统计推断PPT课件

.1，statisticalinference)。2，统计推断，从一个或一系列样本的结果推断总体特征，假设检验，参数估计。3，第一节，第二节，第三节，第四节，第五节，假设检验的原理和方法，样本平均值的假设检验，样本频率的假设检验，参数的区间估计和点估计，方差的同质性检验。4，第1节，抵押权的原则和方法。5，一个概念：假设检验，也称为显著性检验，是根据总体的理论分布和小概率原理，对未知或不完全已知的总体提出两个相反的假设，然后根据样本的实际原理，经过一定的计算，做出在一定概率意义上应该被接受的假设的推论。假设检验，小概率原理，在抽样检验中，概率很小的事件几乎不可能发生。=0.05/0.01。如果假设某些条件，并且在假设条件非常小的情况下，事件A发生的概率可以精确计算，则事件A将在假设条件下的N次独立重复测试中按照预定的概率发生，而在一次测试中几乎不可能发生。统计假设检验的基本思想是，一个地区的地方小麦品种一般每667m2产量为300公斤，即群体中地方品种的平均数量为0=300(公斤)，方差2=(75)2公斤由多年种植结果得到。如果从这个群体中随机选择n个个体形成一个样本，样本的观察值可以表示为：yi=01(I=1，2，n)。通过在25个地区的试验，新品种样品的平均产量为330公斤/667平方米。新品种的样本观测值可表示为：Xi= I (I=1，2，n)，其中是新品种的总体平均值。新品种和本地品种之间的差异(品种效应)用表示，然后=- 0，9，代入上式：xi= 0 i (I=1，2，n)对Xi进行平均，并将公式略微变形为：- 0=，这是一种表型效应。在本例中，10、由于加工效应=- 0无法计算，统计推断只能从第二种可能性开始，即假设加工效应不存在，实验表型效应全是实验误差。(1)加工效应和误差效应；(2)都是测试错误。我们可以看到表型效应的形成有两种可能性，然后我们可以计算假设出现的概率，最后我们可以根据概率的大小判断假设是否真实，从而我们可以推断加工效应是否存在(反证法)。这是统计假设检验的基本思想。11，2，假设检验步骤，治疗前0=1262=240，n (126，240)，治疗后n=6x=136未知则=0？喹硫平治疗矽肺有效吗？矽肺患者的血红蛋白含量假定为正态分布，平均值为0=126 (mg/l)和2=240 (mg/l) 2。六名矽肺病患者目前正在接受喹硫平治疗。治疗后，通过实验室试验确定平均血红蛋白含量x=136(毫克/升)。提出假设无效假设/零假设/检验假设替代假设/对应假设0=，0误差效应治疗效应H0，哈，例13:喹硫平能提高矽肺患者的血红蛋白含量吗？检查治疗后的总体平均值是否为治疗前的126(毫克/升)？在这种情况下，零假设意味着治疗后的平均血红蛋白仍与治疗前相同，并且两者来自同一人群。接受零假设意味着奎硫平没有疗效。然而，另一个相反的假设表明拒绝H0。治疗后的平均血红蛋白和治疗前的平均血红蛋白来自不同人群，即喹硫平有效。h 0:= 0=126 (mg/l)，ha 3336 0。14，2，确定显著性水平，=0.05，显著性水平*，极显著性水平* *，可以否定H0的人为规定的概率标准称为显著性水平，其记录为。在统计学中，一般认为概率小于0.05或0.01的事件是小概率事件，因此基于小概率原则建立的假设检验通常取=0.05和=0.01的两个显著水平。P 1.96，p 1.96，p 1.96，p 1.96，p 1.96，p 1.96，p 1.96，p 1.96，p 1.96，p 1.96，p 1.96，p 1.96，p 1.96，p 1.96，p 1.96，p 1.96，p 1.96，p 1.96，p 1.96，p 1.96，p 1.96，p 1.96，p 1.96 和，和，和，和，和，和，和，和，和，和，和，和，和当P30时，样本方差s2可以用来代替总体方差2，并且仍然使用U检验方法。例如，在某一纺织品的生产中，要求棉花的平均纤维长度大于30毫米。对于现有的棉花品种，随机检查n=400，平均纤维长度确定为30.2毫米，标准偏差为2.5毫米。问题是棉花品种的纤维长度是否满足纺织品的生产要求。分析，(1)这是一个假设检验的样本平均值，因为总体2是未知的，n=40030，s2可以用来代替2进行U检验；(2)只有30毫米棉纤维符合纺织品的生产要求，因此进行单端检验。(1)假设，(2)水平，(3)检验，(4)推论，H0:0=30(cm)，即棉花品种的纤维长度不能满足纺织生产的要求。HA : 0，选择有效水平=0.05，U 0.05，41，3，种群方差 2未知，当n30时，样本方差s2可以用来代替种群方差2，使用T检验方法df=n-1，种群( 0)，S2，2，42，例如：鱼塘水中的含氧量，多年平均为4.5(mg/L)，鱼塘配备10个点来采集水样。测得的氧含量为4.33、4.62、3.89、4.14、4.78、4.64、4.52、4.55、4.48和4.26(毫克/升)。试着检查这次取样测量的水中氧含量与多年平均值之间是否有显著差异。分析，(1)这是样本平均值的假设检验，因为总体2未知，n=10或0.05，44，2，假设检验的两个样本平均值，假设检验的样本平均值，45，适用范围：测试两个样本平均值x1和x2所属的总体平均值1和2是否来自同一总体。两个样本平均数的假设检验程序如下：1 .提出假设，无效假设H0:1=2，并且两个平均值之间的差异是由随机误差引起的。