生物统计学课件--5单个与两个样本的检验1

《生物统计学课件--5单个与两个样本的检验1》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第二节单个样本的统计假设测验一、单个样本统计假设测验的程序1、假设H0：=0来源：以往的经验，某种理论或模型，预先的规定HA：≠0来源：H0以外的可能的值，担心实验会出现的值，>0希望实验出现的值，有某种特殊意义的值。<02、显著水平3、两种类型的错误4、确定应使用的统计量：u，t，25、建立在水平上H0的拒绝域6、对推断的解释二、对单个样本平均数的测验1、在已知时，样本平均数的显著性测验-u检验例5-5：已知豌豆子粒重量（mg）服从正态分布N（377.2，3.32）。在改善了栽培条件后，随机抽取

2、9粒，其子粒平均重=379.2，若标准差仍为3.3，问改善了栽培条件是否提高了豌豆子粒重量？解：H0：µ=µ0（377.2），HA：µ>µ0=0.05∵u0.05=1.645,∴u>u0.05,∴拒绝H0：µ=µ0（377.2），接受HA：µ>µ0即改善了栽培条件显著地改善了豌豆的子粒重。2、在未知时，样本平均数的显著性测验-t检验例：已知玉米单交种群单105的平均果穗重µ0=300克，喷药后，随机抽取9个果穗，其穗重为308，305，311，298，315，300，321，294，320（克），问喷药前与喷药后的果穗

3、重，差异是否显著？解：已知玉米穗重是服从正态分布的随机变量，未知H0：µ=µ0（300克），HA：µ≠µ0=0.05查表，当∵︱t︱＞t0.05∴拒绝H0：µ=µ0（300），接受HA：µ≠µ0即喷药前后的果穗差异是显著的。三、单个样本变异性的检验----2检验（一）、检验的程序1、假设H0：=0HA：≠0>0已知不可能小于0<0已知不可能大于02、=0.05，=0.013、，df=n-15、作出结论，并给予生物学解释。>0：<0：4、H0的拒绝域：≠0：(二)、应用实例一个混

4、杂的小麦品种，株高标准差为0=14cm，经过提纯后，随机地抽取10株，它们的株高为：90，105，101，95，100，100，101，105，93，97cm，考察提纯后的群体是否比原群体整齐？解：根据检验程序：1、小麦株高是服从正态分布的随机变量2、H0：=0（14cm）HA：<03、=0.014、5、查表：df=n-1=10-1=9时，∵∴拒绝H0：=0（14cm）接受HA：<0即提纯后的群体株高比原来整齐了。第三节两个样本差异显著性的检验在进行单个样本的显著性测验时，我们必须提出有意义的H0：

5、=0。这使得这种方法的应用受到了限制。在实际应用时，人们常常选择两个样本，一个做为处理，一个作为对照，在这两个样本间进行比较。例如比较两种分析方法，两种处理，两种药物，两种不同的物质，两种实验方法，两条公式等的差异，判断这种差异是否可以用偶然性来解释。在进行两个样本的比较时，我们只要检验H0：1=2或H0：1-2=0，而不必了解1与2究竟为何值。一、两个样本方差比的检验----F检验我们已经了解：符合F分布。当H0：1=2时，据此，我们可以进行F检验，用以判断1和2的差异是否显著。（一）、检验的程序

6、1、从两个正态总体N1（µ1，12）和N2（µ2，22）中分别以n1和n2为样本容量进行抽样，计算s12，和s22。µ1与µ2可以相等，也可以不相等。2、假设：H0：1=2HA：①1≠2②1>2（若已知1不可能小于2），③1<2（若已知1不可能大于2）3、显著水平：=0.05或=0.014、检验的统计量：df1=n1-1，df2=n2-25、建立H0的拒绝域：对于相应的备择假设，其H0的拒绝域为：HA：①1≠2，F>Fdf1，df2，/2或F2

7、，F>Fdf1，df2，③1<2，F

8、6140160100105220120182130139190124110130113解：①血压符合正态分布，②假设：H0：1=2HA：1﹤2③=0.05④⑤∵∴F