组数据。表面效应:观察到的现象(试验结果),
  • 统计假设(statistical hypothesis):假设某一试验结果与原来设想的“不一样”或“一样”,称为统计假设。
  • 统计假设测验(Test of statistical hypothesis):先设置处理(Treatment)(水平Level)无效(无效假设),再依据假设的概率大小来判断接受或否定该假设的过程。
  • 统计推断是:将试验的表面效应与误差大小相比较,由表面效应可能属于误差的概率作出推断的方法。

第3页:提出无效假设与确定显著水平

1、统计假设测验的基本步骤1.1 提出无效假设无效假设(H0Null hypothesis),H0:µ=µ0或µ1=µ2,总体平均数(µ0)备择假设(HAAlternative hypothesis),HA:µ ≠ µ0或µ1 ≠ µ2。1.2 确定显著水平α值(significance level)确定接受区或否定区的范围。记做α=0.05 或α=0.01。

第4页:显著水平

显著水平(Significant level):用来测验假设的概率标准,常用α来表示,如α=0.01,α=0.05。其取值的大小由我们的试验材料、试验结果的要求、我们希望最大可容忍的下错误结论的危险性等所决定的。

第5页:区间概率与显著水平对照

正态分布区间面积或概率与显著水平的对应
区间面积或概率对应显著水平
μ±1δ0.6827—
μ±2δ0.9545—
μ±3δ0.9973—
μ±1.960δ0.9500α=0.05
μ±2.576δ0.9900α=0.01

说明:源文件该页数字与文字粘连,本表按正态分布的常用区间概率还原,显著水平一栏依α=1-区间概率整理。

第6页:区间估计与统计推断

  • 1.3区间估计(Confidence interval timation)
  • 区间估计是在一定概率保证下,某一参数的取值范围
  • 获得平均数的抽样分布,计算假设正确的概率
  • 一个样本与总体的比较用u测验。
  • 查u测验表,要求或1.4 依据“小概率事件实际不可能发生”原理接受或否定无效假设

第7页:统计假设测验的几何意义

统计假设测验的几何学意义:从方法本质来讲,是将统计数的分布划分为接受区(region of acceptance)和否定区(region of rejection)。前者为接受H0的区间,后者为否定H0而接受HA的区间。若实得结果落在接受区,就接受H0;反之,则否定H0,而接受HA。μμ+1.96δμ-1.96δ0.950.0250.025接受区域否定区域否定区域在0.05水平上接受或否定H0的几何意义

第8页:小麦新品种产量例题

例题:某地小麦品种的一般产量为300kg/667m2,标准差为75kg。现有一新品种试种后产量为330kg/667m2(样本),试问这个新品种是否较当地一般品种的产量高或不高?分析:μ0=300kg,S=75kg,μ=330kg。要求判断μ>μ0或μ≯μ0。

第9页:小麦例题分析一

分析1:

  • ①、观察从这样一个总体中抽出一个=330kg的样本所代表的群体(μ)与原群体(μ0)是否一致?
  • ②、设立无效假设μ=μ0=300kg。备择假设μ≠ μ0。③、如果抽取(μ1)这种可能性很小,我们只能认为μ与μ1差别不大,即μ=μ1很可能成立。说明在假设μ=μ1成立的条件下,抽出这样一个样本的事件是一个小概率事件。④、小概率事件在一次观察中是不应发生的,但它现在发生了,一个合理的解释是我们的调查工作有问题,出现这个现象的原因是取样误差,即应该接受μ=μ0。换句话说,该新品种的产量与当地原品种没有明显差异。

第10页:小麦例题分析二

分析2:

  • ①、观察从这样一个总体中抽出一个=330kg的样本所代表的群体(μ)与原群体(μ0)是否一致?
  • ②、设立无效假设μ=μ0=300kg。备择假设μ≠ μ0。③、如果抽取(μ1)这种可能性很大,我们只能认为μ与μ1差别不大,即μ=μ1不可能成立。说明在假设μ=μ1成立的条件下,抽出这样一个样本的事件是一个小概率事件。④、小概率事件在一次观察中是不应发生的,但它现在发生了,一个合理的解释是我们的调查工作有问题,出现这个现象的原因是取样误差,即应该接受μ=μ0。换句话说,该新品种的产量确实比当地原品种的产量高。

