田间试验与统计分析2.2.ppt

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。 1、统计假设测验的基本步骤 1.1 提出无效假设 无效假设（H0 Null hypothesis），H0：μ＝μ0 或μ1＝μ2，总体平均数（μ0） 备择假设（HA Alternative hypothesis），HA：μ ≠ μ0 或μ1 ≠ μ2 。 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。 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 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μμ0或μ≯μ0。 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。 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。 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： 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％。 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