首页农学农艺学田间试验与统计分析 06 第2章 统计假设测验及T检测4.4.ppt

06 第2章 统计假设测验及T检测4.4.ppt

页数:49页文件大小:1.15 MB来源: 田间试验与统计分析ppt课件

本课件先说明二项资料百分数在样本容量足够大时可按正态分布处理,进而讲解单个样本与两个样本百分数的假设测验、连续矫正的条件与公式;随后进入参数的区间估计,依次给出总体平均数、两总体平均数差数、成对数据总体差数以及二项总体百分数的置信限,并说明如何用置信区间完成假设测验。

二项资料百分数假设检验的适用范围,说明样本容量较大时可按正态分布处理
适合用正态离差测验的二项样本np和n值表,列出各样本百分数所需的样本容量
第四节内容目录,列出单个样本、两个样本百分数的假设测验与连续矫正三部分
查看本课件的文字版(共 49 页,供检索与复制)

第1页:第四节 二项资料的百分数假设检验

  • 适用于以百分数或成数表示试验的结果分析。如病株率、有虫株率、杀虫率、发芽率等。
  • 理论上讲,这类资料应按照二项分布进行,但当样本容量n较大,p不过小,np、nq又均不小于5时,(p+q)n的分布趋近于正态分布,因而,可将百分数的资料作正态分布处理。第四节二项资料的百分数假设检验Test of percenthypothesis

第2页:适合正态离差测验的np和n值表

第四节 二项资料的百分数假设检验:二项资料在以下情况可以用U测验进行分析。

适合于用正态离差测验的二项样本的np和n值表
样本百分数较小组次数样本容量n
0.501530
0.402050
0.302480
0.2040200
0.1060600
0.05701400

说明:源文件该页数字与栏目粘连,本表按“较小组次数=样本百分数×样本容量”还原,各行乘积均与原表一致。

第3页:本节内容目录

第四节二项资料的百分数假设检验Test of percenthypothesis1、单个样本百分数的假设测验2、两个样本百分数相比较的假设测验3、二项样本假设测验时的连续矫正

第4页:二项总体抽样的分布

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)=p q标准差为样本平均数抽样分布平均数,方差,标准误,Test of percenthypothesis

第5页:二项总体的分布参数

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(每次取一个样,即n=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6页:单个样本百分数的假设测验

1、单个样本百分数的假设测验

  • 测试百分数β所属总体百分数与某一理论值或期望值p0的差异显著性。
  • 样本百分数的标准误为:故由例:紫花与白花大豆杂交,在F2代共得到289株,其中紫花208株,白花81株。如果花色受一对等位基因控制,根据遗传学原理,F2代紫花与白花分离的比例应为3:1,即紫花理论数为p=0.75,白花为q =1-p =0.25。问该试验是否符合一对等位基因的的遗传规律?Test of percenthypothesis

第7页:大豆花色例题的推断

假设:H0:p=0.75;HA:p≠0.75。α=0.05,作两尾测验u.05=1.96。计算:因为:u.05=1.96,│u│(1.19)<u0.05,所以p>0.05。推断:接受H0:p=0.75,即该试验中大豆花色符合一对等位基因的遗传规律。试验中的p=0.7197与p=0.75的差别属于随机误差。单个样本百分数的假设测验

第8页:

第9页:两个样本百分数相比较

2、两个样本百分数相比较的假设测验

  • 测验两个样本百分数和所属总体百分数p1和p2的差异显著性。
  • 一般假设两个样本总体方差是相等的,即
  • 两个样本总体的个体百分数不同为p1和p2。两个样本百分数的差数标准误为:如果两总体的百分数相同,即p1=p2=p,q1=q2=q,则:Test of percenthypothesis

第10页:两总体百分数未知时的估计

2、两个样本百分数相比较的假设测验

在两个总体百分数p1和p2未知时,在两个总体方差相等的前提下(),可用两样本百分数的加权平均值作为p1和p2的估计。即:故有:两个样本百分数的差数标准误为:即可对H0:p1=p2作出假设测验。Test of percenthypothesis

第11页:小麦锈病发病率例题

  • 例题:调查一低洼地,小麦378株,其中有锈病355株,病株率93.92%,一高地调查396株,有346株发病,病株率为87.37%。问两块田发病情况有无差异?
  • n1=378,x1=355,n2=396,x2=346假设:H0:p1=p2;HA:p1≠ p2;α=0.05,作两尾测验u.05=1.96。两个样本百分数相比较的假设测验