第11页:无效假设与备择假设的设立

设立无效假设:H0:针对要考察的内容设立无效假设H0:μ=μ0=300kg。设定的原则为:(1)通过统计检验决定接受或拒绝H0后,可对问题作出明确的回答。(2)要能根据H0建立统计量的理论分布。备择假设:HA:是除H0外的一切可能值的集合。设定的原则为:(1)应包括H0外的一切可能值;(2)如有可能,应缩小备择假设的范围以提高检验精度。

第12页:确定显著水平与u测验

确定显著水平:一般定为α=0.05计算:平均数的标准误=根据u 测验公式计算:因为问题是调查样本是否高于或低于原群体?查表3:当u=2时,p概率介于0.04~0.05之间,即p<0.05。

第13页:

第14页:小麦例题结果分析

结果分析1、这一试验结果(kg)属于抽样误差的概率小于5%:或者说这一差数(30kg)不是随机误差,这一样本(=330)不是假设总体(μ0=300kg)中的一个随机样本,其概率大于95%。2、计算接受区和否定区依据可知:

第15页:接受区与否定区的划分

以上计算可知:落在()区间的有95%。如果以5%概率作为接受或否定的H0界限,则以上结果称为接受区(acceptance region),否则为否定区(rejection region)。一般将否定或接受的临界值写作即当在区间为接受H0区域(95%),否则为否定区域。同理,在区间为接受H0区域(99%),否则为否定区域。例题中μ0=300kg,S=75kg,μ=330kg。因之,它的两个2.5%概率的否定区为和即大于329.4和小于270.6 的概率只有5%。

第16页:两尾测验与一尾测验

2、两尾测验与一尾测验

  • 试验中考察对象可能大于或小于原群体的比较称作两尾测验;仅考虑大于或小于一种可能的比较称作一尾测验。
  • 做一尾测验时,需要将一尾概率乘以2,再查附表获得其μ值。例如一尾测验当α=0.05时,查附表p=0.1,μ=1.64。
  • 当H0:μ≤μ0时,其否定区域为≥μ+1.64δ;当H0:μ≥μ0时,其否定区域为≤μ-1.64δ。
  • 两尾测验当α=0.05时,μα=1.96。所以,一尾测验容易否定假设。

说明:源文件该页“两尾测验”与“一尾测验”后的英文标注相互颠倒(写作 two-tailed / one-tailed 互换),且“α=0.5”应为“α=0.05”,此处按统计学标准表述更正,建议对照原课件图片核对。

第17页:

第18页:男孩身高例题

例某地区10年前普查时,13岁男孩子的平均身高为1.51 m。现抽查200个12.5~13.5岁男孩,身高平均值为1.53,标准差为0.073m。问10年来该地区男孩子身高是否有明显增长?分析:μ=1.51m,=1.53m,S=0.073m。题目要求判断μ>μ1。

第19页:身高例题分析一

分析1:

  • ①、观察从这样一个总体中抽出一个n=200,=1.53,S=0.073的样本所代表的群体(μ1)与原群体(μ)是否一致?
  • ②、设立无效假设μ=μ1=1.51m。备择假设μ≠ μ1。③、如果抽取(μ1)这种可能性很小,我们只能认为μ与μ1差别不大,即μ=μ1很可能成立。说明在假设μ=μ1成立的条件下,抽出这样一个样本的事件是一个小概率事件。④、小概率事件在一次观察中是不应发生的,但他现在发生了,一个合理的解释是我们的调查工作有问题,出现这个现象的原因是取样误差,即应该接受μ=μ1。换句话说,10年来该地区男孩子身高是没有明显增长。

第20页:身高例题分析二

分析2:

