统计检验分析-第五章

上一张
下一张
P（|t|>2.878）= P（t>2.878） 主 页 退出
+ P（t<-2.878）=0.01
由于 根据两样本数据计算所得的 t 值 为 2.426，介于两个临界t值之间，即：
t0.05<2.426<t0.01 所以，| t |≥2.426的概率P介于0.01 和0.05之间，即：0.01 <P< 0.05。 图5-1 | t |≥2.426的两尾概率 如图5-1所示，说明 无效假设成立的可能 性， 即试验的表面效应为试验误差的可能性在 0.01─ 0.05之间。
第一节 显著性检验的基本原理
一、显著性检验的意义
随机抽测10头长白猪和10头大白猪经产母猪的产 仔数，资料如下：
长白：11，11，9，12，10，13，13，8，10，13 大白： 8， 11，12，10，9， 8 ，8， 9，10，7
经计算，得长白猪 10头经产母猪产仔平均数 x1
=11头，标准差S1=1.76头；大白猪10头经产母猪
与 2 差异极显著”，在计算所得的t值的右上方
标记“* *”。
上一张 下一张 主 页 退 出
这 里 可 以 看 到 ，是否否定无效假
设
H 0：1
，是用实际计算出的检验统计量t的绝对
2
值与显著水平α对应的临界t值 : ta比较。若|t|≥ta，
则在α水平上否定
H 0：1
上一张 下一张 主 页 退 出
样本，通过样本研究其所代表的总体。例如，设 长白猪经产母猪产仔数的总体平均数为 1 ， 大 白猪经产母猪产仔数的总体平均数为 2 ，试 验 研究的目的，就是要给 1 、2 是否相同 做出推 断。由于总体平均数 1、2未知 ，在进行显著性 检验时只能以样本平均数 x1 、x2作为检验对象， 更确切地说，是以（ x1 - x2 ）作为检验对象。

研究目的是推断各样本所代表的总体均数是 否相等。
变异分解
单因素方差分析是把总变异的离均差平方 和与自由度分别分解成组间和组内 2 部分， 各部分的离均差平方和相互之间有以下关系
SS总 SS组间 SS组内
总 组间 组内
单因素方差分析的计算公式
变异来源
SS

MS
F
总变异
1122.68( x )
26( n )
43.18( x ) 56923.11( x 2 )
计算步骤
1．建立检验假设，确定检验水准
H0 :4 组家兔的血清 ACE 浓度总体均数相等， 1 2 3 4
H1 :4 组家兔的血清 ACE 浓度总体均数不等
或不全相等，各 i 不等或不全相等
称为均方差，简称均方(mean square，MS)。组
间均方和组内均方的计算公式为:
MS组间

SS组间
组间
MS组内

SS组内
组内
均方之比＝F value
如果各组样本的总体均数相等（H0： 1 2 … k ），
即各处理组的样本来自相同总体，无处理因素的作用，则组 间变异同组内变异一样，只反映随机误差作用的大小。组间

372.592 6
229.172 191.002


484.77.3224
7
7
5515.3665
SS组内 SS 总 - SS 组间 8445.7876 5515.3665
2930.4211
计算步骤
总 n－1 26－1 25 组间 k 1 4 1 3
形形状，因此 F 分布可用 F (1, 2 ) 表示。以 F 为横轴， f (F) 为纵轴可绘制 F 分布的图形。

二、方差分析中的术语
因素与处理（Factor and Treament） 水平（Level） 单元（Cell） 因素的主效应和因素间的交互效应 均值比较 协方差分析
1．因素与处理
因素(Factor)是影响因变量变化的客观条件；例如影响农作物产量的因素有气温、降雨量、日照时 间等； 处理(Treatments)是影响因变量变化的人为条件。也可以通称为因素。如研究不同肥料对不同种系 农作物产量的影响时农作物的不同种系可称为因素，所施肥料可视为不同的处理。 一般情况下Factors与Treatments在方差分析中可作相同理解。在要求进行方差分析的数据文件 中均作为分类变量出现。即它们的值只有有限个取值。即使是气温、降雨量等平常看作是连续变 量的，在方差分析中如果作为影响产量的因素进行研究，就应该将其数值用分组定义水平的方法 事先变为具有有限个取值的离散变量
4．因素的主效应和因素间的交互效应
有A、B两种药物治疗缺铁性贫血，患者12例，分为4组。实验方案是：第一组用一 般疗法；第二组在一般疗法基础上加用A药；第三组在一般疗法基础上加用B药，第 四组在一般疗法基础上A、B两药同时使用。一个月后观察红细胞增加数。要求分析 两种药物的疗效（数据下表）。
实验数据
Coefficients：为多项式指定各组均值的系数。 因素变量分为几组，输入几个系数，多出的无意 义。如果多项式中只包括第一组与第四组的均值 的系数，必须把第二个、第三个系数输入为0值。 如果只包括第一组与第二组的均值，则只需要输 入前两个系数，第三、四个系数可以不输入 。 多项式的系数需要由读者自己根据研究的需要输 入。
各组平均值
第一组 0.8 0.9 0.7 0.8
红细胞增加数（百万/m3）
第二组

1. 建立检验假设，确定检验水准 H0: σ12= σ 22 两组体重的总体方差相等 H1: σ12≠ σ22 两组体重的总体方差不等 α=0.05 2. 计算检验统计量 已知：n1=12 X1=45.75 S12=17.659 n2=13 X2=36.538 S22=3.269
S1 (较大） 17.659 F 2 5.402 S 2（较小） 3.269
注： P<0.01 差别有高度统计学意义 (P越小，越有理由拒绝H0）。
第三节
配对样本t检验
d 0 d t Sd Sd / n
配对设计主要有以下两种形式：
①同源配对： 同一受试对象处理前后的数据；同一受 试对象两个部位的数据；同一样品用两 种方法（仪器）检验的结果； ②异源配对： 配对的两个受试对象分别接受两种处理 后的数据。
第四节 两独立样本 t 检验 Two independent sample t-test • 又称成组t检验 • 适用于完全随机设计的两样本均数的比 较
将受试对象完全 随机地分配到两 组中
一、总体方差相等时的两独立样本 t 检验
应用条件：1. 两样本所代表的总体服从正态分布
2. 两总体方差具有齐性
s1 s12 17.659 2 sx 1.472 1 n n1 12 1
2 s2 s2 3.269 2 sx 2.179 2 n n2 12 2 2
2
三、完全随机分组两组几何均数比较的t检验
宜用几何平均数表示集中水平的资料，不服从 正态分布，但是测量值的对数值服从正态分布， 如抗体滴度的资料。此时可对lgx进行t检验。
t
' 2 2 S x t (1 ) S x t ( 2 )