【正文】 體方差已知，根據(jù)標準正態(tài)分布就可以計算出差值 ~標準化：構造統(tǒng)計量 正態(tài)分布轉換為標準正態(tài)分布 計算概率n 第二種方法：計算樣本平均數(shù)的接受區(qū)間根據(jù)標準化公式計算樣本平均數(shù)的接受區(qū)間：接受區(qū)間否定區(qū)間接受區(qū)間和否定區(qū)間是有一定的概率保證的，保證概率為 1α， 常用的保證概率為 95%和 99%； α為顯著水平，常用的顯著水平有 倘若樣本平均數(shù)落在接受區(qū)間內(nèi)，就接受 H0， 反之，倘若樣本平均數(shù)落在接受區(qū)間之外，就否定 H0， 接受 HA作為 作為 95%的接受區(qū)間為：99%的接受區(qū)間為：（ 3） 根據(jù) “小概率事件實際不可能性原理 ”接受或否定無效假設小概率事件實際不可能性原理是指在一次試驗中，概率很小的事件是不可能出現(xiàn)的 在統(tǒng)計學中，當樣本平均數(shù)與總體平均數(shù)差值出現(xiàn)的概率小于 5%時，就認為這種差異由抽樣誤差引起的概率較小，而是兩總體間的真實性差異，從而否定無效假設 差值 ~，大于 ，概率較大 ；說明樣本平均數(shù)與已知總體的總體平均數(shù)之間的差異是抽樣誤差的概率較大，而不大可能是真實差異 接受無效假設，也就是說這批黑白花奶牛是來自于某地黑白花奶牛總體?？偨Y：統(tǒng)計假設檢驗的步驟（ 1）提出假設 （ 2）構造、計算檢驗統(tǒng)計量（轉換為方便計算概率，如 U， t值等）（ 3）查附表，根據(jù)小概率原理作出接受或者否定無效假設的推斷，并結合專業(yè)知識作出合理的、科學的解釋 例 42： 1995年，已知某地 20歲應征男青年的平均身高為 。 2023年在當?shù)?20歲應征男青年中隨機抽取 85人，平均身高為 ， 標準差為， 問 2023年當?shù)?20歲應征男青年的身高與 1995年的是否相同 ?解：（ 1）提出假設H0： μ=HA： μ≠與 1995年相比， 2023年當?shù)?20歲應征男青年的身高沒有變化 與 1995年相比， 2023年當?shù)?20歲應征男青年的身高有變化 （ 2）計算 u值 （ 3）查表，作出推斷 =， = |u| = ＞ = ， P＜ 根據(jù) “小概率事件原理 ”可以認為無效假設不成立，因此否定無效假設，接受備擇假設 樣本不是來自于已知總體，即 2023年當?shù)?20歲應征男青年的身高有變化，比 1995年增高了 在顯著性檢驗中，否定或接受無效假設的依據(jù)是 “小概率事件實際不可能性原理 ” 用來確定否定或接受無效假 設 的概率 標 準稱 為顯 著水平， 記 作 α 216。 若 |u|＜ P＞ ， 說明表面效應屬于試驗誤差的可能性大，不能否定無效假設，兩個總體平均數(shù)間 差異不顯著 216。 若 ≤|u|＜ P≤， 說明表面效應屬于試驗誤差的概率 P在 ，表面效應屬于試驗誤差的可能性較小，應否定無效假設，接受備擇假設 兩個總體平均數(shù)間 差異顯著 標記 * 216。 若 |u|≥ P≤， 說明表面效應屬于試驗誤差的概率 P不超過 ，表面效應屬于試驗誤差的可能性更小，應否定無效假設，接受備擇假設 兩個總體平均數(shù)間 差異極顯著 標記 ** 3. 