①、观察从这样一个总体中抽出一个n=200,=1.53,S=0.073的样本所代表的群体(μ1)与原群体(μ)是否一致?②、设立无效假设μ=μ1=1.51m。备择假设μ≠ μ1。③、如果抽取(μ1)这种可能性很大,我们只能认为μ与μ1有差别,即μ=μ1不可能成立。说明在假设μ=μ1成立的条件下,抽出这样一个样本的事件不是一个小概率事件。④、小概率事件在一次观察中是不应发生的,但他现在发生了,一个合理的解释是它本不是小概率事件,是我们把概率弄错了,而算错的原因是我们在一开始就做了一个错误的假设μ=μ1。换句话说,此时我们应该接受备择假设,认为μ>μ1。

第21页:身高例题的假设设立

设立无效假设:H0:针对要考察的内容设立无效假设H0:μ=μ1=1.51,或H0:μ≤1.51。设定的原则为:(1)通过统计检验决定接受或拒绝H0后,可对问题作出明确的回答。(2)要能根据H0建立统计量的理论分布。备择假设:HA:是除H0外的一切可能值的集合。设定的原则为:(1)应包括H0外的一切可能值;(2)如有可能,应缩小备择假设的范围以提高检验精度。

第22页:一尾测验的计算

确定显著水平:一般定为α=0.05因为问题是调查样本是否较原值有明显增长?没有降低的含义,所以是一尾测验。α取0.05,查附表p=0.1,μ=1.64因为S=0.073,1.64S=0.120,1.51+0.12=1.63,显然1.53<1.63。计算:查表3:0.274的范围在0.08~0.09之间。

第23页:

第24页:假设测验的两类错误

3、假设测验的两类错误

第一类错误(type I error,α错误)
如果H0是正确的,通过测验却否定了它,这类错误称为第一类错误,又称α错误(弃真)。这类错误只有在否定H0时才会发生,由于规定显著水平为α,故H0为真而被否定的概率仅为α。
第二类错误(type II error,β错误)
如果H0本身是错误的,通过测验却不能发现其不真实性而接受了它,这类错误称为第二类错误,又称β错误(纳伪)。β错误只有在接受H0时才会发生。

第25页:第二类错误概率例题

例:计算犯二类错误的概率值β。原玉米地方品种μ0总体,当以n=4抽样时,其y的平均数是μ0=300,的正态分布。当α=0.05时,其接受区间的低限为300-1.96×15=270.6,高限为300+1.96×15=329.4。现一新品系是μ=315,新品系方差与μ0的方差相同的正态分布,则H0:μ=μ0显然是错误的。但μ总体的y的平均数有相当一部分落在μ0分布的接受区间内,如下图所示:

第26页:犯β错误的概率示意图

犯β错误的概率示意图

第27页:犯β错误的概率示意图(续)

犯β错误的概率示意图

第28页:

第29页:β错误的概率计算

β错误的概率计算

  • P1(U1<-2.96)=0.00154
  • P2(U2<0.96)=0.83150
  • β=P(μ<0.96)-P(μ<-2.96)=0.83150-0.00154=0.83

说明在μ=315、α=0.05条件下,将有83%的概率做出接受H0的错误结论。

说明:源文件该页将计算结果写作“0.83%”,按两项概率之差计算应为0.83,即83%,此处已更正表述,数值未改动。

第30页:显著水平与β错误的关系

如果将显著水平提高到0.01,则由于μ0分布接受区的扩大,y的平均数落入该接受区的将更多。因而更易接受H0,犯β错误的概率更大。所以,显著水平定的过高,虽然在否定H0时减少了α错误,但在接受H0时却可能增大β错误。

第31页:两类错误小结

两类错误小结

  • 提高显著水平,将增加第二类错误。
  • 总体平均数与假设平均数相差愈大,犯第二类错误的概率小。
  • 防止犯错误的方法是:适当增加样本容量,或减少总体方差。
  • 改进试验技术的结果实际可以降低总体方差。

第32页:本节小结

小结:概念:样本、表面效应、统计假设、统计假设测验、统计推断。显著水平(Significant level)统计假设测验的基本步骤1.无效假设(H0Null hypothesis),H0:µ=µ0或µ1≠µ2,备择假设(HAAlternative hypothesis)。2.确定显著水平α值3.获得平均数的抽样分布,计算假设正确的概率4.依据“小概率事件实际不可能发生”原理接受或否定无效假设两尾测验与一尾测验假设测验的两类错误

顶部目录