第12页:锈病例题的推断

计算:因为:u.05=1.96,│u│(3.12)>u0.05,所以p<0.05。推断:否定H0:p1=p2,接受HA:p1≠p2,即该试验中两块麦田锈病的发生程度有显著差异。两个样本百分数相比较的假设测验

第13页:连续矫正的必要性

3、二项样本假设测验时的连续矫正

以上所分析的事例在性质上属于间断性变异,其分布是间断性的二项分布。将其按照连续性的正态分布或t分布处理,一般容易发生第一类错误。补救的办法是假设测验时进行连续矫正,这种矫正工作当n<30、np<5时必须进行。若符合下表的情况,可不作矫正,用u测验处理。

适合于用正态离差测验的二项样本的np和n值表
样本百分数较小组次数样本容量n
0.501530
0.402050
0.302480
0.2040200
0.1060600
0.05701400

说明:源文件该页数字与栏目粘连,本表按“较小组次数=样本百分数×样本容量”还原,各行乘积均与原表一致。

第14页:单个样本百分数的连续矫正

3.1 单个样本百分数假设测验的连续矫正

单个样本百分数连续校正的计算公式为:式中tc 为校正后的t 值。是估计值。

第15页:糯玉米花粉粒例题

例题:用基因纯合的糯玉米合非糯玉米杂交,预期F1植株上糯性花粉粒的p0=0.5,现在一个视野中检测20粒花粉,得糯性花粉8粒,问此结果与理论百分数p0=0.5是否相符?假设p=p0=0.5,=8/20=0.4为以随机样本。即:H0:p=0.5,HA≠0.5,α=0.05,作两尾测验。计算:查附表4:v=20-1=19,t0.05=2.093,计算得|t|< t0.05,故P>0.05,推断:实得百分数0.4与理论值0.5没有显著差异。单个样本百分数假设测验的连续矫正

第16页:两个样本百分数的连续矫正

3.2两个样本百分数相比较假设测验的连续矫正

设两个样本百分数中,较大得值为:有x1和n1;较小得值为:有x2和n2。经校正得tc公式为:具有V=n1+n2-2。其中为中的校正值。单个样本百分数假设测验的连续矫正

第17页:农药处理棉铃虫例题

  • 例题:用新农药处理25头棉铃虫,死亡17头,存活8头;用乐果处理24头,死亡9头,存活15头。问两种农药处理结果是否相同?
  • 假设:H0:p1=p2:HA:p1≠ p2。α=0.05,作两尾测验。计算:查t 表:V=24+25-2=47≈45,t0.05=2.014计算得|t|=1.85 < t0.05,故P>0.05,推断:接受H0,即,两种农药处理结果没有显著差异。单个样本百分数假设测验的连续矫正

第18页:不矫正导致的错误结论

上例若不进行连续校正,p1=17/25=0.68,p2=9/24=0.375t =(0.68-0.375)÷0.1426=0.305÷0.1426=2.142.14 >t 0.05(2.014),否定H0,接受了HA。这就将本来错误的东西接受了,即犯了纳伪错误,增加了发生第一类错误的可能性。单个样本百分数假设测验的连续矫正

第19页:第五节 参数的区间估计

  • 第五节参数的区间估计Estimate of confidence interval
  • 对统一总体进行多次调查时,会出现不同的平均数值,为说明不同平均数的代表性,需要估计出一个范围或一个区间能够覆盖参数μ,这个区间称作置信区间(confidence interval)。区间的上限和下限,称作置信限(confidence limit)。
  • 保证该区间能够覆盖参数的概率以p=(1-α)表示,称为置信系数或置信度。
  • 点估计:以样本均数()估计总体均数(μ)。

第20页:置信区间的含义

第五节参数的区间估计

  • 经过转换可得到在置信度p=1-α时,对μ的置信区间为:以上置信区间的含义为:如果从总体中抽出容量为n的所有样本,并且每一个样本都算出[L1、L2],则在所有的[L1、L2]区间中,将有95%能覆盖参数μ。区间估计的精度要求决定于值。或称在(1-α)概率下:
  • 若有95%(1-α,α=0.05)的样本落在(μ-1.96σ)至(μ+1.96σ)的范围内,即:Estimate of confidence interval

第21页:区间估计的内容目录

Estimate of confidence interval1、总体平均数μ的置信限2、两总体平均数差数的置信限3、二项总体百分数的置信限4、两个二项总体百分数差数的置信限5、区间估计与假设测验

