4
第一节 假设检验的原理和方法
一、假设检验的概念 二、假设检验的步骤 三、两尾检验与单侧检验 四、统计假设的两类错误
5
一、假设检验的概念
（一）什么是假设检验？
1、概念：又称为显著性检验（test of significance）, 事先对总体参数（平均值、方差等）或分布形式作出某 种假设，然后利用样本信息来判断原假设是否成立。 2、特点：假设检验所采用的逻辑推理方法是反证法； 结论的合理性依据统计学上的小概率原理。
13
注意：假设检验选用的显著性水平应根据实验的要求而 定。 如果实验中难以控制的因素很多，试验精度不是很高， 则显著性水平α的值可稍大点； 如果实验的精度很高，真实差异不容易被误差所掩盖， 处理的作用容易被检验出来，这时显著性水平α可适当 取小些。 无论如何，显著性水平α的值必须在实验开始前 在实验开始前就已经 在实验开始前 确定下来。
统计方法
描述统计 推断统计 假设检验 参数估计
10
二、假设检验的步骤
（一）对试验样本所在的总体提出原假设（null hypothesis） 和备择假设（alternative hypothesis ）：
H0：µ=2.00公斤/只, 即送来的鸭子符合要求。 H1 ：µ≠µ0（或µ>2.00公斤/只或µ<2.00公斤/只）即送来的鸭子不符 合要求，偏轻
17
三、双侧检验与单侧检验
（一）假设的形式（以方差已知，单个样本的平均 数显著性检验为例）
拒绝区域是检验统计量取值的小概率区域，我们可以将这个小概率区 域安排在检验统计量分布的两端，也可以安排在分布的一侧，分别称作 双侧检验（two-sided test）与单侧检验（ one-sided test ）。
27
一、在 σ 已知的情况下，单个平均数的显著性 检验—— u 检验（u- test）
已知的总体平均数一般为一些公认的理论数值。如畜禽正常 的生理指标、怀孕期、生产性能指标等，都可以样本平均数 与之比较，检验差异显著性。
检验的基本程序如下： 检验的基本程序如下： 1. 假设从σ 已知的正态总体，或近似正态总体 假设从σ 已知的正态总体， 样本。 中，随机抽取含量为的 n 样本。
两类错误之间的关系如何？
二者的区别是I型错误只有在否定H0 的情况下发生，而II型 错误只有在接受H0时才会发生。 二者的联系是，在样本容量相同的情况下，I型错误减小，II 型错误就会增大；反之II型错误减小，I型错误就会增大。比 如，将显著性水平α从0.05提高到0.01，就更容易接受H0， 因此犯I型错误的概率就减小，但相应地增加了犯II型错误的 26 概率。
6
例5-1
“全聚德”是北京烤鸭的杰出代表，要求鸭子的重
± 量2.00 ± 0.20公斤/只（µ σ）。养鸭户送来鸭子
100只，平均每只重1.88公斤。养鸭户送来的鸭 子样本是否比“全聚德”对鸭子总体要求偏轻？
7
（二）假设检验的基本思想 根据抽样分布的规律，判断样本发生的概率 例5-1中就是看在2.00
假设的形式 假设 H0 H1 研究的问题 双侧检验 µ = µ0 µ ≠µ0 左侧检验 µ ≥ µ0 µ < µ0 右侧检验 µ ≤ µ0 µ > µ0
18
两尾测验示意图
否定区域 2.5%
否定区域 2.5%
接受区域 95%
19
左 尾 测 验
α=0.05
_
否定区 0.95
接受区
µ0
否定区
y
接受区
右 尾 测 验
± 0.20公斤/只的鸭子总体
中抽取100只鸭子，鸭子平均重量小于1.88公斤/ 只得概率，如果概率小于α，说明是小概率事件， 鸭子明显偏轻。
8
（三）假设检验的过程：
1、提出原假设和备择假设 2、确定适当的检验统计量 3、规定显著性水平 4、计算检验统计量的值 5、作出统计决策
9
假设检验在统计方法中的地位
第二节 单个样本的统计假设检验
一、σ已知时单个平均数的显著性检验 已知时单个平均数的显著性检验—— u 检验 已知时单个平均数的显著性检验 （u- test） ） 二、 σ 未知时平均数的显著性检验 未知时平均数的显著性检验――t 检验（t 检验（ test） ） 三、变异性的显著性检验 变异性的显著性检验――χ2 检验（χ2- test） 变异性的显著性检验 χ 检验（ ）
假设检验
统 计 推 断
知道的统计总体提出一些假设； 知道的统计总体提出一些假设；然定的计算，作出在概率意义 显著性检验） 实际结果，经过一定的计算，
上应当接受哪种假设的测验。 上应当接受哪种假设的测验。
参数估计是指由样本结果对总体参数作出点估
参数估计
计 (point estimate) 或 者 区 间 估 计 (interval estimate)。
32
