假设检验时，根据检验结果作出的判断，即拒绝H 0 或不拒绝H 0 ，并不是百分之百的正确，可能发生两种错误。下面以样本均数与总体均数比较的t检验为例说明。①拒绝了实际上成立的H 0 ，即样本原本来自μ=μ 0 的总体，由于抽样的偶然性得到了较大的t值，因t≥t 0.05(v) 按α=0.05检验水准拒绝了H 0 ，而接受了H 1 （μ≠μ 0 ），这类错误为...
...往往不相等。因此在实际工作中遇到样本均数与总体均数间或样本均数与样本均数间不相等时，要考虑两种可能：①由于抽样误差所致；②两者来自不同总体。如何作出判断？统计上是通过假设检验（hypothesis testing），又称显着性检验（significance test），来回答这个问题。 下面以样本均数x与总体均数μ比较的假设检验为例，介绍假设检验的基本步骤。
...往往不相等。因此在实际工作中遇到样本均数与总体均数间或样本均数与样本均数间不相等时，要考虑两种可能：①由于抽样误差所致；②两者来自不同总体。如何作出判断？统计上是通过假设检验（hypothesis testing），又称显着性检验（significance test），来回答这个问题。 下面以样本均数x与总体均数μ比较的假设检验为例，介绍假设检验的基本步骤。
一、样本率与总体率的比较 观察样本数较大时，样本率的频数分布近似 正态分布 ，可应用正态分布的规律性检验率的差异显着性。其公式为： 公式（20.7） 式中p为样本率，π为总体率，σ p 为根据总体率计算的 标准误 。由于u服从正态分布，故可用表20-10作判断。 表20-10 ｜u｜值、P值与统计结论 ｜u｜值 P值 统计结论 ＜1.96 ＞0.05 不拒绝...
...往往不相等。因此在实际工作中遇到样本均数与总体均数间或样本均数与样本均数间不相等时，要考虑两种可能：①由于抽样误差所致；②两者来自不同总体。如何作出判断？统计上是通过假设检验（hypothesis testing），又称显着性检验（significance test），来回答这个问题。 下面以样本均数x与总体均数μ比较的假设检验为例，介绍假设检验的基本步骤。
（一）样本回归系数的假设检验 根据例9.1资料求得的是样本回归系数b，有抽样误差的，需作假设检验，检验其是否是从回归系数为0的假设总体（即β=0）中随机抽得的，也就是检验b与0的差别有无显着性。如果差别有显着性，可认为X与Y间有直线回归存在。 样本回归系数的假设检验亦用t检验。 H 0 ：β=0即Y的变化与X无关； H 1 ：β≠0。 计算公式为： （9.7...
观察样本数较大时，样本率的频数分布近似正态分布，可应用正态分布的规律性检验率的差异显着性。其公式为： 公式（20.7） 式中p为样本率，π为总体率，σ p 为根据总体率计算的标准误。由于u服从正态分布，故可用表20-10作判断。 表20-10 ｜u｜值、P值与统计结论 ｜u｜值 P值 统计结论 ＜1.96 ＞0.05 不拒绝H 0 ，差异无统计学意义 ≥1....
...样研究设计；样本必须是从同质总体中随机抽取的；要保证组间的均衡性和资料的可比性。 （二）根据现有的资料的性质、设计类型、样本含量大小正确选用检验方法。 （三）对差别有无统计学意义的判断不能绝对化，因检验水准只是人为规定的界限，是相对的。差别有统计学意义时，是指无效假设H 0 被接受的可能性只有5%或不到5%，甚至不到1%，根据小概率事件一次不可能拒H 0 ，...
亦称显着性检验，其基本原理是先对总体的特征作出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受作出推断。 生物现象的个体差异是客观存在，以致抽样误差不可避免，所以我们不能仅凭个别样本的值来下结论。当遇到两个或几个样本均数（或率）、样本均数（率）与已知总体均数（率）有大有小时，应当考虑到造成这种差别的原因有两种可能：一是这两个或几个样本均数（或...
所有搜索结果仅供参考，如需解决具体问题请咨询相关领域专业人士。