【正文】 (T =t ) 雙尾 0 .0 204 43 246 t 雙尾臨界 2 .1 098 15 559 （ 2）統(tǒng)計(jì)學(xué)的推論功能 ? t 檢驗(yàn)的類型 ? ① 針對(duì)固定值的實(shí)驗(yàn)平均值的檢驗(yàn) ? ② 觀察數(shù)成對(duì)，例如每個(gè)評(píng)價(jià)小組成員評(píng)價(jià) 2個(gè)產(chǎn)品，由于每對(duì)數(shù)據(jù)來(lái)自 1個(gè)人，所以評(píng)估分是相關(guān)聯(lián)的，這稱為成對(duì) t檢驗(yàn)或非獨(dú)立 t檢驗(yàn)。 ? 而所謂的誤差變化即是指隨機(jī)誤差改變總平均值的程度。蔗糖和 HFCS都各選用了 3個(gè)水平（ 2%、 4%、 6%）制備了 9個(gè)產(chǎn)品。 ? 彈性非常好 ? 彈性好 ? 彈性較好 ? 彈性一般 ? 彈性較差 ? 彈性差 ? 彈性非常差 例子 6——方差分析后各平均值的多重比較 ? 用 + + + 0、 3分別給上面的語(yǔ)言類項(xiàng)賦值，獲得的評(píng)價(jià)數(shù)據(jù)如下： 評(píng)價(jià)員 彈性評(píng)分值 A B C D 1 2 3 1 2 2 1 3 0 2 3 3 3 1 2 4 2 3 2 2 5 1 3 2 1 6 3 3 2 2 7 0 3 1 2 8 3 2 1 1 例子 6——方差分析后各平均值的多重比較 ? 找出方差分析中顯著性 F 比率只是統(tǒng)計(jì)分析的第一步，還需要尋求哪一個(gè)處理有差別，即需對(duì)各個(gè)平均數(shù)進(jìn)行多重差異比較。 ? class a。 ? 在大部分情況下，只有端點(diǎn)做了標(biāo)示，標(biāo)示點(diǎn)也可以從線段兩端縮進(jìn)一點(diǎn)以避免末端效應(yīng)。結(jié)果如下： 方差分析結(jié)果： 方差 感官性質(zhì) 處理間 處理內(nèi) F 琥珀色 *** 花香味 *** 水果味 ** 似蠟狀 粘性 *** 甜味 酸味 3 .319 發(fā)酵味 收斂味 N S 沒(méi)有顯著性差異； * 在 P ≤ 0. 05 下有顯著差異； ** 在 P ≤ 下有顯著差異； *** 在 P ≤ 下有顯著差異。例如，如果下一個(gè)樣品的甜度是參照樣的 2倍，則將其定值為“ 20‖，如果甜 度是參照樣的一半，則將其定值為 “ 5‖，如果其甜度是 ，則將其定值為“ 35‖。這一再標(biāo)度的過(guò)程也被稱為 “ 標(biāo)準(zhǔn)化 ” 。 量值估計(jì)標(biāo)度 ? 向評(píng)價(jià)員建議第一個(gè)樣品的值在 30～ 100之間為宜，應(yīng)避免使用太小的數(shù)字。 量值估計(jì)標(biāo)度 ? 賦予參照樣固定數(shù)值模數(shù)的量值估計(jì)應(yīng)采用的示范指令： ? 請(qǐng)品嘗第一個(gè)樣品并注意其甜度，這是一個(gè)參照樣品，它的甜度值定為 “ 10‖。 線性標(biāo)度 ? 數(shù)據(jù)分析：將評(píng)價(jià)員所標(biāo)記的在線性標(biāo)度上的長(zhǎng)度，列于表中，并計(jì)算感官性質(zhì)強(qiáng)度的平均分。 例子 6——方差分析后各平均值的多重比較 ? 總結(jié) ——方差分析的基本步驟 ? 第一步：進(jìn)行平方和與自由度的分解； ? 第二步：進(jìn)行 F 測(cè)試， F 測(cè)試不顯著則分析完畢，F(xiàn) 測(cè)試顯著則進(jìn)行多重差異比較； ? 第三步：對(duì)各個(gè)平均數(shù)進(jìn)行多重比較； ? 當(dāng)然采用 SAS軟件則不需要人工完成上面 3步，軟件通過(guò)后臺(tái)的這三步運(yùn)算給出結(jié)果。 ? a1 2 a1 1 a1 3 a1 2 a1 1 a1 3 a1 0 a1 3 ? a2 3 a2 3 a2 3 a2 3 a2 3 a2 3 a2 3 a2 2 ? a3 1 a3 0 a3 1 a3 2 a3 2 a3 2 a3 1 a3 1 ? a4 2 a4 2 a4 2 a4 2 a4 1 a4 2 a4 2 a4 1 ? 。 （ 2）統(tǒng)計(jì)學(xué)的推論功能 ? 例子 6：改變配方中的一種配料制作了 4種魚(yú)丸，采用下面的語(yǔ)言類項(xiàng)標(biāo)度對(duì)這 4種魚(yú)丸的彈性進(jìn)行評(píng)價(jià)。 有偏大的傾向不成立時(shí)， 處理間SSH 0（ 2）統(tǒng)計(jì)學(xué)的推論功能 ? 例子 4 ——單因素試驗(yàn)的方差分析 ? 