3 显著性水平：根据实验要求（籽粒重量是否有“显著” 提高）规定α＝0.05。 4 统计量的值：由于s 已知可使用u 检验， u＝（y－µ0 ）／（s／√n）代入数值，得： u＝1.82 5 建立H0的拒绝域：因HA：µ＞µ0 ，故为单侧检验，当u ＞u0.05时拒绝H0。α＝0.05时u0.05＝1.645。 6 结论：因为u＞u0.05 ，所以结论是拒绝H0，接受HA。 上述样本很可能不是抽自N（37.72，0.332）的总体，抽 出样本的那个总体的平均数是大于37.72的某个值，即栽 培条件的改善显著地提高了豌豆籽粒重量。
28
2. 零假设
H0：µ＝µ0。
备择假设可有以下三种情况： 备择假设可有以下三种情况： （1）HA：µ＞µ0 ，若已知µ不可能小于 0 。 ） ＞ 若已知 不可能小于µ 不可能小于 若已知µ不可能大于 不可能大于µ （2）HA：µ＜µ0 ，若已知 不可能大于 0 。 ） ＜ 包括µ＞ （3）HA：µ≠µ0 ，包括 ＞µ0 和µ＜µ0 ） ＜
11
（二）确定适当的检验统计量
大样本还是小样本？ 总体方差已知还是未知？ 选择正确的检验统计量，计算结果
12
（三）规定显著性水平α
1、小概率事件原理
(1)小概率事件：统计学上指在一次试验中，一个几乎不可能发生的事 件发生的概率，称为小概率事件实际不可能原理。 (2)在一次试验中小概率事件一旦发生，原假设就是错误的。 2、小概率值α的概念及统计学意义: α表示原假设为真时，拒绝原假设 犯错误的概率，被称为抽样分布的拒绝域，1-α称为置信水平，表示接 受原假设的可信度或可靠程度，被称为抽样分布的接受域。 3、α值大小的确定：常用的α=0.01、0.05由研究者事先确定。当α取 0.05时，表明作出接受原假设的决定时，其正确的可能性（概率）为 95%。
第五章 统计推断
1
学习要求：
• 掌握：有关的假设检验方法及统计软件 SPSS、Excel的应用。 • 熟悉：不同条件下使用的统计量。 • 了解：假设检验和参数估计之间的关系。
2
讲授内容
第一节 假设检验的原理和方法 第二节 单个样本的统计假设检验 第三节 两个样本的差异显著性检验
3
指根据于某种实际需要， 指根据于某种实际需要，对未知的或不完全
u =
y − µ
σ
0
n
30
5. 相应于 中个备择假设的 0的拒绝域分别为： 相应于2 中个备择假设的H 的拒绝域分别为： （1）u＞u α ） ＞ （2）u＜－ α ） ＜－u ＜－ （3）│u│＞u α/2 ，或表示为 ） ＞ α/2 或表示为│u│＞u α（双侧） ＞ 双侧） 正态分布的分位数，可以从附表中查出。 正态分布的分位数，可以从附表中查出。 6. 根据以上所做的分析，得出结论，并给予生物学解释。 根据以上所做的分析，得出结论，并给予生物学解释。
31
已 知豌 豆籽 粒重量 例 5-2 已知 豌 豆籽粒 重量 （ 克 ／ 100 ） 服从 正 态分 布 N 在改善栽培条件后， （37.72，0.332）。在改善栽培条件后，随机抽取 9 粒， ， 其重量平均数 Y＝ 37.92，若标准差仍为 ＝ ， 若标准差仍为0.33，问改善条 ， 栽培件是否显著提高了豌豆籽粒重量？ 栽培件是否显著提高了豌豆籽粒重量？ 解 根据检验的基本程序： 1 已知豌豆的重量是服从正态分布的随机变量，σ已知。 2 假设： H0：µ＝µ0 ＝37.72 HA：µ＞µ0 ＝37.72 关于备择假设的说明：由于改善栽培条件，只会 使籽粒重量提高，不会使籽粒重量降低，因此备择假设HA 为µ＞µ0 。
22
如果H0是错误的，我们通过测验没有发 现其不真实而接受了它，即犯了一个接受 不 真 实 的 H0 的 错 误 。 这 叫 第 二 类 错 误 (second kind error)或II型错误 型错误。由于犯这 型错误 类错误的概率通常用β表示，故又称其为 β错误 错误。 错误
23
假设检验结果 客观实际
21
四、统计假设的两类错误
统计假设测验是根据一定的概率标准对总体特征作 出推断。否定了H0，并不等于已证明H0不真实；接受了 H0 ，也不等于已证明H0是真实的。 如果H0是真的，我们通过测验却否定了它，就犯了 一个否定真实假设的错误。这叫第一类错误 第一类错误(first kind 第一类错误 error)或I型错误 型错误。由于规定了显著水平α值，就注定要犯 型错误 错误，故I型错误又称为α错误 错误。 错误
H0正确 H0不正确 否定H0 接受H0
I型错误（α） 推断正确（1－β）
推断正确（1－α） II型错误（β）
24
α 错误和 β 错误的关系
α和β的关系就 像翘翘板， 像翘翘板，α 就大， 小β就大， α大 β就小 你不能同时减 少两类错误! 少两类错误!
β
α
25
如何降低两类错误的概率？
一般通过增加样本含量n，获得更多的关于总体的信息， 从而降低推断中可能出现的错误的概率。