第22页:总体方差已知时μ的置信限

1、总体平均数μ的置信限

1.1 在总体方差为已知时μ的置信区间为:例题:棉花株行圃中,36个单行的皮棉平均产量x=4.1kg,已知σ=0.3kg,求99%置信度下该株行圃单行皮棉产量μ的置信区间。故90%的置信区间为(4.1-2.58×0.05) ≤μ≤ (4.1+2.58×0.05),即4.0 ≤μ≤ 4.2 uα推断:估计单行皮棉产量在4.0~4.2之间,可靠度为99%。uα为正态分布下的置信度p=1-α的u临界值。在置信度p=1-α=99%时,由附表3查得u0.01=2.5758;计算得Estimate of confidence interval

第23页:总体方差未知时μ的置信限

1.2 在总体方差为未知时:σ2需要由样本均方S2估计,tα为置信度p=1-α时t分布的临界值。

例:某自外地引入一新品种,在8个小区种植,得其千粒重如下,问在95%概率保证下新引入品种千粒重的范围?

新引入品种8个小区的千粒重(g)
小区12345678
千粒重35.637.633.435.132.736.835.934.6

千粒重的平均数为35.2g,标准差为0.58g。查附表4,ν=7时t0.05=2.365,故35.2-2.365×0.58≤μ≤35.2+2.365×0.58,即33.8≤μ≤36.6,置信度为95%。

第24页:千粒重置信区间的表达

  • 35.2-2.365×0.58 ≤μ ≤35.2+2.365×0.58
  • 即:33.8≤μ≥36.6,置信度为95%。
  • 写材料时的表达方式为:含义是:35.2±(2.365×0.58)=35.2±1.37g总体平均数μ的置信限tα与总体方差已知情况相比:

第25页:两总体平均数差数的置信限

2、两总体平均数差数(μ1-μ2)的置信限2.1 两总体方差已知或为大样本2.2 两总体方差未知2.3 成对数据总体差数μd的置信区间在一定置信度条件下,估计两个总体平均数的差别,其方法依据两总体方差是否已知或是否相等可分为三种情况。Estimate of confidence interval

第26页:方差已知或大样本时的置信限

2.1 两总体方差已知或为大样本时

对μ1-μ2的1-α置信区间应为:上式中为平均数差数标准误,μα为正态分布下置信度为1-α时的μ临界值。两总体平均数差数(μ1-μ2)的置信限与一个样本总体置信区间的区别。

第27页:甘薯品种产量例题

例题:测得甘薯1号332株的单株平均产量,甘薯2号282株的单株平均产量,试估计在95%概率保证下,两品种单株平均产量相差的置信区间。两总体平均数差数(μ1-μ2)的置信限

第28页:甘薯例题的置信区间

甘薯产量例题的置信限

  • 平均数差数标准误计算后,95%的置信限为:L1=(750-600)-1.96×18=114.7(g)
  • L2=(750-600)+1.96×18=185.3(g)

结果表明:1号甘薯品种较2号品种的产量多114.7~185.3(g),此估计结果有95%的把握。

说明:源文件该页结论句中写作“114.7~185.7(g)”,与上面计算的L2=185.3不一致,此处按计算值185.3更正。

第29页:两总体方差未知的情形

2.2 两总体方差未知两总体方差未知时还有两种情况:A、两总体方差相等,即的1-α置信区间为:B、两总体方差不相等,即置信限为:置信限为:两总体平均数差数(μ1-μ2)的置信限置信度1-α时自由度ν‘的t分布临界值。

第30页:方差相等时的置信区间例题

A、两总体方差未知,但可以相等

例:调查某生产队每亩30万苗和35万苗的稻田各5块,得亩产量(kg)如下,试估计两种密度亩产量在99%置信度下的置信区间。

两种种植密度的稻田亩产量(kg)
密度第1块第2块第3块第4块第5块
X1(30万苗)400420435460425
X2(35万苗)450440445445420

分析:平均数X1(30)=428,X2(35)=440。查表4得ν=8,t0.01=3.355,L1=(428-440)-(3.355×11.136)=-49.4,L2=(428-440)+(3.355×11.136)=25.4。结果表明:每亩30万苗较35万苗少收49.4kg或多收25.4kg,波动很大,所以接受H0:μ1=μ2。