對(duì)上例試驗(yàn)結(jié)果的方差分析結(jié)果如下： ? 每欄總和： Ta=61， Tb=68， Tc=79；全部總和T=208 4 4 210)796861(/ 4 4 21 5 3 01 5 3 4 4 230/2 0 8/2222222222??????????????? ?NTnTTTSSSSxNTicba處理間總和）（，）（（ 2）統(tǒng)計(jì)學(xué)的推論功能 ? 例子 4 ——單因素試驗(yàn)的方差分析 方差來(lái)源 變差平方和 自由度 均方 F值 總和 29 組間 2 組內(nèi) 27 查閱 F分布表： F臨界值 =（自由度為 27，概率水平為 ）由于計(jì)算值沒(méi)有大于臨界值，說(shuō)明原假設(shè)成立，即不同甜味劑用量制備的產(chǎn)品在甜味上沒(méi)有差別。 ? 方差分析中幾個(gè)名詞概念（因素即自變量、水平、因變量） ? 方差分析就是構(gòu)建一個(gè)比率 F，該比率是因素變化與誤差變化的比率，該比率服從 F統(tǒng)計(jì)分布。 ? 產(chǎn)品經(jīng)營(yíng)人員認(rèn)識(shí)到 QC評(píng)價(jià)小組胡椒的辣度出現(xiàn)不是十分敏感現(xiàn)象，所以，由 2個(gè)評(píng)價(jià)小組進(jìn)行評(píng)價(jià)。 （ 2）統(tǒng)計(jì)學(xué)的推論功能 ? 例子 1：用下面 7個(gè)方格標(biāo)度為尺度進(jìn)行實(shí)驗(yàn)，對(duì)比一個(gè)對(duì)照樣來(lái)評(píng)估一個(gè)新型組分配方的甜度 □ □ □ □ □ □ □ 相對(duì)較不甜 甜度相同 相對(duì)較甜 ? 匯總 10位評(píng)價(jià)員的結(jié)果，將放置的方格位置轉(zhuǎn)換成分值 1（最 左的方格） 至 7（ 最右的方格），數(shù)據(jù)如下： （ 2）統(tǒng)計(jì)學(xué)的推論功能 ? 例子 1： ? 首先提出假設(shè)，假設(shè)兩個(gè)群體樣本均值之間無(wú)差異（無(wú)差異假設(shè)）；接著研究實(shí)驗(yàn)中計(jì)算得到的 t，并考慮在假定無(wú)差異時(shí)該 t 值可能是什么樣？ 評(píng)價(jià)小組成員 評(píng)估分 評(píng)價(jià)小組成員 評(píng)估分 1 5 6 7 2 5 7 5 3 6 8 5 4 4 9 6 5 3 10 4 （ 2）統(tǒng)計(jì)學(xué)的推論功能 ? 例子 1： ? A、建立無(wú)差異假設(shè)與無(wú)差異假設(shè)的對(duì)立假設(shè)： ? H0： μ= ， μ指群體平均值； Ha： μ≠ ? B、計(jì)算 t 值 ? 樣本的群體平均值可能高于或低于我們的期望值，因此，計(jì)算得到的 t值可能是正或負(fù)的，這稱為雙側(cè)檢驗(yàn)。 B as ker 表 排序 和之間差別的臨界值（ p=0 .0 5 ） 排列產(chǎn)品數(shù) 評(píng)價(jià) 員數(shù) 2 3 4 5 6 7 8 9 10 20 8 .8 1 4. 8 2 1. 0 2 7. 3 3 3. 7 4 0. 3 4 7. 0 5 3. 7 6 0. 6 21 9 .0 1 5. 2 2 1. 5 2 8. 0 3 4. 6 4 1. 3 4 8. 1 5 5. 1 6 2. 1 22 9 .2 1 5. 5 2 2. 0 2 8. 6 3 5. 4 4 2. 3 4 9. 2 5 6. 4 6 3. 5 23 9 .4 1 5. 9 2 2. 5 2 9. 3 3 6. 2 4 3. 2 5 0. 3 5 7. 6 6 5. 0 24 9 .6 1 6. 2 2 3. 0 2 9. 9 3 6. 9 4 4. 1 5 1. 4 5 8. 9 6 6. 4 25 9 .8 1 6. 6 2 3. 5 3 0. 5 3 7. 7 4 5. 0 5 2. 5 6 0. 1 6 7. 7 26 1 0. 0 1 6. 9 2 3. 9 3 1. 1 3 8. 4 4 5. 9 5 3. 5 6 1. 3 6 9. 1 27 1 0. 2 1 7. 2 2 4. 4 3 1. 7 3 9. 2 4 6. 8 5 4. 6 6 2. 4 7 0. 4 28 1 0. 4 1 7. 5 2 4. 8 3 2. 3 3 9. 9 4 7. 7 5 5. 6 6 3. 6 7 1. 7 29 1 0. 6 1 7. 8 2 5. 3 3 2. 8 40 .6 4 8. 5 5 6. 5 6 4. 7 7 2. 9 30 1 0. 7 1 8. 2 2 5. 7 3 3. 4 4 1. 3 4 9. 3 5 7. 5 6 5. 8 7 4. 2 31 1 0