一尾檢驗和兩尾檢驗 所研究樣本的樣本平均數(shù)，有可能大于已知總體的總體平均數(shù)，也有可能小于已知總體的總體平均數(shù)，即計算所得的 u值可能會落在標準正態(tài)分布左邊否定區(qū)，也有可能會落在右邊否定區(qū) 既考慮左邊否定區(qū)又考慮右邊否定區(qū)即考慮分布曲線兩尾的檢驗稱為兩尾檢驗（ twotailed test）在很多情況下，事先并不知道所抽樣本的樣本平均數(shù)是不是肯定大于總體平均數(shù)或肯定小于總體平均數(shù) 因此，備擇假設 HA： μ≠μ0中，有兩種可能性存在，既包括 μ＞ μ0， 又包括 μ＜ μ0■ 兩尾檢驗是生物統(tǒng)計學中最常用的方法，應用范圍極其廣泛 n 兩尾檢驗的假設： H0： μ=μ0， HA： μ≠μ0有些時候，試驗目的是明確的，即所抽樣本的樣本平均數(shù)只可能大于總體平均數(shù) μ≥μ0， 或只可能小于總體平均數(shù) μ≤μ0 在這種情況下，無效假設否定后的備擇假設只有一種情況：要么 μ＜ μ0 ， 要么 μ＞ μ0 只有一個否定區(qū)（一尾）的假設檢驗稱為一尾檢驗（ onetailed test） n 一尾檢驗的假設： H0： μ≥μ0， HA： μ＜ μ0在樣本容量和顯著水平相同的情況下，一尾檢驗的效率高于兩尾檢驗，一尾檢驗比兩尾檢驗更容易否定無效假設 若對同一資料進行兩尾檢驗和一尾檢驗，那么在 α水平上一尾檢驗顯著，只相當于兩尾檢驗在（ 查表時雙側 2α即可 ） 水平上顯著。所以，同一資料兩尾檢驗與一尾檢驗所得的結論不一定相同兩尾檢驗顯著，一尾檢驗一定顯著一尾檢驗顯著，兩尾檢驗未必顯著 n 一尾檢驗的假設： H0： μ≤μ0， HA： μ＞ μ04. 假設檢驗的兩類錯誤 在假設檢驗中，接受或者否定無效假設的依據(jù)是 “小概率事件實際不可能性原理 ”，因此所得出的結論（不論是接受還是否定無效假設）都沒有 100%的把握，只是在一定的概率范圍內(nèi)認為這種結論是正確的 第一類錯誤 如果無效假設 H0成立，即 H0： μ=μ0為真，但： 檢驗結果發(fā)現(xiàn) “差異顯著 ”而否定了它（此時，只有 95%的把握，要冒 5%下錯結論的風險） 檢驗結果發(fā)現(xiàn) “差異極顯著 ”而否定了它（此時，只有 99%的把握，要冒1%下錯結論的風險） 這一類錯誤稱為 Ⅰ 型錯誤或 α型錯誤 Ⅰ 型錯誤的實質就是把非真實差異（抽樣誤差）錯判為真實差異， 即： H0： μ=μ0為真，卻接受了 HA： μ≠μ0 棄真 H0正確被否定犯 Ⅰ 型錯誤的概率不會超過顯著水平 α（ 5% 、 1% ） 第二類錯誤 如果無效假設 H0不成立，即 H0： μ=μ0為假，但： 檢驗結果發(fā)現(xiàn) “差異不顯著 ”而接受了它，同時放棄了正確的備擇假設 在統(tǒng)計學中所謂的 “差異不顯著 ”就是指沒有充分的理由去否定無效假設，但也沒有充分的理由去接受備擇假設，但生物統(tǒng)計學實行的是 “非此即彼 ”的原則，因此，既然 “差異不顯著 ”就必須接受無效假設。 這一類錯誤稱為 Ⅱ 型錯誤或 β型錯誤。 Ⅱ 型錯誤的實質就是把真實差異錯判為非真實差異，即雖然 H0： μ=μ0是假的，但通過檢驗卻接受了存?zhèn)?H0錯誤被接受統(tǒng)計推斷的基本特點就是 “有很大的可靠性，但也有一定的錯誤率 ” 兩類錯誤與假設的關系 客 觀 實 際 接 受 H0 否 定 H0無效假設 H0成立 推斷正確（ 1α） Ⅰ 型錯誤（ α） “棄真 ”無效假設 H0不成立 Ⅱ 型錯誤（ β） “存?zhèn)?” 推斷正確（ 1β）謝謝觀看 /歡迎下載BY FAITH I MEAN A VISION OF GOOD ONE CHERISHES AND THE ENTHUSIASM THAT PUSHES ONE TO SEEK ITS FULFILLMENT REGARDLESS OF OBSTACLES. BY FAITH I BY FAIT