显著性差异课件..ppt

1、显著性检验刘上元2015年10月8日201020304含义原理技术标准常用检验CONTENT0301PART ONE含义显著性检验significancetest05即用于实验处理组与对照组或两种不同处理的效应之间是否有差异，以及这种差异是否显著的方法。 就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设（原假设）是否合理，即判断总体的真实情况与原假设是否有显著性差异。02原理PART TWO2.原理显著性检验是针对我们对总体所做的假设做检验，其原理就是“小概率事件实际不可能性原理”来接受或否定假设。抽样实验会产生抽样误差，对实验资料进行比较分析时，不能

2、仅凭两个结果（平均数或率）的不同就作出结论，而是要进行统计学分析，鉴别出两者差异是抽样误差引起的，还是由特定的实验处理引起的。小概率事件抽样误差实验处理实际不可能性7原理 提出“无效假设”和检验“无效假设”成立的机率 （P）水平的选择。significancetest08*无效假设经统计学分析后，如发现两组间差异是抽样引起的，则“无效假设”成立，可认为这种差异为不显著（即实验处理无效）。若两组间差异不是由抽样引起的，则“无效假设”不成立，可认为这种差异是显著的（即实验处理有效）。原理significancetest09*“无效假设”成立的机率水平检验“无效假设”成立的机率水平一般定为5%，其含

3、义是将同一实验重复将同一实验重复100次，两者结果间的差异有次，两者结果间的差异有5次以上是由抽样误差造成的，则次以上是由抽样误差造成的，则“无效假设无效假设”成立，成立，可认为两组间的差异为不显著，常记为可认为两组间的差异为不显著，常记为p0.05。若两者结果间的差异5次以下是由抽样误差造成的，则“无效假设”不成立，可认为两组间的差异为显著，常记为p0.05。如果p0.01，则认为两组间的差异为非常显著。03技术标准PART THREE技术标准significancetest11常把一个要检验的假设记作0,称为原假设（或零假设） (null hypothesis) ，与0对立的假设记作1，称

4、为备择假设(alternative hypothesis) 。 在原假设为真时，决定放弃原假设，称为第一类错误，其出现的概率通常记作； 在原假设不真时，决定接受原假设，称为第二类错误，其出现的概率通常记作。技术标准significancetest12通常只限定犯第一类错误的最大概率， 不考虑犯第二类错误的概率。这样的假设 检验又称为显著性检验，概率称为显著性水平。最常用的值为0.01、0.05、0.10等。一般情况下，根据研究的问题，如果放弃真假设损失大，为减少这类错误，取值小些 ，反之，取值大些。133.技术标准原假设备假设如果我们是检验某实验（Hypothesis Test）中测得的数据，

5、那么当数据之间具备了显著性差异，实验的 虚无假设（Null Hypothesis）就可被推翻， 对立假设（Alternative Hypothesis）得到支持；反之若数据之间不具备显著性差异，则实验的备则假设可以被推翻，虚无假设得到支持。通常情况下，实验结果达到0.05水平或0.01水平，才可以说数据之间具备了差异显著或是极显著。在作结论时，应确实描述方向性。1415毕业设计第二次汇报，段公子，西北工业大学航空学院sig值达到0.05水平或0.01水平虚无假设为真，被推翻对立假设得到支持P0.05 不显著实验结果NULLP0.05 不显著0.01P0.05 表示差异性显著；P0.01表示差异

6、性极显著。1704常用检验PART FOUR4.常用检验适用于计量资料、正态分布、方差具有齐性的两组间小样本比较。包括配对资料间、样本与均数间、两样本均数间比较三种，三者的计算公式不能混淆。（处理时不用判断分布类型就可以使用t检验）t检验17应用条件与t检验大致相同，但t检验用于两组间方差不齐时，t检验的计算公式实际上是方差不齐时t检验的校正公式。t检验应用条件与t检验基本一致，只是当大样本时用U检验，而小样本时则用t检验，t检验可以代替U检验。U检验4.常用检验用于正态分布、方差齐性的多组间计量比较。常见的有单因素分组的多样本均数比较及双因素分组的多个样本均数的比较，方差分析首先是比较各组间

7、总的差异，如总差异有显著性，再进行组间的两两比较，组间比较用q检验或LST检验等。方差分析18是计数资料主要的显著性检验方法。用于两个或多个百分比(率)的比较。常见以下几种情况：四格表资料、配对资料、多于2行*2列资料及组内分组X2检验。X2检验用于计数资料。是当实验组或对照组中出现概率为0或100%时，X2检验的一种特殊形式。属于直接概率计算法。零反应检验4.常用检验用于计量资料、正态分布、两组间多项指标的综合差异显著性检验。Hotelling检验19符号检验、秩和检验和Ridit检验非参数统计方法验三者均属非参数统计方法，共同特点是简便、快捷、实用。可用于各种非正态分布的资料、未知分布资料及半定量资料的分析。其主要缺点是容易丢失数据中包含的信息。所以凡是正态分布或可通过数据转换成正态分布者尽量不用这些方法。如有不足请多指教感谢各位聆听Thanks for Listening