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。
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。
| 样本百分数 | 较小组次数 | 样本容量n |
|---|---|---|
| 0.50 | 15 | 30 |
| 0.40 | 20 | 50 |
| 0.30 | 24 | 80 |
| 0.20 | 40 | 200 |
| 0.10 | 60 | 600 |
| 0.05 | 70 | 1400 |
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
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
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)。
1、单个样本百分数的假设测验
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
2、两个样本百分数相比较的假设测验
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
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
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。
| 样本百分数 | 较小组次数 | 样本容量n |
|---|---|---|
| 0.50 | 15 | 30 |
| 0.40 | 20 | 50 |
| 0.30 | 24 | 80 |
| 0.20 | 40 | 200 |
| 0.10 | 60 | 600 |
| 0.05 | 70 | 1400 |
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。
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。
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
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
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
第五节参数的区间估计
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
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
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?
| 小区 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|---|
| 千粒重 | 35.6 | 37.6 | 33.4 | 35.1 | 32.7 | 36.8 | 35.9 | 34.6 |
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%。
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
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。
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
甘薯产量例题的置信限
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。
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。
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。
| 密度 | 第1块 | 第2块 | 第3块 | 第4块 | 第5块 |
|---|---|---|---|---|---|
| X1(30万苗) | 400 | 420 | 435 | 460 | 425 |
| X2(35万苗) | 450 | 440 | 445 | 445 | 420 |
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。
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
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
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
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。
| 组别 | X1(A法) | X2(B法) | d=x1-x2 |
|---|---|---|---|
| 1 | 10 | 25 | -15 |
| 2 | 13 | 12 | 1 |
| 3 | 8 | 14 | -6 |
| 4 | 3 | 15 | -12 |
| 5 | 5 | 12 | -7 |
| 6 | 20 | 27 | -7 |
| 7 | 6 | 18 | -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。
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
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。
| 样本百分数 | 较小组次数 | 样本容量n |
|---|---|---|
| 0.50 | 15 | 30 |
| 0.40 | 20 | 50 |
| 0.30 | 24 | 80 |
| 0.20 | 40 | 200 |
| 0.10 | 60 | 600 |
| 0.05 | 70 | 1400 |
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。
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。
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。
| 样本百分数 | 较小组次数 | 样本容量n |
|---|---|---|
| 0.50 | 15 | 30 |
| 0.40 | 20 | 50 |
| 0.30 | 24 | 80 |
| 0.20 | 40 | 200 |
| 0.10 | 60 | 600 |
| 0.05 | 70 | 1400 |
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。
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
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。
5. 区间估计与假设测验
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。
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。
| 组别 | X1(A法) | X2(B法) | d=x1-x2 |
|---|---|---|---|
| 1 | 10 | 25 | -15 |
| 2 | 13 | 12 | 1 |
| 3 | 8 | 14 | -6 |
| 4 | 3 | 15 | -12 |
| 5 | 5 | 12 | -7 |
| 6 | 20 | 27 | -7 |
| 7 | 6 | 18 | -12 |
| 平均 | — | — | -8.3 |
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。
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。
| 密度 | 第1块 | 第2块 | 第3块 | 第4块 | 第5块 |
|---|---|---|---|---|---|
| X1(30万苗) | 800 | 840 | 870 | 920 | 850 |
| X2(35万苗) | 900 | 880 | 890 | 890 | 840 |
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。
按照置信区间计算
| 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) | 800 | 840 | 870 | 920 | 850 | — |
| X2(35万苗) | 900 | 880 | 890 | 890 | 840 | — |
| X1-X2 | -100 | -40 | -20 | 30 | 10 | ∑=-120 |
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。
下载地址:{{downurl}}
{{{a}}}
{{#b}}{{{b}}}
{{/b}} {{/title}} {{#nolog}}登陆注册
{{/nolog}} {{#djsx}}点我刷新
{{/djsx}} {{#gocz}} {{/gocz}} {{#ffqr}} {{/ffqr}}