第31页:两总体平均数相等的估计

以上结果说明两个总体平均数相等,因此可用两总体的加权平均数作为对μ的估计:或因此,对μ的置信区间为:依据:所以:两总体平均数差数(μ1-μ2)的置信限

第32页:方差不相等时的置信限

依据:计算μ1-μ2:的1-α的置信区间。B、两总体方差未知,但不会相等:由于两总体方差未知,且不相等,故由样本方差S作为σ的估计值,此时的计算的t已不是v=v1+v2的t 值。而是其自由度近似于v`的t 值,因此:两总体平均数差数(μ1-μ2)的置信限

第33页:蛋白质含量差的置信区间

  • 例题:测定冬小麦品种东方红3号的蛋白质含量(%)10次,得其平均数为14.3,方差为1.621;测农大139号的蛋白质含量5次,其平均数为11.7,方差为0.135。试测验两品种蛋白质含量相差的95%置信区间。
  • 计算:平均数、方差。查附表4得:ν=11,t0.05=2.201,故有:因此,东方红小麦的蛋白质含量可比农大139高1.6~3.6%,该估计的可靠度为95%。两总体平均数差数(μ1-μ2)的置信限

第34页:成对数据总体差数的置信区间

2.3 成对数据总体差数μd的置信区间依据:两个样本平均数相比较的假设测验中成对数据比较的计算公式:(5.15A)可以得到μd的1-α的置信区间,两个置信限分别为:Sd的计算公式为: (5.14)tα为置信度为1-α ,v=n-1 时t分布的临界t值。两总体平均数差数(μ1-μ2)的置信限

第35页:番茄病斑数μd的置信区间

例题:试求表中资料利用两种处理方法产生病毒病斑数目μd的99%置信区间。

两种处理方法产生的病毒病斑数目
组别X1(A法)X2(B法)d=x1-x2
11025-15
213121
3814-6
4315-12
5512-7
62027-7
7618-12
平均——-8.3

假设 H0:μd=0。

说明:源文件该页数据连排,本表按7组各3个数切分,并已核对每组d=X1-X2及平均差数-8.3均与原文一致。

第36页:μd置信区间的推断

查附表4,V=6时,t0.01=3.707。依据得:或写作:-15.7≤μd≤-0.9。负值表明说明A法比B法处理减少病斑0.9~15.7个,此置信度为99%。总体平均数μ的置信限

第37页:二项总体百分数的置信限

3. 二项总体百分数p的置信限

二项总体百分数p置信区间的估计方法有两种:①按二项分布;②按正态分布估计。前者准确方便,但附表范围小;后者较粗,但范围广。

例题:调查100株玉米,受玉米螟危害的20株,即p=0.2,np=20,计算95%置信度下玉米螟危害率的置信区间。

适合于用正态离差测验的二项样本的np和n值表
样本百分数较小组次数样本容量n
0.501530
0.402050
0.302480
0.2040200
0.1060600
0.05701400

说明:源文件该页数字与栏目粘连,本表按“较小组次数=样本百分数×样本容量”还原,各行乘积均与原表一致。

第38页:附表9 二项分布95%置信区间

①、按二项分布估计:附表9 二项分布95%的置信区间(部分数据)。表中f为观察次数,f/n为观察分数。条件:n=100,p=0.2,np=20。结果表明:玉米螟危害率置信区间为0.13~0.29,置信度为95%。

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

第39页:按正态分布估计p的置信限

②、按照正态分布估计

条件:n=100,p=0.2,np=20,μ0.05=1.96。计算结果表明:玉米螟危害率置信区间为0.12~0.278,置信度为95%;按二项分布估计的结果为0.13~0.29。

适合于用正态离差测验的二项样本的np和n值表
样本百分数较小组次数样本容量n
0.501530
0.402050
0.302480
0.2040200
0.1060600
0.05701400

说明:源文件该页数字与栏目粘连,本表按“较小组次数=样本百分数×样本容量”还原,各行乘积均与原表一致。

第40页:两个二项总体百分数差数的置信限

4.两个二项总体百分数差数p1-p2的置信限这种估计只有在已经明确两个百分数间有显著差异时才有意义。在1-α置信度下,p1-p2的置信区间为:式中两样本百分数差数标准误的计算公式为:(5.18)Estimate of confidence interval

第41页:两地锈病发病率差的置信区间

例题:低地锈病的发病率为93.92%(n1=378),高地为87.31%(n2=396)。按95%置信区间估计两地发病率相差的置信区间,已知μ0.05=1.96。

两地发病率相差的置信区间为2.54%~10.68%,置信度为95%。

说明:高地病株率按n2=396、发病346株计算应为346÷396=87.37%,与本页所记87.31%不一致;置信区间数值此处保留原文,建议对照原课件图片核对。

