搜索
您的当前位置:首页正文

2021年第三节 两个样本平均数差异显著性检验

来源:筏尚旅游网
*欧阳光明*创编 2021.03.07

第三节 两个样本平均数的差异显著

性检验

欧阳光明(2021.03.07)

在实际工作中还经常会遇到推断两个样本平均数差异是否显著的问题,以了解两样本所属总体的平均数是否相同。对于两样本平均数差异显著性检验,因试验设计不同,一般可分为两种情况:一是非配对设计或成组设计两样本平均数的差异显著性检;二是配对设计两样本平均数的差异显著性检。

一、非配对设计两样本平均数的差异显著性检验

非配对设计或成组设计是指当进行只有两个处理的试验时,将试验单位完全随机地分成两个组,然后对两组随机施加一个处理。在这种设计中两组的试验单位相互独立,所得的二个样本相互独立,其含量不一定相等。非配对设计资料的一般形式见表5-2。

表5-2非配对设计资料的一般形式

处理 1 2 观测值xij 样本含量ni 平均数 数 =Σx1j/n1 =Σx2j/n2 总体平均x11x12…x21x22… n1 n2 *欧阳光明*创编 2021.03.07

*欧阳光明*创编 2021.03.07

非配对设计两样本平均数差异显著性检验的基本步骤如下: (一)提出无效假设与备择假设(二)计算值计算公式为:

(5-3)

:=

:≠

其中:(5-4)

==当

时,

=

=

(5-5) 、

分别为两样本含

为均数差异标准误,、,、,量、平均数、均方。

(三)根据df=(n1-1)+(n2-1),查临界值:值的绝对值与其比较,作出统计推断

、,将计算所得t

【例5.3】某种猪场分别测定长白后备种猪和蓝塘后备种猪90kg时的背膘厚度,测定结果如表5-3所示。设两品种后备种猪90kg时的背膘厚度值服从正态分布,且方差相等,问该两品种后备种猪90kg时的背膘厚度有无显著差异? 表5-3长白与蓝塘后备种猪背膘厚度

头背膘厚度(cm) *欧阳光明*创编 2021.03.07

*欧阳光明*创编 2021.03.07 品种 数 长白 2 蓝塘 1 111.20、1.32、1.10、1.28、1.35、1.08、1.18、1.25、1.30、1.12、1.19、1.05 2.00、1.85、1.60、1.78、1.96、1.88、1.82、1.70、1.68、1.92、1.80 1、提出无效假设与备择假设:=,:≠

2、计算值此例=12、=11,经计算得=1.202、=0.0998、=0.1096,=1.817、=0.123、、

=0.1508

分别为两样本离均差平方和。

===0.0465

=

**

=(12-1)+(11-1)=21

1.

查临界t值,作出统计推断当df=21时,查临界=2.831,|t|>2.831,P<0.01,否定

:=

,接

值得:受

:≠

,表明长白后备种猪与蓝塘后备种猪90kg背膘

厚度差异极显著,这里表现为长白后备种猪的背膘厚度极显著地低于蓝塘后备种猪的背膘厚度。

*欧阳光明*创编 2021.03.07

*欧阳光明*创编 2021.03.07

【例5.4】某家禽研究所对粤黄鸡进行饲养对比试验,试验时间为60天,增重结果如表5-4,问两种饲料对粤黄鸡的增重效果有无显著差异?

表5-4粤黄鸡饲养试验增重

饲料 8 8 增重(g) 720、710、735、680、690、705、700、705 680、695、700、715、708、685、698、688 A B 此例=696.125、

,经计算得=705.625、=138.125

:=

=288.839,

1、提出无效假设与备择假设2、计算值, 因为于是

=

:≠

=7.306

=1.300

=(8-1)+(8-1)=14

1.

查临界值,作出统计推断当df=14时,查临界值=2.145,|t|<2.145,P>0.05,故不能否定无效假设

得:=

,表明两种饲料饲喂粤黄鸡的增重效果差异不显著,可

以认为两种饲料的质量是相同的。

在非配对设计两样本平均数的差异显著性检验中,若总的试验单位数(

)不变,则两样本含量相等比两样本含量不等有较

*欧阳光明*创编 2021.03.07

*欧阳光明*创编 2021.03.07

高检验效率,因为此时使最小,从而使的绝对值最大。所以在

进行非配对设计时,两样本含量以相同为好。

在实际工作中还经常会遇到推断两个样本平均数差异是否显著的问题,以了解两样本所属总体的平均数是否相同。对于两样本平均数差异显著性检验,因试验设计不同,一般可分为两种情况:一是非配对设计或成组设计两样本平均数的差异显著性检;二是配对设计两样本平均数的差异显著性检。

*欧阳光明*创编 2021.03.07

因篇幅问题不能全部显示,请点此查看更多更全内容

Top