另一种假设是，HA:1=2，两个平均值之间的差值不仅包括随机误差，还包括其实际差值，即由效应差引起的差值。47，2，确定显著性水平：0.05或0.01，3，检验统计量，(1)样本平均值之差=总体平均值之差。两个样本平均值的差值，48，(2)样本平均差的方差=两个样本平均方差之和，样本平均差的标准误差，49，12=22=，n1=n2=n，12=22=n1=n2=n。50，当12和22已知时，h0: 1= 2=。51，当12和22未知时，两个样本都是大样本，h0: 1= 2=。52，当12和22未知时，两个样本都是小样本，h0: 1= 2=。53，4，演绎和解释、54，实验设计，分组数据的平均数量的比较，配对数据的平均数量的比较，55，以及分组数据的平均数量的比较。如果两个样本的变量是从它们各自的总体中随机选择的，并且两个样本之间的变量不相关，即两个样本彼此独立，则无论两个样本是否具有相同的容量，所获得的数据都是分组数据。两组的数据通过组平均值相互比较，以检验差异的显著性。根据两个样本所属的总体方差是否已知以及样本大小是否不同，采用不同的检验方法。嘿。嘿。56，1，两个总体方差12和22是已知的，或者12和22是未知的，但是两个样本都是大样本，即n130和n230，使用U检验方法。杂交黑麦从播种到开花的天数的标准偏差为6.9 d。方法a:调查400株植物，平均为69.5，试比较两种调查方法对黑麦从播种到开花的天数没有显著差异。(1)假设，(2)水平，(3)检验，(4)推断，H 0: 1= 2，即两种方法得到的天数相同。选择显著水平=0.05，在显著水平0.05，接受H0，拒绝透明质酸；据信，通过这两种方法获得的黑麦从播种到开花的天数没有显著差异。为了比较“42-67603”和“42-67PB86”的出胶率，随机抽取55个和107个橡胶品系进行出胶，平均出胶率分别为95.4毫升/品系和77.6毫升/品系。橡胶产量的方差分别为936.36(ml/株)2和800.89(ml/株)2。分析，(1)这是比较两个样本(分组数据)平均值的假设检验。12和22是未知的，n230和n22是未知的。(2)采用双尾检验是因为两个品种的产量事先不知道。尝试检查两个橡胶品种的出胶量是否有显著差异。(1)假设，(2)水平，(3)检验，(4)推断，H 0: 1= 2，即两个品种的出钢率无显著差异。选择有效水平=0.01，在有效水平0.01，拒绝H0并接受高可用性；“42-67XLM 603”的橡胶产量明显高于“42-67PB 86”。嘿。嘿。60，2，两个总体方差12和22未知，并且两个样本都是小样本，即n130和N20.05，DF=(N1-1) (N2-1)=17，66，2) 12 22，n1n2，采用近似T检验，即Aspin-Welch检验法。67，(3)1222，n1=n2=n，se2，2，df=n-1，均值差的标准误差，当n1=N2=n，68，配对数据的平均值的比较，配对(配对)比较方法：将几个独立获得的实验材料分成两部分或几对独立获得的遗传上基本相同的个体，分别接受两种不同的处理；或者同一受试者连续接受两种不同的治疗并比较不同的治疗效果。这种安排被称为配对实验设计。对于成对数据，由于同一对中的两个测试单元的测试条件非常接近，不同对之间的条件差异可以通过同一对的差异来消除，测试误差可以控制，准确度高。69，x1，x2，样本1，样本2，n对，样本差异的平均数等于样本差异的平均数。70，h0: d=0，df=n-1，样本差异方差，样本差异平均数的标准误差，t值，例如，在研究饮食中缺乏ve和肝脏中va之间的关系时，根据性别、体重等将试验动物分成8对。用随机分配法将每对试验动物分为正常饲料组和VE缺乏组。然后杀死试验动物并测定其肝脏中的VA含量。结果如右表所示：组差DD 213550245100121000022002400-40016000030018001200144000439007 5056205 0538003 2505006 3750006 32005 320005 32006 320005 320005 4 200004 20004 200005 4 2000005 4 20000005 4 20000005 4 00000005这是一对数据。我事先不知道两组饲料中哪一组更重要或更不重要。我用两条尾巴。72，(1)假设，(2)水平，(3)测试，h 0: d=0ha : d 0，=0.01，(4)推断，在0.01的显著水平，拒绝h 0并接受ha；两组饲料对动物肝脏中VA含量的影响有非常显著的差异。正常饲料组的维生素a含量显著高于维生素e缺乏组。，t0.01 (7)=3.499 t0.01 (7)，已知，73，第3节，样本频率的假设检验，74，二项式分布，频率分布，二项式组成，目标属性。75，假设检验的频率，当np或nq30，中心极限定理，正态分布(U检验)，近似值，77，假设检验的频率，当51.96，P30时，不需要连续修正，用U检验：下H0:p1=p2，2，下H0:p1=p2，用U检验：下H 0: p1=P2，89，2，下H 0: p1=P2，P0.01，93，1。参数区间估计和点估计的原理，三两个总体平均数之间差异的区间估计和点估计，2。人口平均数的区间估计和点估计。群体频率的区间估计和点估计、两个群体频率数之间的差异以及参数的区间估计和点估计是基于一定理论的方法。根据中心极限定理和大数定律，只要样本是大样本，无论总体是否服从正态分布