第42页:区间估计与假设测验:千粒重例

5. 区间估计与假设测验

  • 区间估计也可用于假设测验。因为置信区间是一定置信度下总体参数的所在范围。若对参数所作的假设落在该范围内,则可接受H0,否则接受HA。
  • 例5.1:某春小麦良种的千粒重μ0=34g,现自外地引入一高产品种,在8个小区种植,得其千粒重为:35.6、37.6、33.4、35.1、32.7、36.8、35.9、34.6,求其95%置信区间?因为原品种μ0=34g,新品种千粒重的平均数落在33.8~36.6范围之内,所以推断新引进的品种与原品种无显著差异。Estimate of confidence intervalt0.05(7)计算千粒重的平均数:L1=35.2-(2.365×0.58)=33.8(g)L2=35.2+(2.365×0.58)=36.6(g)

第43页:区间估计与假设测验:发病率例

例:低地锈病的发病率为93.92%(n1=378),高地为87.31%(n2=396),按95%置信区间估计两地发病率相差的置信区间为2.54%~10.68%。

93.92-87.31=6.61,因为原假设H0:P1=P2,即P1-P2=0,该假设超出计算结果,所以接受HA。

说明:高地病株率按346÷396计算应为87.37%,与本页所记87.31%不一致,差值6.61与发病率差数保留原文,建议对照原课件图片核对。

第44页:成对数据置信区间例题(续)

例题(续):试求表中资料利用两种处理方法产生病毒病斑数目μd的99%置信区间,假设H0:μd=0。

两种处理方法产生的病毒病斑数目
组别X1(A法)X2(B法)d=x1-x2
11025-15
213121
3814-6
4315-12
5512-7
62027-7
7618-12
平均——-8.3

第45页:成对数据区间估计的推断

查附表4,V=6时,已求得:即:-15.7≤μd≤-0.9。负值表明说明A法比B法处理减少病斑0.9~15.7个,若假设μd=0,则该区间不包括0,所以接受HA,两种方法处理结果不同。总体平均数μ的置信限t0.01=3.707。

第46页:密度例题的原计算结果

例:调查某生产队每亩30万苗和35万苗的稻田各5块,得亩产量(斤)如下。

两种种植密度的稻田亩产量(斤)
密度第1块第2块第3块第4块第5块
X1(30万苗)800840870920850
X2(35万苗)900880890890840

查表,t0.05,8=2.306,因为|t|=1.08<t0.05,8,故P>0.05,推断:接受H0,即两种密度的亩产量没有显著差异。

第47页:按置信区间计算的密度例题

按照置信区间计算

两种种植密度稻田亩产量的差数
项目第1块第2块第3块第4块第5块合计/平均
X1(30万苗)800840870920850—
X2(35万苗)900880890890840—
X1-X2-100-40-203010∑=-120
  • 平均差数:-120÷5=-24
  • SSd=10120,Sd=[SSd÷(n×(n-1))]1/2=22.5
  • t=24÷22.5=1.07,ν=5-1=4,查表得t0.05=2.776,因为1.07<2.776,所以差异不显著
  • 置信限:L1=24-1.04×22.5=-0.075;L2=24+1.04×22.5=48.075

说明:源文件该页差数之和为-120,平均差数应为-24,原文“平均:24”漏写负号(后续t值取绝对值计算),此处按差数之和更正为-24;置信限计算沿用原文的绝对值。

第48页:置信区间与假设测验的关系

  • 置信区间不仅提供一定概率保证的总体参数范围,而且可以获得假设测验的信息。在1-α的置信度下,其间关系可归纳为以下两点:
  • 1.若两个置信限为同号(正号或负号),则否定H0:,接受HA:。如否定:H0:μ-μ0=0、H0:μd=0、H0:p1-p2=0等。其中:①、若两个置信限皆为正号,则有一个参数大于另一个参数成立,如:H0:μ1>μ2或p1>p2等,如例4·15 、4·17、4·20等。②、若两个置信限皆为负号,则有一个参数小于另一个参数成立,如:μ1<μ2或p1<p2等,如例4·18(p45)。
  • 2. 两个置信限为异号(一正一负),即其区间包括零值,则H0:被接受。如:H0:μ-μ0=0、H0:μ1-μ2=0、H0:μd=0, H0:p1-p2=0……等。如例4·16。区间估计与假设测验

第49页:

顶部目录