第五章统计推断c讲解

13:06:12
16
统计结论：
1 检验统计量绝对值 <临界值0.05，则相伴概 率 P>0.05，接受H0 ，差异不显著；
2 临界值0.05<检验统计量绝对值 <临界值0.01， 则相伴概率 0.01<P<0.05，否定H0 ，差异 显著； 3 检验统计量绝对值 >临界值0.01，则相伴概 率 P<0.01，否定H0 ，差异极显著；
（2）相伴概率P：是指在原假设成立时检验统计 量值及所有比它更极端的可能值出现的概率之 和(P---)
13:06:12 15
假设检验的基本步骤
统计结论：
－ 差异不显著：在＝5％水平下， 检验统计量的观察值落在接受域中， － 差异显著：在＝5％水平下，检 验统计量的观察值落在否定域中 － 差异极显著：在＝1％水平下， 检验统计量的观察值落在否定域中
Biostatistics and Experimental Design
畜牧、兽医专业
生物统计 附 试验设计
13:06:12
1
统计推断概述内容1小节
一 二 三 四 五 统计推断的概念 抽样分布的概念 统计量的概率分布-抽样分布 正态总体样本平均数的抽样分布 参数估计
13:06:12
2
统计推断概述内容2
13:06:12
18
举例说明
（2）计算检验统计量
Z=
x- m
8.7 - 9 = = - 3.162 2 s n 2.5/ 10
13:06:12
19
（3）确定否定域：
若取 ＝5％，否定域为Z > 1.96 或 Z < 1.96,临界值U0.05=1.96 ，Z = -3.162 < -1.96，统 计量Z落入否定区，否定H0，相伴概率P<0.05 结论：该场猪的平均背膘厚与9mm差异显著

（2）选取显著水平 =0.05。 （3）检验计算： 1.58 0.158 X n 100
0。
u
x

X
7.65 7.25 2.532 0.158
0.05 1.96 (4) 推断：u分布中，当 =0.05时， 。实 得 u 1.96, P 0.05 ，故可在0.05显著水平 上否定H0，接受HA，认为新育苗方法的一月 龄体长与常规方法有显著差异。
x1 x 2 u sx1 x 2
例3.某杂交黑麦从播种到开花的天数的标 准差为6.9天，现在相同试验条件下采取 两种方法取样调查，A法调查400株，得 出从播种到开花的平均天数为69.5天；B 法调查200株，得出从播种到开花的平 均天数为70.3天，试比较两种调查方法 所得黑麦从播种到开花的天数有无显著 差别。
1 2
x1 x 2
2 12 2 2
n1
n2
1 1 x1 x2 n1 n2 n1 n2 n
x x
1 2
2 12 2
n
2 n
2 12 2 2 , n1 n2 n
x x
1 2
x x u值的计算公式： 假设H0: 1 2 ， u x1 x 2 x x
例1.某鱼场按常规方法所育鲢鱼苗一月龄 的平均体长为7.25cm,标准差为1.58cm， 为提高鱼苗质量，现采用一新方法进行 育苗，一月龄时随机抽取100尾进行测 量，测得其平均体长为7.65cm，试问新 育苗方法与常规方法有误显著差异？
这里 1.58 ， 2 为已知，故采用u检验，又新育苗 方法的鱼苗体长可能高于常规方法，也可能低 于常规方法，故进行双侧检验（双尾检验）， 检验步骤： 0 7.25cm ，即新育苗方法与 （1）假设H0： 常规方法所育鱼苗一月龄体长相同。对HA：

6
假设检验
假设检验的定义
假定原假设正确，检验某个样本是否来自某个总体， 它可以使研究者把根据样本得出的结果推广到总体
反证法: 假定原假设正确，研究其发生的概率
根据样本进行的假设检验有两种结果
拒绝H0，因为发现其是错误的 不能拒绝H0，因为没有足够的证据使我们拒绝它
原假设和备择假设总是互斥，而且包括了所有的可能，
5
统计假设
原假设（null hypothesis, H0）通常为不变情况的假设。 备择假设（alternative hypothesis, HA）则通常声明一种改变的状态，如
两个群体间存在差异。 研究假设可以为两种可能之一，即没有差异和有差异。通常情况下，备择假
设和研究假设相同，因此，原假设与研究者的期望相反。
20
显著水平的选择
如果接受H0，则或者得出正确结论，或者犯概率为的第二类错误 如果结论为拒绝H0，则可能得出正确结论，也可能犯概率为 的第一类错误。 当假设检验结果为拒绝H0时，我们知道犯第一类错误的概率，因此我们进行
假设检验时，总是希望结论为拒绝H0 推荐的显著水平为0.05?为什么
21
<-无效假设H0: y=0 <-要分析的变量为y
45
结果
P=0.3434>0.05，接受H0，即抽测结果的平均数是否与总体平均数114天一致
46
第三节
两个样本平均数差异的假设检验
47
一、两独立样本
平均数差异的假设检验
48
前言
两样本独立指两样本 为分别独立地从两个总体抽取的，两个样本间相互独立 在动物科学中，利用完全随机设计（completely randomized design, CRD）

σ
n )
抽样推断的基本原理
抽样推断的优良标准
设θ 为待估计的总体参数， θ为样本统计量，则 θ的优良标 准为： １若 E(θ ) =θ ，则称 θ为 θ 的无偏估计量（无偏性）
更有效的估计量（有效性） ２若σθ1 < σθ2，则称θ1为比θ2
３若 越大σθ 越小，则称 θ 为θ 的一致估计量（一 致性）
即中选成分相同但中选顺序不同的视为同一样本
抽样推断的一般问题
抽样组织方式
简单随机抽样 类型抽样 整群抽样 等距抽样 多阶段抽样 多重抽样
抽样推断的一般问题
样本可能数目
按照一定的抽样方法和组织方式,从总体N中抽取n个 单位构成样本,一共可以抽出的不同样本的数量,一般 用M表示. 考虑顺序的不重复抽样 考虑顺序的重复抽样 不考虑顺序的不重复抽样 不考虑顺序的重复抽样
抽样推断的一般问题
全及总体指标：参数 （未知量） 统计推断 样本总体指标：统计量 （已知量）
抽样推断的一般问题
抽样推断的特点 按随机原则抽取样本 运用概率论的理论和方法，用样本指标来推断 总体指标。 推断的误差可以事先计算和控制。
抽样推断的一般问题
抽样推断的应用 无法或 很难进行全面调查而又需要了解 其全面情况时 某些可以采用全面调查的社会经济现象， 也可采用抽样推断。 可用于生产过程的质量控制 进行假设检验
抽样推断的基本原理
抽样推断的优良标准——有效性 中位数的抽样分布
9 8 7 6 5 4 3 2 1 0 -1 45 50 55 60 65 70 75
平均数的抽样 分布
E(x) =
E ( me ) =
e
σx <σm
抽样推断的基本原理